Mistral: Codestral Embed
codestral-embed- 입력 / 출력
- $0.15 / $0.00
- 컨텍스트
- 8K
- 모달리티
- 임베딩
Codestral Embed 소개
Codestral Embed는 코드 전용으로 구축된 Mistral AI의 첫 번째 임베딩 모델입니다. 소스 파일, 코드 조각, 자연어 질문을 벡터로 변환하여 코딩 어시스턴트가 코드를 작성하거나 수정하기 전에 적절한 함수를 검색할 수 있도록 돕습니다. Mistral의 보고에 따르면, 코드 검색 평가에서 Voyage Code 3, Cohere Embed v4.0 및 OpenAI의 대형 임베딩 모델보다 뛰어난 성능을 보였습니다. 일반 텍스트 임베더인 Mistral Embed는 산문 처리에 더 적합합니다.
강점
- Mistral의 평가 제품군에서 자연어-코드 검색, 코드-코드 유사성, SQL 검색을 포함한 코드 검색을 위해 학습되었습니다.
- 출력 차원은 관련성 순으로 정렬되어 있으므로, 인덱스 크기를 줄이기 위해 상위 차원 일부만 유지할 수 있습니다.
- Mistral은 256차원 및 int8 정밀도에서도 테스트된 경쟁 코드 임베더보다 우수한 성능을 보인다고 보고합니다.
- 코딩 에이전트를 위한 검색 증강 생성(RAG), 중복 탐지, 클러스터링 및 코드 분석에 적합합니다.
다른 모델이 필요한 경우
- 임베딩 전용 모델이며 코드를 생성하거나 설명하지 않으므로, 답변을 얻으려면 별도의 채팅 모델이 필요합니다.
- Mistral은 청크 크기를 약 3,000자, 오버랩을 1,000자로 설정할 것을 권장합니다. 청크가 너무 크면 검색 품질이 저하되기 때문입니다.
- 정책이나 지원 문서와 같은 비코드 문서의 경우, 일반 텍스트 임베딩 모델을 사용하는 것이 더 자연스러운 선택입니다.
시작하기
API 키 만들기
Console에서 키를 만들고 플랫폼의 모든 모델에 사용하세요.
첫 번째 요청 보내기
사용 중인 언어의 예시를 복사하여 엔드포인트에 실행하세요.
임베딩TokenLab 엔드포인트POST/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." }'
가격 책정
Verified 가격은 Verified에 적용되며 대부분의 모델에서 더 저렴합니다. Official 가격은 모델 제조사가 공개한 가격으로, 더 안정적인 Official 경로에 적용됩니다. Auto는 요청을 완료한 경로의 가격으로 청구합니다.
임베딩
1M Token 당- Official 가격
- 입력 $0.15 / 출력 $0.00 / 캐시 읽기 $0.015
- Verified 가격
- —
- 할인
- —
캐시 읽기
- Official 가격
- $0.015
- Verified 가격
- —
- 할인
- —
| Official 가격1M Token 당 | Verified 가격1M Token 당 | 할인 | |
|---|---|---|---|
| 임베딩 | 입력 $0.15 / 출력 $0.00 / 캐시 읽기 $0.015 | — | — |
| 프롬프트 캐시 가격 | |||
| 캐시 읽기 | $0.015 | — | — |
사용량 및 활동
성공률은 완료된 요청의 비율입니다. 지연 시간은 전체 응답에 걸리는 시간이며, P95는 요청의 95%가 해당 시간 내에 완료되었음을 의미합니다.
사용량 및 가용성
지난 24시간- 요청
- 성공률
- P95 지연 시간
- 총 토큰
데이터는 상태 확인을 제외한 집계된 사용자 요청을 기반으로 합니다.
Console에서 열기
Console에서 Codestral Embed을 열고 프롬프트를 수정하거나 전송하세요.
/v1/embeddings에서 embedding을(를) 사용하여 codestral-embed을(를) 테스트합니다. 결과와 비용을 확인하세요.
사용 사례
코딩 에이전트를 위한 저장소 검색
코드베이스의 모든 함수와 파일을 인덱싱한 후, 에이전트가 코드를 수정하기 전에 작업 설명과 가장 일치하는 항목을 검색합니다.
