01功能特性
优点
- 相对于模型规模,质量远超预期
- 32k 上下文
- Apache 2.0 许可证,可完全自由使用
- 代码能力和多语言能力都很强
需了解的局限性
- —Q4 量化下需 26 GB VRAM(与 47B 稠密模型相当)
- —2025 年被 Qwen 3 和 Llama 3.3 超越
架构
MoE 8×7B · 32 个专家,每个 token 激活 2 个 · 总计 47B / 激活 13B
训练
Mistral AI 的多语言语料库。首个广受欢迎的大型开放权重 MoE 模型。
最适合的场景
专业助手长篇分析
05安装
安装 Ollama 适用于您的操作系统。下载前请检查模型及其量化方式。从 4096 tokens 的上下文开始,然后使用 ollama ps 检查模型的加载位置。下方列出的命令并不能证明已在您的机器上执行过测试。
$ollama run mixtral:8x7b
LM Studio
图形界面,无需命令行操作
→ 查看指南
llama.cpp
原始性能,从源码构建
→ 查看指南
vLLM
兼容 OpenAI 的生产级服务器
→ 查看指南
Jan / GPT4All
一体化桌面应用
→ 查看指南
⚠
首次下载:根据所选量化方式,大小在 2 到 40 GB 之间。请预留磁盘空间,建议使用稳定的网络连接。后续启动将即时完成。
02所需内存
运行此模型所需的大致 GPU 显存容量,已包含 4k tokens 的上下文开销。如需更长的上下文,每增加 8k tokens,请额外预留约 1 GB。
Q4_K_M
最轻量,损失约 5%
26 GB
Q5_K_M
质量/体积的良好平衡
32 GB
Q8_0
几乎无法与 FP16 区分
50 GB
FP16
全精度 — 服务器用途
94 GB
CPU 回退 · 如果您没有 GPU,请预留 48 GB 内存 以较低速度运行此模型的最低要求。
运行Mixtral 8x7B需要什么硬件?
要运行 Mixtral 8x7B 的 Q4 量化版本(本地运行),大约需要 26 GB 显存。一个可供比较的选项: GMKtec EVO-X2 — Amazon 可能会显示其他配置;购买前请核对 — 请为系统和上下文保留余量,并确认推理引擎与GPU兼容。 Amazon 可能会跳转到当地商店或显示其他配置。购买前请核对商品;此链接不保证跳转目的地或商品配置。
当前在售产品: GMKtec EVO-X2 — Amazon 可能会显示其他配置;购买前请核对
Amazon查看 Amazon 商品 →为什么选择它?我们的完整资料: GMKtec EVO-X2 — Amazon 可能会显示其他配置;购买前请核对 →
联盟链接 — 您无需承担额外费用,我们可能获得佣金,推荐独立作出。作为 Amazon 合作伙伴,哪个LLM 会从符合条件的购买中获利。
Amazon 可能会跳转到当地商店或显示其他配置。购买前请核对商品;此链接不保证跳转目的地或商品配置。
在你的私有 ChatGPT 中使用此模型,无需云端
只需 1 小时,即可在您的电脑上拥有专属的免费 ChatGPT — LM Studio、Ollama、Open WebUI、您的文档,无需云端。
- 在线空间,终身可用
- PDF + 文件
- 30 天内退款
03预期速度
Q4_K_M 量化下每秒生成的 tokens 数,上下文为 4k。超过 20 t/s,阅读体验舒适。低于 10 t/s,仅用于测试。
04公开基准测试
分数引自模型卡片或 MMLU-Pro / 社区数据。单位:正确回答百分比。
MMLU
70.6
HumanEval
40.2
HellaSwag
86.7