Mistral · 2024-04 · 稀疏 MoE
Mixtral 8x22B
Mixtral 8x22B 是 Mistral 于 2024-04 发布的 分组查询注意力（GQA） Transformer，共 56 层，隐藏维度 6144，上下文窗口 65,536 个 token。
层堆栈
注意力 ×56 · 层数 56
关键参数
| 实验室 | Mistral |
|---|---|
| 发布时间 | 2024-04 |
| 总参数 | 140.6 B |
| 激活参数 | 39.1 B |
| 上下文 | 65,536 tokens |
| 注意力 | GQA (48:8) |
| 层数 | 56 |
| 隐藏维度 | 6,144 |
| 注意力头 | 48 |
| 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 | MixtralForCausalLM |
架构概览
注意力
分组查询注意力（GQA） — 48 q-heads / 8 kv-heads. RoPE θ=1,000,000.
前馈 / MoE
它是稀疏混合专家模型：8 个路由专家、top-2 路由；每个 token 约激活 39.1B 参数。
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。
与前代 Mistral 7B 的全字段对比
| 模型 | Mixtral 8x22B | Mistral 7B | 倍数 |
|---|---|---|---|
| model_type | mixtral | mistral | ≠ |
| architectures | MixtralForCausalLM | MistralForCausalLM | ≠ |
| hidden_size | 6144 | 4096 | ×1.50 |
| num_hidden_layers | 56 | 32 | ×1.75 |
| num_attention_heads | 48 | 32 | ×1.50 |
| num_key_value_heads | 8 | 8 | ≈1 |
| intermediate_size | 16384 | 14336 | ×1.14 |
| hidden_act | silu | silu | ＝ |
| num_experts_per_tok | 2 | — | |
| rope_theta | 1000000 | 10000 | ×100.00 |
| max_position_embeddings | 65536 | 32768 | ×2.00 |
| sliding_window | — | 4096 | |
| rms_norm_eps | 0.00001 | 0.00001 | ≈1 |
| vocab_size | 32000 | 32000 | ≈1 |
| torch_dtype | bfloat16 | bfloat16 | ＝ |
| attention_dropout | 0 | — | |
| bos_token_id | 1 | 1 | ≈1 |
| eos_token_id | 2 | 2 | ≈1 |
| initializer_range | 0.02 | 0.02 | ≈1 |
| num_local_experts | 8 | — | |
| output_router_logits | false | — | |
| router_aux_loss_coef | 0.001 | — | |
| tie_word_embeddings | false | false | ＝ |
| transformers_version | 4.38.0 | 4.34.0.dev0 | ≠ |
| use_cache | true | true | ＝ |
结构最相似的模型
- MiniMax-Text-01 (MiniMax, 2025-01) 0.988
- MiniMax-M1 (MiniMax, 2025-06) 0.988
- GLM-4.5-Air (GLM, 2025-07) 0.986
- GPT-OSS 20B (OpenAI, 2025-08) 0.984
- GPT-OSS 120B (OpenAI, 2025-08) 0.982
- Qwen3 235B A22B (Qwen, 2025-04) 0.981
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
24 个字段
| architectures | MixtralForCausalLM |
|---|---|
| attention_dropout | 0 |
| bos_token_id | 1 |
| eos_token_id | 2 |
| hidden_act | silu |
| hidden_size | 6144 |
| initializer_range | 0.02 |
| intermediate_size | 16384 |
| max_position_embeddings | 65536 |
| model_type | mixtral |
| num_attention_heads | 48 |
| num_experts_per_tok | 2 |
| num_hidden_layers | 56 |
| num_key_value_heads | 8 |
| num_local_experts | 8 |
| output_router_logits | false |
| rms_norm_eps | 0.00001 |
| rope_theta | 1000000 |
| router_aux_loss_coef | 0.001 |
| tie_word_embeddings | false |
| torch_dtype | bfloat16 |
| transformers_version | 4.38.0 |
| use_cache | true |
| vocab_size | 32000 |