Mistral: Codestral Embed
codestral-embed- Eingabe / Ausgabe
- $0.15 / $0.00
- Kontext
- 8K
- Modalitäten
- Einbettung
Über Codestral Embed
Codestral Embed ist das erste Embedding-Modell von Mistral AI, das speziell für Code entwickelt wurde. Es wandelt Quelldateien, Code-Snippets und Fragen in natürlicher Sprache in Vektoren um, damit ein Coding-Assistent die richtigen Funktionen abrufen kann, bevor er Code schreibt oder bearbeitet. Mistral berichtet, dass es in seinen eigenen Code-Retrieval-Evaluierungen Voyage Code 3, Cohere Embed v4.0 und das große Embedding-Modell von OpenAI übertrifft. Für Prosa ist Mistrals allgemeines Text-Embedding-Modell, Mistral Embed, die bessere Wahl.
Stärken
- Trainiert für das Abrufen von Code, einschließlich der Suche von natürlicher Sprache zu Code, Code-zu-Code-Ähnlichkeit und SQL-Retrieval in der Evaluierungssuite von Mistral.
- Die Ausgabedimensionen sind nach Relevanz sortiert, sodass Sie eine beliebige Anzahl der führenden Dimensionen beibehalten können, um den Index zu verkleinern.
- Mistral berichtet, dass selbst 256 Dimensionen bei int8-Präzision die getesteten konkurrierenden Code-Embedder übertreffen.
- Geeignet für Retrieval-Augmented Generation bei Coding-Agenten, Duplikaterkennung, Clustering und Code-Analysen.
Alternativen
- Es führt nur Embeddings durch; es generiert oder erklärt keinen Code, daher benötigen Sie für Antworten weiterhin ein Chat-Modell.
- Mistral empfiehlt Chunks von etwa 3.000 Zeichen mit 1.000 Zeichen Überlappung, da größere Chunks die Retrieval-Qualität verschlechtern.
- Für Dokumente, die keinen Code enthalten, wie Richtlinien oder Support-Artikel, ist ein allgemeines Text-Embedding-Modell die natürlichere Wahl.
Erste Schritte
API-Schlüssel erstellen
Erstelle einen Schlüssel in Console und nutze ihn mit jedem Modell auf der Plattform.
Senden Sie Ihre erste Anfrage
Kopieren Sie das Beispiel für Ihre Sprache und führen Sie es gegen den Endpunkt aus.
EinbettungTokenLab-EndpunktPOST/v1/embeddingscurl -X POST "https://api.tokenlab.sh/v1/embeddings" \ -H "Authorization: Bearer sk-xxx" \ -H "Content-Type: application/json" \ -d '{ "encoding_format": "float", "model": "codestral-embed", "input": "The quick brown fox jumps over the lazy dog." }'
Preise
Der Verified-Preis gilt für Verified und ist bei den meisten Modellen günstiger. Der Official-Preis ist der veröffentlichte Preis des Modellherstellers und gilt für die zuverlässigere Official-Route. Auto rechnet die Route ab, die die Anfrage abschließt.
Einbettung
Pro 1M Token- Official-Preis
- Eingabe $0.15 / Ausgabe $0.00 / Cache-Lesevorgang $0.015
- Verified-Preis
- —
- Rabatt
- —
Cache-Lesevorgang
- Official-Preis
- $0.015
- Verified-Preis
- —
- Rabatt
- —
| Official-PreisPro 1M Token | Verified-PreisPro 1M Token | Rabatt | |
|---|---|---|---|
| Einbettung | Eingabe $0.15 / Ausgabe $0.00 / Cache-Lesevorgang $0.015 | — | — |
| Prompt-Cache-Preise | |||
| Cache-Lesevorgang | $0.015 | — | — |
Nutzung & Aktivität
Die Erfolgsquote ist der Anteil abgeschlossener Anfragen. Die Latenz ist die Dauer einer vollständigen Antwort; P95 bedeutet, dass 95 % der Anfragen innerhalb dieser Zeit abgeschlossen wurden.
Nutzung & Verfügbarkeit
Letzte 24 Stunden- Anfragen
- Erfolgsrate
- P95-Latenz
- Token gesamt
Die Daten basieren auf aggregierten Benutzeranfragen, Statusprüfungen sind ausgeschlossen.
In Console öffnen
Öffne Codestral Embed in Console mit einer bearbeitbaren oder versandbereiten Eingabeaufforderung.
Teste codestral-embed mit embedding an /v1/embeddings. Zeige Ergebnis und Kosten.
