Mistral: Mistral Embed
mistral-embed- 입력 / 출력
- $0.10 / $0.00
- 컨텍스트
- 8K
- 모달리티
- 임베딩
Mistral Embed 소개
Mistral Embed는 Mistral AI의 범용 텍스트 임베딩 모델입니다. 문장, 문단, 문서를 벡터로 변환하여 의미론적 검색, 클러스터링, 분류, 그리고 검색 증강 생성(RAG)의 검색 단계에 활용할 수 있습니다. 이 모델은 소스 코드를 위해 제작된 Codestral Embed의 텍스트 지향적 자매 모델입니다. 도움말 문서, 계약서, 메모와 같은 산문으로 구성된 말뭉치를 다루며, 챗 호출 대신 별도의 벡터 모델이 필요할 때 선택하십시오.
강점
- 일반적인 텍스트를 포괄하므로, 하나의 모델로 고객 센터 문서, 보고서, 채팅 기록을 함께 인덱싱할 수 있습니다.
- 질문과 그에 대한 답변일 가능성이 높은 구절을 매칭하는 검색 증강 생성(RAG)의 검색 단계에 적합합니다.
- 작업별로 별도의 모델을 사용할 필요 없이, 동일한 벡터를 사용하여 클러스터링 및 문서 분류를 지원합니다.
- Mistral의 임베딩 라인업에 포함되어 있어, 코드와 산문을 동일한 제조사의 두 모델로 인덱싱할 수 있습니다.
다른 모델이 필요한 경우
- 소스 코드 검색의 경우, 해당 작업을 위해 제작된 Mistral의 코드 전용 모델인 Codestral Embed를 사용하십시오.
- 벡터만 반환하며, 질문에 답변하거나 검색된 구절을 요약할 수는 없습니다.
- 입력 길이에 제한이 있으므로, 긴 문서는 임베딩 전에 청크 단위로 분할해야 합니다.
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": "mistral-embed", "input": "The quick brown fox jumps over the lazy dog." }'
매개변수
임베딩
| 매개변수 | 값 및 제한 | 기본값 | 참고 |
|---|---|---|---|
encoding_format | float, base64 | 제공되지 않음 | 제공되지 않음 |
input | 제공되지 않음 | 제공되지 않음 | 제공되지 않음 |
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 $0.10 / 출력 $0.00
- Verified 가격
- —
- 할인
- —
| Official 가격1M Token 당 | Verified 가격1M Token 당 | 할인 | |
|---|---|---|---|
| 임베딩 | 입력 $0.10 / 출력 $0.00 | — | — |
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 Mistral Embed을 열고 프롬프트를 수정하거나 전송하세요.
/v1/embeddings에서 embedding을(를) 사용하여 mistral-embed을(를) 테스트합니다. 결과와 비용을 확인하세요.
사용 사례
고객 센터 의미론적 검색
모든 문서를 한 번 임베딩하고 방문자의 질문을 쿼리 시점에 임베딩하여, 키워드가 겹치지 않더라도 가장 관련성 높은 문서를 보여줍니다.
질문 답변을 위한 검색
내부 문서에서 상위 구절을 가져와 챗 모델에 전달함으로써, 모델이 귀하의 자료를 바탕으로 답변하도록 합니다.
주제 클러스터링
사전에 카테고리를 정의하지 않고도 수천 개의 설문 응답이나 티켓을 의미별로 그룹화하여 반복되는 주제를 파악합니다.
문서 분류
벡터를 기반으로 가벼운 분류기를 학습시켜 들어오는 문서를 적절한 팀이나 라벨로 전달합니다.
프롬프트 예제
계정의 청구 담당자 정보를 어떻게 변경하나요?
분기별 보고서: 3월 가격 정책 변경 이후 중견 기업 부문에서 이탈률이 상승했습니다.
배송 기사가 택배를 잘못된 주소에 두고 갔는데 고객 지원팀에서 답장이 없습니다.
이 모델은 조건부 요금제입니다. 월간 토큰 총량만으로는 신뢰할 수 있는 견적을 낼 수 없습니다. 요청 사양, 캐시, 해당 시간대에 맞는 상세 요금을 사용하세요.
FAQ
Mistral Embed는 어떤 용도인가요?
텍스트를 비교 가능한 벡터로 변환합니다. 문서에 대한 의미론적 검색, 유사 텍스트 그룹화, 문서 분류, 챗 모델이 답변할 구절 검색 등에 주로 사용됩니다. 텍스트를 생성하지는 않습니다.
Mistral Embed와 Codestral Embed 중 무엇을 사용해야 하나요?
자연어 콘텐츠에는 Mistral Embed를, 소스 코드 및 코드 관련 쿼리에는 Codestral Embed를 사용하십시오. 말뭉치에 두 가지가 섞여 있다면 각 부분을 별도의 모델로 인덱싱하고 벡터를 별도의 컬렉션에 보관하십시오. 서로 다른 모델에서 생성된 벡터는 비교할 수 없기 때문입니다.
서로 다른 임베딩 모델의 벡터를 혼합할 수 있나요?
아니요. 벡터는 동일한 모델에서 생성되었을 때만 비교 가능합니다. Mistral Embed에서 다른 임베더로 전환하는 경우, 전체 말뭉치를 다시 임베딩하고 저장된 쿼리를 포함하여 인덱스를 다시 구축해야 합니다.
긴 문서는 어떻게 처리하나요?
각 입력에는 토큰 제한이 있으므로 임베딩 전에 구절 단위로 분할하십시오. 문단이나 섹션 크기의 청크를 약간 겹치게 분할하는 것이 전체 문서를 처리하는 것보다 검색 성능이 좋은 경우가 많으며, 각 청크에 문서 제목을 함께 저장할 수 있습니다.
OpenAI 스타일의 임베딩 요청을 통해 작동하나요?
네. 임베딩 엔드포인트에 문자열 목록을 보내면 입력 순서와 동일하게 문자열당 하나의 벡터를 반환받습니다.
Mistral Embed 의 가격은 얼마인가요?
TokenLab 에서 Mistral Embed 은 입력 $0.10 / 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.
Mistral Embed 은 어떤 엔드포인트를 써야 하나요?
Mistral Embed에 대해 https://api.tokenlab.sh/v1/embeddings를 사용하세요. 아래 요청 예시는 일치하는 코드 형태를 보여줍니다.
Mistral Embed 은 어떤 오퍼레이션을 지원하나요?
Mistral Embed은(는) 임베딩을(를) 지원합니다. 엔드포인트와 요청 예시를 보려면 위에서 작업을 선택하세요.
Mistral Embed 비교하기
출처
2026. 10. 2. 검토 완료
