Mixtral 8x22B TPS-Rechner

Offene Gewichte Mistral AI 141B Parameter April 2024

Jede Karte unten wird anhand dieses Modells bei der von Ihnen gewählten Kontextlänge und Mindestqualität bewertet. Geschwindigkeit ist eine Schätzung für eine einzelne Anfrage, berechnet aus der Speicherbandbreite der Karte und der Größe des Modells, sobald es komprimiert ist..

Für dieses Modell berechnet

37 Karten, die es ausführen können

818 Karten, für die wir Spezifikationen haben

Kleinste Karte, die passt

A100 SXM4 80 GB

80 GB · Q3_K_M · 59.8 tok/s

Schnellste Karte

H100 NVL 94 GB

105 tok/s · 94 GB

Welche GPUs können laufen Mixtral 8x22B?

Setze die Eingaben, lies die Antwort

Kontextlänge Token

Ein längeres Gespräch benötigt mehr MEMORY, was dieses Modell von kleineren CARDS drängen kann..

Minimale Qualität

Blendet Karten aus, die nur durch Komprimierung unter diesen Punkt in das Modell passen würden..

Suchkarten

Karten-VRAM

Zeige auch Karten, die es nicht ausführen können.

37 Karten passen

Berechnung

					Braucht	Quantisierung	Passend
105 tok/s 63–168 · niedrige Vertrauenswürdigkeit	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	76.8 GB	IQ4_XS	knapp
99.1 tok/s 59–159 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	101.5 GB	Q5_K_M	knapp
98.5 tok/s 59–158 · niedrige Vertrauenswürdigkeit	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	68.6 GB	Q3_K_M	knapp
98.5 tok/s 59–158 · niedrige Vertrauenswürdigkeit	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	68.6 GB	Q3_K_M	knapp
89.6 tok/s 54–143 · niedrige Vertrauenswürdigkeit	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	76.8 GB	IQ4_XS	knapp
86.9 tok/s 52–139 · niedrige Vertrauenswürdigkeit	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	150.7 GB	Q8_0	knapp
86.9 tok/s 52–139 · niedrige Vertrauenswürdigkeit	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	150.7 GB	Q8_0	Komfortabel
84.2 tok/s 51–135 · niedrige Vertrauenswürdigkeit	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	85.0 GB	Q4_K_M	knapp
84.2 tok/s 51–135 · niedrige Vertrauenswürdigkeit	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	85.0 GB	Q4_K_M	knapp
80.6 tok/s 48–129 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	101.5 GB	Q5_K_M	knapp
77.2 tok/s 46–123 · niedrige Vertrauenswürdigkeit	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	117.9 GB	Q6_K	knapp
77.2 tok/s 46–123 · niedrige Vertrauenswürdigkeit	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	117.9 GB	Q6_K	knapp
69.4 tok/s 42–111 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	150.7 GB	Q8_0	Komfortabel
69.4 tok/s 42–111 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	150.7 GB	Q8_0	Komfortabel
59.8 tok/s 36–96 · niedrige Vertrauenswürdigkeit	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	68.6 GB	Q3_K_M	knapp
59.8 tok/s 36–96 · niedrige Vertrauenswürdigkeit	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	68.6 GB	Q3_K_M	knapp
59.8 tok/s 36–96 · niedrige Vertrauenswürdigkeit	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	68.6 GB	Q3_K_M	knapp
59.8 tok/s 36–96 · niedrige Vertrauenswürdigkeit	H100 CNX NVIDIA	80 GB	2,040 GB/s	Mar 2023	68.6 GB	Q3_K_M	knapp
59.8 tok/s 36–96 · niedrige Vertrauenswürdigkeit	H100 PCIe 80 GB NVIDIA	80 GB	2,040 GB/s	Oct 2022	68.6 GB	Q3_K_M	knapp
59.8 tok/s 36–96 · niedrige Vertrauenswürdigkeit	H800 PCIe 80 GB NVIDIA	80 GB	2,040 GB/s	Mar 2023	68.6 GB	Q3_K_M	knapp
56.9 tok/s 34–91 · niedrige Vertrauenswürdigkeit	A100 PCIe 80 GB NVIDIA	80 GB	1,940 GB/s	Jun 2021	68.6 GB	Q3_K_M	knapp
56.9 tok/s 34–91 · niedrige Vertrauenswürdigkeit	A800 PCIe 80 GB NVIDIA	80 GB	1,940 GB/s	Nov 2022	68.6 GB	Q3_K_M	knapp
50.8 tok/s 30–81 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	150.7 GB	Q8_0	Komfortabel
49.6 tok/s 30–79 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	101.5 GB	Q5_K_M	knapp
49.6 tok/s 30–79 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	101.5 GB	Q5_K_M	knapp

