Mistral: Mixtral 8x22B Instruct mistralai/mixtral-8x22b-instruct

Модель Mistral: Mixtral 8x22B Instruct от Mistral AI (семейство mixtral-8x22b) доступна через единый OpenAI-совместимый API НейроГейт — без VPN, с оплатой в рублях, единым ключом для всех 353+ моделей платформы.
Европейский AI-чемпион. Эффективные модели + сильная Mixtral-серия.

👁 Зрение 🧠 Рассуждение 🎨 Генерация изображений 🎙 Аудио-вход 🔊 Синтез речи 🆓 Бесплатно

66K

контекст, токенов

200 ₽

за 1 млн входных токенов

600 ₽

за 1 млн выходных токенов

возможностей

2024-01

база знаний до

Что такое Mistral: Mixtral 8x22B Instruct

Оптимальна для ресурсоёмких задач — кода и математики — когда нужна мощь модели уровня 100B+ при относительно умеренных затратах на инференс благодаря MoE-архитектуре.

Mixtral 8x22B Instruct — официальная instruct-версия флагманской модели Mistral AI на архитектуре Mixture of Experts (MoE). При общем объёме 141B параметров модель активирует лишь около 39B на каждый токен, что делает её заметно экономичнее плотных моделей сопоставимого класса при сохранении высокого качества ответов.

Модель демонстрирует сильные результаты в математических задачах, генерации и анализе кода, а также в многоязычных сценариях. Контекстное окно в 65 536 токенов позволяет работать с объёмными документами, длинными цепочками диалога и большими кодовыми базами. Instruct-файнтюнинг адаптирует модель к следованию инструкциям и диалоговому формату — в отличие от базовой версии, она готова к применению «из коробки».

Mixtral 8x22B Instruct позиционируется как open-weight модель: веса опубликованы Mistral AI, что даёт возможность самостоятельного развёртывания. Для команд, которым важно соотношение производительности и стоимости инференса на уровне топовых открытых моделей, это один из наиболее зрелых вариантов в своём классе.

Когда брать эту модель

✓ Генерация, ревью и отладка кода на популярных языках программирования
✓ Решение математических и логических задач, включая многошаговые рассуждения
✓ Работа с длинными документами: суммаризация, извлечение информации, QA
✓ Многоязычные приложения и задачи с нелатинскими языками
✓ RAG-пайплайны и агентные сценарии, требующие следования сложным инструкциям

Пример работы

Реальный сценарий, на котором модель проявляет себя:

Реализуй на Python алгоритм поиска кратчайшего пути в графе с взвешенными рёбрами, объясни выбор алгоритма и оцени его сложность.

Использование Mistral: Mixtral 8x22B Instruct через НейроГейт

OpenAI-совместимый эндпоинт https://api.neuralgate.ru/v1 — замени base_url в любом SDK и используй модель по её id.

# Chat completion
curl https://api.neuralgate.ru/v1/chat/completions \
  -H "Authorization: Bearer $NEURALGATE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "mistralai/mixtral-8x22b-instruct",
    "messages": [{"role":"user","content":"Привет!"}]
  }'

from openai import OpenAI

client = OpenAI(
    api_key="sk-...your-neuralgate-key...",
    base_url="https://api.neuralgate.ru/v1",
)
response = client.chat.completions.create(
    model="mistralai/mixtral-8x22b-instruct",
    messages=[{"role": "user", "content": "Привет!"}],
)
print(response.choices[0].message.content)

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.NEURALGATE_API_KEY,
  baseURL: "https://api.neuralgate.ru/v1",
});
const resp = await client.chat.completions.create({
  model: "mistralai/mixtral-8x22b-instruct",
  messages: [{ role: "user", content: "Привет!" }],
});
console.log(resp.choices[0].message.content);