核心规格

厂商	mistral
版本	8x7b
发布日期	2023-12-11
上下文窗口	32000 tokens
输入模态	text
输出模态	text
许可	Apache 2.0
文档	https://docs.mistral.ai/

基准测试表现

基准	得分	单位	评测日期	备注	来源
MMLU	77.2	%	2023-12-11	5-shot	查看
HUMANEVAL	79	pass@1	2023-12-11	—	查看
GSM8K	79.7	%	2023-12-11	0-shot CoT	查看
MATH	38	%	2023-12-11	0-shot CoT	查看
BBH	78.4	%	2023-12-11	3-shot CoT	查看
GPQA	43	%	2023-12-11	0-shot	查看
IFEVAL	72.1	%	2023-12-11	prompt_strict	查看
ARC	91.6	%	2023-12-11	challenge	查看
MUSR	53.5	%	2023-12-11	0-shot	查看
WINOGRANDE	82	%	2023-12-11	0-shot	查看

定价

项目	价格	币种
输入	$0.7 / Mtok	USD
输出	$0.7 / Mtok	USD
缓存读	$0 / Mtok	USD
缓存写	$0 / Mtok	USD

数据来源: https://mistral.ai/technology/ · 截至 2023-12-11

合规性

数据驻留: EU
SOC2: ✓
HIPAA: ✗
GDPR: ✓
ISO 27001: ✓

Mixtral 8x7B

模型概述

Mistral Mixtral 8x7B 首个开源 MoE 模型, 总参 47B/活跃 13B, 32K 上下文, 性能接近 GPT-3.5。

核心规格

厂商	版本	发布日期	上下文窗口	输入模态	输出模态	许可证
Mistral	8x7b	2023-12-11	32K	text	text	Apache 2.0

基准测试表现

基准	得分	单位	备注
MMLU (Massive Multitask Language Understanding)	77.2	%	5-shot
HumanEval	79.0	pass@1	—
GSM8K (Grade School Math 8K)	79.7	%	0-shot CoT
MATH	38.0	%	0-shot CoT
BBH (BIG-Bench Hard)	78.4	%	3-shot CoT
GPQA	43.0	%	0-shot
IFEval	72.1	%	prompt_strict
ARC	91.6	%	challenge
MUSR	53.5	%	0-shot
WinoGrande	82.0	%	0-shot

定价

输入	输出	缓存读取	缓存写入
—	—	—	—

每百万 token

优势

采用 MoE 混合专家架构。

劣势

闭源专有模型，不支持自托管。

适用场景

代码生成与调试

参考文献

Mixtral 8x7B 文档地址
发布日期: 2023-12-11
厂商: Mistral