Die Geschwindigkeiten sind Schätzungen für eine einzelne Anfrage — ein Gespräch zur Zeit — berechnet aus BANDWIDTH, MODELLGRÖSSE und QUANTISIERUNG. Der tatsächliche Durchsatz variiert mit der INFERENZLAUFZEIT und ihrer Version. Zahlen, die von Hardwareanbietern veröffentlicht wurden, messen viele gleichzeitige Anfragen und sind viel höher..

Aufgezeichnet

Volle Spezifikation

Alles, was in unserer Datenbank für dieses Modell aufgezeichnet ist. Der Großteil beschreibt, wie es trainiert wurde, anstatt wie es läuft — nützlicher Kontext zur Beurteilung, wie viel Arbeit darin steckt und wie es sich mit Modellen vergleicht, die in einem anderen Maßstab erstellt wurden..

Ursprung

Wer hat dieses Modell gebaut, wo und wann es veröffentlicht wurde.

Organisation: Mistral AI
Organisationsart: Industry
Land: France
Veröffentlicht: 17 April 2024
Autoren: Albert Jiang, Alexandre Sablayrolles, Alexis Tacnet, Antoine Roux, Arthur Mensch, Audrey Herblin-Stoop, Baptiste Bout, Baudouin de Monicault,Blanche Savary, Bam4d, Caroline Feldman, Devendra Singh Chaplot, Diego de las Casas, Eleonore Arcelin, Emma Bou Hanna, Etienne Metzger, Gianna Lengyel, Guillaume Bour, Guillaume Lample, Harizo Rajaona, Jean-Malo Delignon, Jia Li, Justus Murke, Louis Martin, L…

Was es tut

Die Problemfelder, für die das Modell entwickelt wurde. Ein Modell kann mehrere davon tragen.

Domain: Language
Aufgabe: Language modeling/generation, Code generation, Translation, Quantitative reasoning, Question answering
Ansatz: Self-supervised learning

Größe

Wie groß das Modell ist und wie viele Daten damit trainiert wurden. Parameter sind die Zahl, die entscheidet, ob es auf einer bestimmten GPU-Karte passt.

Parameter: 141B
Trainingsdaten: tokens

Training-Compute

Die Berechnung, die durchgeführt wird, um das Modell zu trainieren, gemessen in Gleitpunktoperationen. Es ist ein Maß dafür, was der Trainingslauf gekostet hat, nicht dafür, wie schnell das fertige Modell Ihnen antwortet.

Training-Compute: 2.3 × 10²⁴ FLOP
Wie es etabliert wurde: Operation counting

Verfügbarkeit

Ob Sie das Modell beziehen und es auf Ihrer eigenen Hardware ausführen können, bestimmt, ob eine der Grafikkarten-Zahlen auf dieser Seite zutrifft.

Gewichte: Open — downloadable
Modellzugang: Open weights (unrestricted)
Training-Code: Unreleased
Hugging Face: mistralai

Wie es klassifiziert ist

Labels, die das Quell-Datenset anwendet, wenn bemerkenswerte Modelle verfolgt werden, und wie zuversichtlich es in den Eintrag ist.

Wahrscheinlich über 10²³ FLOP: Yes
Aufzeichnungsgenauigkeit: Speculative

Quellen

Woher dieser Datensatz stammt und wann er zuletzt überprüft wurde.

