Mistral · 2023-09 · 稠密
Mistral 7B
Mistral 7B 是 Mistral 于 2023-09 发布的 分组查询注意力（GQA） Transformer，共 32 层，隐藏维度 4096，上下文窗口 32,768 个 token。
层堆栈
注意力 ×32 · 层数 32
关键参数
| 实验室 | Mistral |
|---|---|
| 发布时间 | 2023-09 |
| 总参数 | 7.24 B |
| 上下文 | 32,768 tokens |
| 注意力 | GQA (32:8) |
| 层数 | 32 |
| 隐藏维度 | 4,096 |
| 注意力头 | 32 |
| 词表 | 32,000 |
| 位置编码 | RoPE |
| 归一化 | RMSNorm |
| 激活函数 | silu |
| 训练精度 | — |
| 架构类名 | MistralForCausalLM |
架构概览
注意力
分组查询注意力（GQA） — 32 q-heads / 8 kv-heads. RoPE θ=10,000.
前馈 / MoE
它是稠密模型：全部 7.24B 参数都参与每个 token 的计算。
字段级对比
对比对象为同实验室的上一代模型；无前代时取结构最相似的模型。倍数列 = 本模型数值 ÷ 对比模型数值。
与最相似 Hunyuan 7B 的全字段对比
| 模型 | Mistral 7B | Hunyuan 7B | 倍数 |
|---|---|---|---|
| model_type | mistral | hunyuan_v1_dense | ≠ |
| architectures | MistralForCausalLM | HunYuanDenseV1ForCausalLM | ≠ |
| hidden_size | 4096 | 4096 | ≈1 |
| num_hidden_layers | 32 | 32 | ≈1 |
| num_attention_heads | 32 | 32 | ≈1 |
| num_key_value_heads | 8 | 8 | ≈1 |
| head_dim | — | 128 | |
| intermediate_size | 14336 | 14336 | ≈1 |
| hidden_act | silu | silu | ＝ |
| rope_theta | 10000 | 10000 | ≈1 |
| max_position_embeddings | 32768 | 32768 | ≈1 |
| sliding_window | 4096 | — | |
| rms_norm_eps | 0.00001 | 0.00001 | ≈1 |
| vocab_size | 32000 | 128167 | ×0.250 |
| torch_dtype | bfloat16 | bfloat16 | ＝ |
| bos_token_id | 1 | 1 | ≈1 |
| eos_token_id | 2 | 127960 | ×0.000 |
| initializer_range | 0.02 | 0.02 | ≈1 |
| tie_word_embeddings | false | true | ≠ |
| transformers_version | 4.34.0.dev0 | 4.41.2 | ≠ |
| use_cache | true | true | ＝ |
结构最相似的模型
- Hunyuan 7B (Hunyuan, 2025-08) 1.000
- Qwen3 8B (Qwen, 2025-04) 1.000
- Qwen2.5 7B (Qwen, 2024-09) 1.000
- Llama 3.1 8B (Meta, 2024-07) 0.999
- Hunyuan-TurboS 7B (Hunyuan, 2026-05) 0.998
- Qwen3 32B (Qwen, 2025-04) 0.990
相似度取值范围 0（无共同类别特征）到 1（结构画像完全一致）。
原始 config 字段
20 个字段
| architectures | MistralForCausalLM |
|---|---|
| bos_token_id | 1 |
| eos_token_id | 2 |
| hidden_act | silu |
| hidden_size | 4096 |
| initializer_range | 0.02 |
| intermediate_size | 14336 |
| max_position_embeddings | 32768 |
| model_type | mistral |
| num_attention_heads | 32 |
| num_hidden_layers | 32 |
| num_key_value_heads | 8 |
| rms_norm_eps | 0.00001 |
| rope_theta | 10000 |
| sliding_window | 4096 |
| tie_word_embeddings | false |
| torch_dtype | bfloat16 |
| transformers_version | 4.34.0.dev0 |
| use_cache | true |
| vocab_size | 32000 |