Anwendungsfälle
Repository-Suche für Coding-Agenten
Indizieren Sie jede Funktion und Datei einer Codebasis und rufen Sie dann die engsten Übereinstimmungen zu einer Aufgabenbeschreibung ab, bevor der Agent den Code bearbeitet.
Code-Suche in natürlicher Sprache
Ermöglichen Sie Entwicklern, eine Frage zu stellen, wie z. B. „Wie werden Wiederholungsversuche gehandhabt?“, und erhalten Sie die relevanten Quelldateien anstelle von Stichwort-Treffern.
Erkennung von Duplikaten und nahezu identischen Kopien
Betten Sie Funktionen über Dienste hinweg ein und markieren Sie Paare mit sehr ähnlichen Vektoren, was auf kopierte Logik hinweist, die konsolidiert werden sollte.
Abgleich von Issues mit Code
Betten Sie Fehlerberichte ein und ordnen Sie diese den Dateien zu, die am wahrscheinlichsten eine Korrektur benötigen – als erster Schritt für Triage-Bots.
Prompt-Beispiele
Wo in diesem Repository validieren wir Webhook-Signatureen?
def retry_with_backoff(fn, attempts=5): ... (betten Sie eine Funktion ein, um ähnliche Hilfsprogramme in anderen Diensten zu finden)
SELECT customer_id, SUM(total) FROM orders GROUP BY customer_id HAVING SUM(total) > 1000
Dieses Modell hat konditionale Preise. Monatliche Token-Summen allein liefern keine verlässliche Schätzung; nutzen Sie die detaillierten Preise für Anfragespezifikation, Cache und Zeitfenster.
FAQ
Wofür wird Codestral Embed verwendet?
Retrieval über Quellcode. Sie betten Code-Chunks und Abfragen ein, speichern die Vektoren und rufen die ähnlichsten Chunks anhand ihrer Ähnlichkeit ab. Typische Aufgaben sind semantische Code-Suche, Kontext-Retrieval für Coding-Agenten, Duplikaterkennung und das Clustering von Code nach Zweck.
Wie unterscheidet sich Codestral Embed von Mistral Embed?
Codestral Embed ist auf Code und codebezogene Abfragen spezialisiert, während Mistral Embed ein allgemeines Textmodell für Dokumente, Clustering und Retrieval-Augmented Generation über Prosa ist. Verwenden Sie Codestral Embed für Repositories und Mistral Embed für Wissensdatenbanken und Artikel.
Kann ich die Vektorgröße reduzieren?
Ja. Mistral sortiert die Ausgabedimensionen nach Relevanz, sodass Sie ein kürzeres Präfix für einen kleineren Index beibehalten können. Mistral berichtet, dass 256 Dimensionen bei int8-Präzision immer noch die getesteten konkurrierenden Code-Embedder übertreffen, aber überprüfen Sie den Recall an Ihrem eigenen Code.
Wie sollte ich Code vor dem Einbetten aufteilen?
Mistral empfiehlt Chunks von etwa 3.000 Zeichen mit 1.000 Zeichen Überlappung. Größere Chunks verringerten in den Tests die Retrieval-Leistung. Teilen Sie nach Möglichkeit entlang von Funktions- oder Klassengrenzen auf und behalten Sie den Dateipfad und den Symbolnamen bei jedem Chunk bei.
Generiert es Code?
Nein. Es gibt nur Vektoren zurück. Kombinieren Sie es mit einem Coding-Chat-Modell: Codestral Embed findet den relevanten Code, und das Chat-Modell liest ihn und schreibt die Änderung.
Was kostet Codestral Embed?
Auf TokenLab kostet Codestral Embed Eingabe $0.15 / Ausgabe $0.00 Pro 1M Token. Die vollständige Aufschlüsselung steht in der Preistabelle oben. Die Preise hängen von Abrechnungseinheit, Spezifikation und Nutzung ab. Vergleichen Sie gleiche Bedingungen in der detaillierten Preisliste des Modells; eine einzelne Rate bestimmt nicht die Gesamtkosten.
Welchen Endpunkt soll Codestral Embed verwenden?
Verwenden Sie https://api.tokenlab.sh/v1/embeddings für Codestral Embed. Das folgende Anforderungsbeispiel zeigt die passende Code-Struktur.
Welche Operationen unterstützt Codestral Embed?
Codestral Embed unterstützt Einbettung. Wählen Sie oben einen Vorgang aus, um dessen Endpunkt und Anforderungsbeispiel anzuzeigen.
Codestral Embed vergleichen
Quellen
Geprüft am 02.10.2026