Referenz: Mixtral 8x22B
Zuletzt aktualisiert: 28 November 2025

Die Extreme

Die zehn schnellsten GPUs, die RUN. Mixtral 8x22B

Sortiert nach geschätzten Tokens pro Sekunde, neueste Karte zuerst, wenn die Geschwindigkeiten gleich sind. Da die Generierung durch die Speichermenge begrenzt ist, folgt diese Reihenfolge der Bandbreite und nicht einem Gaming-Benchmark..

Die kleinsten GPUs, die immer noch laufen Mixtral 8x22B

Die günstigste Route herein, nach Speichergröße. Ein enger Fit läuft das Modell, lässt aber nichts für ein längeres Gespräch übrig..

Was die Zahlen bedeuten

Was es braucht, um dieses Modell auszuführen

Minimale Karte

A100 SXM4 80 GB

Benötigter Speicher

68.6 GB

Schnellste

105 tok/s

Mixtral 8x22B erreicht eine Parameteranzahl von 141B. Das platziert es über Consumer-Hardware, in den Bereich, wo eine Karte für diesen Zweck gekauft wird, anstatt dafür umfunktioniert zu werden. Die Anzahl der Karten, die wir verfolgen, die es halten können: 37.

Die kleinste Karte, die es hält, ist A100 SXM4 80 GB, mit einer MEMORY-KAPAZITÄT von 80 GB, es mit einer Kompression von Q3_K_M und produziert etwa 59.8 Token pro Sekunde

Spitzenklasse ist H100 NVL 94 GB, generieren ungefähr 105 Tokens pro Sekunde auf der Grundlage einer Speicherbandbreite von 3,940 GB/s.

Was dieses Modell ist

Mixtral 8x22B wurde veröffentlicht von Mistral AI, im Land aufgezeichnet als France, während April 2024. Die Kategorie, in die der Herausgeber fällt, ist industry.

Es funktioniert im Bereich von Language, und wird als die Aufgabe von aufgezeichnet language modeling/generation, Code generation, Translation, Quantitative reasoning, Question answering.

Da seine Gewichte veröffentlicht wurden, hängt nichts davon ab, es auszuführen, dass ein Anbieter verfügbar bleibt – es gehört dir, sobald es heruntergeladen ist. Es ist unter der Organisation auf Hugging Face veröffentlicht. mistralai.

Was entscheidet die Geschwindigkeit

Über jede Karte, die es ausführen kann, liegt die Mitte der Reihe bei 59.8 Token pro Sekunde. Text schneller produzieren, als die meisten Menschen ihn lesen. 35 von ihnen

Weil es jedes Token durch eine Teilmenge seiner OPEN WEIGHTS leitet, produziert es Text im Tempo eines viel kleineren MODELS. Der Haken ist der SPEICHER: alles muss immer noch passen, sodass die Geschwindigkeit ein Bonus und kein Nachlass auf die HARDWARE ist.

Ohne das Attention-Layout in der Datei ist die Speicher-Spalte eine Annäherung. Sie ist nah genug, um Hardware auszuwählen, und am wenigsten zuverlässig bei langem CONTEXT.

Wie es trainiert wurde

Der Trainingslauf verbrauchte etwa 2.3 × 10²⁴ FLOP. Diese Zahl misst die Kosten für die Produktion des MODELLS und hat keinen Einfluss darauf, wie schnell es antwortet.

Schritt für Schritt

Wie wählt man eine GPU für Mixtral 8x22B

Die obige Tabelle hat bereits jede Karte, für die wir Spezifikationen haben, mit diesem Modell verglichen. Um zu Ihrer Antwort zu gelangen, sind sechs Schritte erforderlich..

01

Beginnen Sie mit der Speicher-Spalte

Jede Karte hier wurde geprüft gegen Mixtral 8x22B, benötigt ungefähr 68.6 GB bei einer Kompression von Q3_K_M. Die Kapazität ist das Tor — eine Karte hält es entweder oder sie tut es nicht.
02

Setzen Sie die CONTEXT LENGTH, an der Sie arbeiten werden.

