Mistral 7B
Mistral AI 发布的7B参数开源语言模型，以较小参数量实现较强性能，支持本地部署和微调，是Mistral开源策略的代表性产品。
核心事实
时间轴 (近 90 天)
Mistral此前发布的Mistral 7B采用了较为宽松的Apache 2.0许可
参数量在7B以下的开源模型如Llama 3、Mistral 7B配合4-bit量化可在单张消费级GPU或高性能CPU上运行
Mistral 7B采用Apache 2.0许可证，被普遍认为更接近真正意义的开源
Mistral AI的Mistral 7B模型采用了Sliding Window Attention（滑动窗口注意力）机制，每个token只关注固定窗口内的相邻token
Mistral AI由前Meta和Google DeepMind研究员于2023年在巴黎创立，Mistral 7B以70亿参数匹配甚至超越130亿参数级别竞品性能
7B-13B级别的开源小模型（如Llama 2 7B、Mistral 7B）参数容量有限，对外部提供的上下文质量形成刚性依赖
全部知识事实 (12)
Mistral 7B于2023年9月发布，拥有73亿参数，在多项基准测试中击败了参数量达130亿甚至340亿的竞品模型
80%已验证Mistral 7B的关键技术创新包括滑动窗口注意力机制（SWA）和分组查询注意力（GQA）
75%待验证Mistral的7B模型最初通过BitTorrent种子链接发布
90%待验证Mistral AI的7B模型在发布时性能超越了两倍参数量的Llama 2 13B
85%待验证Mistral 7B、Falcon、Qwen、DeepSeek等开源模型在LLaMA之后相继涌现，形成了与闭源模型分庭抗礼的生态
70%待验证Mistral 7B采用Apache 2.0许可证，被普遍认为更接近真正意义的开源
60%待验证Mistral此前发布的Mistral 7B采用了较为宽松的Apache 2.0许可
50%待验证参数量在7B以下的开源模型如Llama 3、Mistral 7B配合4-bit量化可在单张消费级GPU或高性能CPU上运行
50%待验证Mistral AI的Mistral 7B模型采用了Sliding Window Attention（滑动窗口注意力）机制，每个token只关注固定窗口内的相邻token
50%待验证Mistral AI由前Meta和Google DeepMind研究员于2023年在巴黎创立，Mistral 7B以70亿参数匹配甚至超越130亿参数级别竞品性能
50%待验证7B-13B级别的开源小模型（如Llama 2 7B、Mistral 7B）参数容量有限，对外部提供的上下文质量形成刚性依赖
50%待验证一台配备 16GB 内存的普通 Mac 借助 GGUF 量化格式可流畅运行 7B 至 13B 参数的模型
50%