Mistral: Mistral Embed
mistral-embed- 入力 / 出力
- $0.10 / $0.00
- コンテキスト
- 8K
- モダリティ
- 埋め込み
Mistral Embed について
Mistral Embedは、Mistral AIの汎用テキスト埋め込みモデルです。文章、段落、ドキュメントをベクトルに変換し、セマンティック検索、クラスタリング、分類、およびRAG（検索拡張生成）における検索ステップに使用します。ソースコード用に構築されたCodestral Embedのテキスト版にあたります。ヘルプ記事、契約書、メモなどの散文を対象とし、チャット呼び出しではなくベクトルモデルを個別に利用したい場合に適しています。
得意なこと
- 一般的なテキストをカバーしているため、ヘルプセンターの記事、レポート、チャットの記録などを一つのモデルでまとめてインデックス化できます。
- RAGの検索ステップに適しており、質問に対して回答の可能性が最も高い文章を照合します。
- タスクごとにモデルを分けることなく、同じベクトルからクラスタリングやドキュメント分類をサポートします。
- Mistralの埋め込みラインナップの一部であるため、コードと散文の両方を同じメーカーの2つのモデルでインデックス化できます。
他のモデルを検討すべきケース
- ソースコードの検索には、そのタスクのために構築されたMistralのコード専用モデル「Codestral Embed」をご利用ください。
- ベクトルのみを返します。検索した文章に対する質問への回答や要約は行えません。
- 入力には控えめなトークン制限があるため、長いドキュメントは埋め込みの前にチャンク（断片）に分割する必要があります。
はじめに
最初のキーを作成
Consoleでキーを作成すれば、プラットフォーム内のすべてのモデルで使えます。
最初のリクエストを送信する
お使いの言語の例をコピーして、エンドポイントに対して実行してください。
埋め込みTokenLab エンドポイントPOST/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": "mistral-embed", "input": "The quick brown fox jumps over the lazy dog." }'
パラメータ
埋め込み
| パラメーター | 値と制限 | デフォルト | 注記 |
|---|---|---|---|
encoding_format | float, base64 | 未提供 | 未提供 |
input | 未提供 | 未提供 | 未提供 |
料金
Verified 価格は Verified に適用され、多くのモデルでより低コストです。Official 価格はモデルのメーカーが公表する価格で、信頼性の高い Official ルートに適用されます。Auto はリクエストを完了したルートの価格で課金します。
埋め込み
100万トークンあたり- Official 価格
- 入力 $0.10 / 出力 $0.00
- Verified 価格
- —
- 割引
- —
| Official 価格100万トークンあたり | Verified 価格100万トークンあたり | 割引 | |
|---|---|---|---|
| 埋め込み | 入力 $0.10 / 出力 $0.00 | — | — |
使用状況とアクティビティ
成功率は完了したリクエストの割合です。レイテンシは完全なレスポンスにかかる時間で、P95 は 95% のリクエストがその時間内に完了したことを意味します。
使用量と可用性
過去24時間- リクエスト数
- 成功率
- P95 レイテンシ
- 合計トークン数
データはステータスチェックを除外した、集計済みのユーザーリクエストに基づいています。
Consoleで開く
ConsoleでMistral Embedを開き、プロンプトを編集・送信できます。
mistral-embedと/v1/embeddingsでembeddingを実行。結果とコストを表示します。
ユースケース
ヘルプセンターのセマンティック検索
すべての記事を一度埋め込み、ユーザーの質問をクエリ時に埋め込むことで、キーワードが一致しない場合でも最も関連性の高い記事を表示します。
質問応答のための検索
社内ドキュメントから最適な文章を取得し、チャットモデルに渡すことで、自社の資料に基づいた回答を生成させます。
トピックのクラスタリング
数千件のアンケート回答やチケットを意味に基づいてグループ化し、事前にカテゴリを定義することなく、繰り返し発生するテーマを可視化します。
ドキュメント分類
ベクトルに対して軽量な分類器を学習させることで、受信したドキュメントを適切なチームやラベルに振り分けます。
プロンプト例
アカウントの請求先連絡先を変更するにはどうすればよいですか？
四半期レポート：3月の価格改定後、ミッドマーケットセグメントで解約率が上昇した。
配達員が荷物を間違った住所に置いていき、サポートからの返信もありません。
このモデルは条件付き料金です。月間トークン総量だけでは確実な見積もりができません。リクエスト仕様・キャッシュ・該当時間帯に応じた詳細料金をご利用ください。
FAQ
Mistral Embedは何のためのものですか？
テキストを比較可能なベクトルに変換するためのものです。主な用途は、ドキュメントのセマンティック検索、類似テキストのグループ化、ドキュメント分類、およびチャットモデルが回答するための文章検索です。テキストの生成は行いません。
Mistral EmbedとCodestral Embedのどちらを使うべきですか？
自然言語コンテンツにはMistral Embedを、ソースコードやコード関連のクエリにはCodestral Embedを使用してください。両者が混在するコーパスの場合は、それぞれを専用のモデルでインデックス化し、ベクトルを別々のコレクションに保持してください。異なるモデルから生成されたベクトルは比較できないためです。
異なる埋め込みモデルのベクトルを混ぜることはできますか？
いいえ。ベクトルは同じモデルから生成された場合にのみ比較可能です。Mistral Embedから別の埋め込みモデルに切り替える場合は、コーパス全体を再埋め込みし、保存済みのクエリを含めてインデックスを再構築してください。
長いドキュメントはどのように扱えばよいですか？
入力にはトークン制限があるため、埋め込みの前に文章を分割してください。段落やセクション単位で少し重複を持たせてチャンク化する方が、ドキュメント全体を扱うよりも検索精度が高くなる傾向があります。また、各チャンクにドキュメントのタイトルを保存することも可能です。
OpenAI形式の埋め込みリクエストを通じて動作しますか？
はい。文字列のリストを埋め込みエンドポイントに送信すると、入力と同じ順序で文字列ごとに1つのベクトルが返されます。
Mistral Embed の料金はいくらですか？
TokenLab では Mistral Embed は 入力 $0.10 / 出力 $0.00 100万トークンあたり です。詳細は上の料金表を参照してください。 料金は課金単位・仕様・使用量によって異なります。モデルの詳細な料金で同条件同士を比較してください。単一のレートで総額は決まりません。
Mistral Embed はどのエンドポイントを使うべきですか？
Mistral Embed のデフォルトは https://api.tokenlab.sh/v1/embeddings です。プロバイダーネイティブ形式に対応している場合は、API workbench にそのエンドポイントも表示されます。
Mistral Embed はどの操作に対応していますか？
Mistral Embed は 埋め込み に対応しています。上の API workbench で操作を選ぶと、対応するエンドポイントとコード例が表示されます。
Mistral Embed を比較する
ソース
2026/10/02 時点での評価