Das Gespräch belegt ebenfalls Speicher und wächst, während es fortschreitet. Stellen Sie den Regler auf die Länge ein, die Sie erwarten, denn bei langem CONTEXT kann eine KARTE, die kurze Fragen mühelos verarbeitet, entfernt werden. Mixtral 8x22B.
03

Setze eine Qualitätsuntergrenze

Kompression ist das, was ein Modell auf kleinere GPU-Karten passt, mit einem gewissen Verlust an Genauigkeit., eine Kompression von Q3_K_M auf der kleinsten Karte, die passt. Das Festlegen einer Mindestqualität fallen die Karten weg, die es nur schaffen, indem sie weiter gedrückt werden, als man möchte, und hält den Vergleich auf einem Niveau.
04

Nach Geschwindigkeit sortieren

Nach Geschwindigkeit sortieren, um zu sehen, wie die CARDS eingestuft sind für Mixtral 8x22B. Es wird nicht mit einer Gaming-Bestellung übereinstimmen, da die Generation durch MEMORY-BANDWIDTH gebunden ist. Die Karte, die die Liste anführt, ist H100 NVL 94 GB, bei 105 tok/s
05

Achte auf den Spielraum, nicht nur auf das Passende.

Tight bedeutet, dass es lädt und ohne Spielraum funktioniert, um den Kontext später zu erhöhen, im Fall von Mixtral 8x22B. Komfortabel bedeutet, dass Sie den Kontext später erweitern können. Dieser Unterschied zählt mehr als ein paar Token pro Sekunde, also kaufen Sie für komfortabel, wenn Sie damit rechnen.
06

Sieh, was diese Karte noch ausführen kann.

Jede Karte verlinkt auf ihre eigene Seite, die dieselbe Berechnung über den gesamten Modellkatalog ausführt. Eine Karte wird normalerweise für mehr als ein Modell gekauft, daher lohnt sich ein Blick, bevor man kauft. Mixtral 8x22B.

Antworten

Mixtral 8x22B — Häufige Fragen

Mixtral 8x22B— Wo kann ich es herunterladen?

Seine Gewichte sind auf Hugging Face veröffentlicht, unter der Organisation mistralai. Wir hosten keine Modell-Dateien — diese Seite berechnet, welche Hardware benötigt wird, um sie auszuführen.

Mixtral 8x22B— Wie viel Rechenleistung wurde verwendet, um es zu trainieren?

Training verbrauchte etwa 2.3 × 10²⁴ FLOP. Das misst, was die Produktion des Modells gekostet hat, und sagt nichts darüber aus, wie schnell es einmal trainiert antwortet — die Inferenzgeschwindigkeit kommt von der MEMORY-BANDWIDTH, nicht vom TRAINING-BUDGET.

Mixtral 8x22B— Kann ich es ausführen, wenn es nicht in meine GPU passt?

Es kann zwischen der GPU-Karte und dem Systemspeicher aufgeteilt werden, aber es wird auf diese Weise schmerzhaft langsam erzeugt. Die nächste verpasste Berechnung bleibt hinter 20.2 GB Jede Zahl hier geht davon aus, dass das gesamte Modell auf der Karte vorhanden ist.

Mixtral 8x22B— Würden zwei GPUs es schneller ausführen?

Eine zweite Karte verdoppelt grob den verfügbaren Speicher, aber nicht die Generationsrate. Die Anzahl, die bereits in der Lage ist, es allein auszuführen: 37. So eine zweite Karte ist hier selten die Antwort.

Mixtral 8x22B— Warum unterscheidet sich die Quantisierung zwischen Karten?

Jede Karte wird mit der am wenigsten komprimierten Kopie angezeigt, die sie halten kann. Die Anzahl der verschiedenen Komprimierungsstufen über die Karten, die sie passen: 6. Größere Karten erhalten die genauere Version, und die Qualitätsuntergrenze verankert den Vergleich auf einem Niveau.

