Mistral · 2024-04 · 稀疏 MoE
Mixtral 8x22B
Mixtral 8x22B 是 Mistral 於 2024-04 發布的 分組查詢注意力（GQA） Transformer，共 56 層，隱藏維度 6144，上下文視窗 65,536 個 token。
層堆疊
注意力 ×56 · 層數 56
關鍵參數
| 實驗室 | Mistral |
|---|---|
| 發布時間 | 2024-04 |
| 總參數 | 140.6 B |
| 激活參數 | 39.1 B |
| 上下文 | 65,536 tokens |
| 注意力 | GQA (48:8) |
| 層數 | 56 |
| 隱藏維度 | 6,144 |
| 注意力頭 | 48 |
| 詞表 | 32,000 |
| 位置編碼 | RoPE |
| 正規化 | RMSNorm |
| 激活函數 | silu |
| 訓練精度 | — |
| 架構類別 | MixtralForCausalLM |
架構概覽
注意力
分組查詢注意力（GQA） — 48 q-heads / 8 kv-heads. RoPE θ=1,000,000.
前饋 / MoE
它是稀疏混合專家模型：8 個路由專家、top-2 路由；每個 token 約激活 39.1B 參數。
欄位級對比
對比對象為同實驗室的上一代模型；無前代時取結構最相似的模型。倍數欄 = 本模型數值 ÷ 對比模型數值。
與前代 Mistral 7B 的全欄位對比
| 模型 | Mixtral 8x22B | Mistral 7B | 倍數 |
|---|---|---|---|
| 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 | ＝ |
結構最相似的模型
- 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
相似度取值範圍 0（無共同類別特徵）到 1（結構輪廓完全一致）。
原始 config 欄位
24 個欄位
| 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 |