자연어 코드 검색
개발자가 '재시도 로직이 어떻게 처리되는지'와 같은 질문을 입력하면 키워드 검색 결과 대신 관련 소스 파일을 반환합니다.
중복 및 유사 코드 탐지
서비스 전반의 함수를 임베딩하고 벡터 값이 매우 가까운 쌍을 표시하여, 통합할 가치가 있는 복사-붙여넣기 로직을 찾아냅니다.
이슈-코드 매칭
버그 리포트를 임베딩하여 수정이 필요한 파일과 매칭함으로써 트리아주(triage) 봇의 첫 단계로 활용합니다.
프롬프트 예제
이 저장소의 어디에서 웹훅 서명을 검증하나요?
def retry_with_backoff(fn, attempts=5): ... (함수를 임베딩하여 다른 서비스의 유사한 헬퍼 함수를 찾음)
SELECT customer_id, SUM(total) FROM orders GROUP BY customer_id HAVING SUM(total) > 1000
이 모델은 조건부 요금제입니다. 월간 토큰 총량만으로는 신뢰할 수 있는 견적을 낼 수 없습니다. 요청 사양, 캐시, 해당 시간대에 맞는 상세 요금을 사용하세요.
FAQ
Codestral Embed는 어디에 사용되나요?
소스 코드 검색에 사용됩니다. 코드 조각과 쿼리를 임베딩하여 벡터를 저장하고, 유사도에 따라 가장 가까운 조각을 가져옵니다. 일반적인 작업으로는 의미론적 코드 검색, 코딩 에이전트를 위한 컨텍스트 검색, 중복 탐지, 목적별 코드 클러스터링 등이 있습니다.
Codestral Embed와 Mistral Embed는 어떻게 다른가요?
Codestral Embed는 코드 및 코드 관련 쿼리에 특화되어 있으며, Mistral Embed는 문서, 클러스터링, 산문 기반의 검색 증강 생성을 위한 일반 텍스트 모델입니다. 저장소에는 Codestral Embed를, 지식 베이스나 기사에는 Mistral Embed를 사용하세요.
벡터 크기를 줄일 수 있나요?
네. Mistral은 출력 차원을 관련성 순으로 정렬하므로, 더 짧은 접두사만 유지하여 인덱스 크기를 줄일 수 있습니다. Mistral의 보고에 따르면 256차원 및 int8 정밀도에서도 테스트된 경쟁 코드 임베더보다 우수한 성능을 보이지만, 실제 사용 환경에서 재현율을 직접 확인하시기 바랍니다.
임베딩하기 전에 코드를 어떻게 분할해야 하나요?
Mistral은 약 3,000자의 청크와 1,000자의 오버랩을 권장합니다. 테스트 결과 청크가 클수록 검색 성능이 저하되었습니다. 가능하면 함수나 클래스 경계를 따라 분할하고, 각 청크에 파일 경로와 심볼 이름을 포함하세요.
코드를 생성하나요?
아니요. 벡터만 반환합니다. 코딩 채팅 모델과 함께 사용하세요. Codestral Embed가 관련 코드를 찾으면 채팅 모델이 이를 읽고 변경 사항을 작성합니다.
Codestral Embed 의 가격은 얼마인가요?
TokenLab 에서 Codestral Embed 은 입력 $0.15 / 출력 $0.00 1M Token 당 입니다. 자세한 내역은 위 가격 표를 확인하세요. 요금은 청구 단위, 사양, 사용량에 따라 달라집니다. 모델의 상세 요금에서 동일한 조건끼리 비교하세요. 단일 요금으로 총비용이 결정되지 않습니다.
Codestral Embed 은 어떤 엔드포인트를 써야 하나요?
Codestral Embed에 대해 https://api.tokenlab.sh/v1/embeddings를 사용하세요. 아래 요청 예시는 일치하는 코드 형태를 보여줍니다.
Codestral Embed 은 어떤 오퍼레이션을 지원하나요?
Codestral Embed은(는) 임베딩을(를) 지원합니다. 엔드포인트와 요청 예시를 보려면 위에서 작업을 선택하세요.
Codestral Embed 비교하기
출처
2026. 10. 2. 검토 완료