Mixtral 8x22B— Wie genau sind diese Geschwindigkeitsabschätzungen?

Jede Zahl leitet sich von VRAM-Bandbreite und Modellgröße ab, nicht benchmarked, weshalb jede als Bereich und nicht als einzelne Zahl veröffentlicht wird. Ein Beispiel: 63–168 tok/s auf H100 NVL 94 GB. Das gleiche Modell und die Karte variieren je nach Inferenzsoftware und deren Version um dreißig bis fünfzig Prozent.

Mixtral 8x22B— Welche GPU benötige ich, um es auszuführen?

Die kleinste Karte in unserem Katalog, die es hält, ist A100 SXM4 80 GB, mit einer MEMORY-KAPAZITÄT von 80 GB. Es führt das Modell mit einer Kompression von Q3_K_M verwenden von etwa 68.6 GB, und produziert ungefähr 59.8 Token pro Sekunde. Die Anzahl der Karten, die es insgesamt ausführen können: 37.

Mixtral 8x22B— wie schnell ist es auf einer GPU?

Es hängt von der Karte ab. Das Schnellste, das wir berechnen, ist H100 NVL 94 GB, ungefähr 105 Tokens pro Sekunde; die langsamste, die es immer noch ausführt, schafft erheblich weniger. Die Lesegeschwindigkeit liegt bei etwa zehn Tokens pro Sekunde, und die Anzahl der Karten, die das bewältigen: 35.

Mixtral 8x22B— Wie viel VRAM benötigt es?

Es benötigt etwa 68.6 GB bei einer Kompression von Q3_K_M, welche das ist, was die kleinste Karte, die es ausführt, verwendet. Weniger Kompression braucht mehr: die Zahlen in der Spalte für den Speicher oben werden für jede Karte neu berechnet, da jede die am wenigsten komprimierte Version, die sie kann, speichert.

Mixtral 8x22B— Ist es Open-Source?

Die Gewichte sind veröffentlicht, sodass sie heruntergeladen und auf Ihrer eigenen Hardware ausgeführt werden können. Beachten Sie, dass OPEN WEIGHTS nicht dasselbe wie OPEN SOURCE im vollen Sinne ist — es sagt nichts über die Trainingsdaten, den Trainingscode oder die damit verbundenen kommerziellen Bedingungen aus.

Mixtral 8x22B— Wie viele Parameter hat es?

Es hat eine Parameteranzahl von 141B. 141B params, 39B active: https://mistral.ai/news/mixtral-8x22b/. Diese Zahl ist die Gesamtsumme, und sie bestimmt, wie viel MEMORY das MODEL benötigt – ungefähr ein halbes Gigabyte pro Milliarde bei der Kompression, die die meisten Menschen verwenden.

Mixtral 8x22B— Wer hat es erstellt?

Es wurde veröffentlicht von Mistral AI, basiert auf France, eine als kategorisierte Organisation industry.

Mixtral 8x22B— Wann wurde es veröffentlicht?

Es wurde veröffentlicht in April 2024. Die Fähigkeit pro Parameter hat sich erheblich verbessert, sodass ein neueres Modell derselben Größe oft die bessere Nutzung derselben Hardware darstellt.

Mixtral 8x22B— Wofür wird es verwendet?

Es funktioniert im Bereich von Language, und wird als Bewältigung der Aufgabe von language modeling/generation, Code generation, Translation, Quantitative reasoning, Question answering. Dies sind die Bereiche, um die es entworfen wurde; sie beschreiben die Absicht und nicht eine harte Grenze.

Quelle

Originalveröffentlichung

Letzte Aktualisierung des Protokolls 28 November 2025

Die andere Richtung

Von der anderen Seite aus betrachten?

Diese Seite beginnt mit dem Modell. Wenn Sie bereits eine Karte besitzen und alles wissen möchten, was sie ausführen wird, Starte stattdessen von der Hardware.

Alle KI-Modelle