Mistral: Codestral Embed

Codestral Embed là mô hình nhúng của Mistral dành cho tìm kiếm mã nguồn. Nó ánh xạ mã nguồn và các truy vấn liên quan thành các vector để truy xuất kho lưu trữ, giúp các trợ lý lập trình tìm thấy các hàm và tệp tin liên quan trước khi tạo hoặc chỉnh sửa mã.

So sánh mô hình

codestral-embed

Sẵn sàngMistralNhúngĐồng bộ

Đầu vào / Đầu ra: $0.15 / $0.00
Ngữ cảnh: 8K
Phương thức: Nhúng

Về Codestral Embed

Codestral Embed là mô hình nhúng đầu tiên của Mistral AI được xây dựng cho mã nguồn. Nó chuyển đổi các tệp nguồn, đoạn mã và câu hỏi bằng ngôn ngữ tự nhiên thành các vectơ để trợ lý lập trình có thể truy xuất đúng các hàm trước khi viết hoặc chỉnh sửa bất kỳ nội dung nào. Mistral báo cáo rằng mô hình này vượt trội hơn Voyage Code 3, Cohere Embed v4.0 và mô hình nhúng lớn của OpenAI trong các đánh giá về truy xuất mã nguồn. Mistral Embed, mô hình nhúng văn bản đa năng của Mistral, là lựa chọn phù hợp hơn cho văn xuôi.

Ưu điểm

Được huấn luyện để truy xuất mã nguồn, bao gồm tìm kiếm từ ngôn ngữ tự nhiên sang mã nguồn, độ tương đồng giữa mã với mã và truy xuất SQL trong bộ đánh giá của Mistral.
Các chiều đầu ra được sắp xếp theo mức độ liên quan, vì vậy bạn có thể giữ lại bất kỳ số lượng chiều đầu tiên nào để thu nhỏ chỉ mục.
Mistral báo cáo rằng ngay cả 256 chiều ở độ chính xác int8 cũng vượt trội hơn các mô hình nhúng mã nguồn cạnh tranh mà họ đã thử nghiệm.
Phù hợp cho việc tạo tăng cường truy xuất (RAG) cho các tác nhân lập trình, phát hiện trùng lặp, phân cụm và phân tích mã nguồn.

Khi nào nên chọn model khác

Nó chỉ thực hiện nhúng; nó không tạo hoặc giải thích mã nguồn, vì vậy bạn vẫn cần một mô hình trò chuyện để có câu trả lời.
Mistral khuyên dùng các đoạn khoảng 3.000 ký tự với 1.000 ký tự chồng lấp, vì các đoạn lớn hơn sẽ làm giảm chất lượng truy xuất.
Đối với các tài liệu không phải mã nguồn như chính sách hoặc bài viết hỗ trợ, mô hình nhúng văn bản tổng quát là lựa chọn tự nhiên hơn.

Bắt đầu

Tạo API key
Tạo API key trong Console để dùng cho mọi mô hình trên nền tảng.

Gửi yêu cầu đầu tiên của bạn

Sao chép ví dụ cho ngôn ngữ của bạn và chạy nó với endpoint.

NhúngĐiểm cuối TokenLab

POST/v1/embeddings

curl -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."
}'

Giá

Giá Verified áp dụng cho Verified, thường rẻ hơn trên hầu hết các model. Giá Official là giá niêm yết từ nhà phát triển, áp dụng cho route Official ổn định hơn. Auto sẽ tính phí dựa trên route hoàn thành yêu cầu.

Nhúng

mỗi 1M token

Giá Official: Đầu vào $0.15 / Đầu ra $0.00 / Đọc bộ nhớ đệm $0.015
Giá Verified: —
Giảm giá: —

Giá cache của prompt

Đọc bộ nhớ đệm

Giá Official: $0.015
Giá Verified: —
Giảm giá: —

	Giá Officialmỗi 1M token	Giá Verifiedmỗi 1M token	Giảm giá
Nhúng	Đầu vào $0.15 / Đầu ra $0.00 / Đọc bộ nhớ đệm $0.015	—	—
Giá cache của prompt
Đọc bộ nhớ đệm	$0.015	—	—

Sử dụng & hoạt động

Tỷ lệ thành công là tỷ lệ yêu cầu hoàn tất. Độ trễ là thời gian của một phản hồi đầy đủ; P95 nghĩa là 95% yêu cầu hoàn thành trong khoảng thời gian đó.

Mức sử dụng & tình trạng

24 giờ qua

Yêu cầu
Tỷ lệ thành công
Độ trễ P95
Tổng token

Hiệu năng mô hình

Cập nhật lần cuối 11:58 17 thg 10, 2026 UTC

Các chỉ số sẽ xuất hiện sau khi đạt ngưỡng về quyền riêng tư và khối lượng dữ liệu.

Dữ liệu dựa trên các yêu cầu tổng hợp của người dùng, không bao gồm các kiểm tra trạng thái.

Mở trong Console

Mở Codestral Embed trong Console để chỉnh sửa và gửi prompt ngay.

Giúp tôi thử codestral-embed với embedding tại /v1/embeddings. Hiển thị kết quả và chi phí.

Tình huống sử dụng

Tìm kiếm kho lưu trữ cho các tác nhân lập trình
Lập chỉ mục mọi hàm và tệp của một cơ sở mã, sau đó truy xuất các kết quả khớp gần nhất với mô tả tác vụ trước khi tác nhân chỉnh sửa mã.
Tìm kiếm mã nguồn bằng ngôn ngữ tự nhiên
Cho phép các nhà phát triển nhập một câu hỏi như cách xử lý thử lại (retry) và nhận lại các tệp nguồn liên quan thay vì các kết quả khớp từ khóa.
Phát hiện trùng lặp và gần như trùng lặp
Nhúng các hàm trên các dịch vụ và gắn cờ các cặp có vectơ rất gần nhau, điều này chỉ ra logic được sao chép và dán cần được hợp nhất.
Khớp vấn đề với mã nguồn
Nhúng các báo cáo lỗi và khớp chúng với các tệp có khả năng cần sửa lỗi nhất, như một bước đầu tiên cho các bot phân loại.

Ví dụ prompt

Trong kho lưu trữ này, chúng ta xác thực chữ ký webhook ở đâu?

def retry_with_backoff(fn, attempts=5): ... (nhúng một hàm để tìm các trình trợ giúp tương tự trong các dịch vụ khác)

SELECT customer_id, SUM(total) FROM orders GROUP BY customer_id HAVING SUM(total) > 1000

Mô hình này có giá theo điều kiện. Chỉ tổng token hàng tháng không thể tạo ước tính đáng tin cậy; hãy dùng bảng giá chi tiết theo thông số yêu cầu, bộ nhớ đệm và khung giờ áp dụng.

FAQ

Codestral Embed được sử dụng để làm gì?

Truy xuất trên mã nguồn. Bạn nhúng các đoạn mã và truy vấn, lưu trữ các vectơ và tìm nạp các đoạn gần nhất theo độ tương đồng. Các công việc điển hình là tìm kiếm mã nguồn ngữ nghĩa, truy xuất ngữ cảnh cho các tác nhân lập trình, phát hiện trùng lặp và phân cụm mã theo mục đích.

Codestral Embed khác với Mistral Embed như thế nào?

Codestral Embed được chuyên biệt hóa cho mã nguồn và các truy vấn liên quan đến mã, trong khi Mistral Embed là mô hình văn bản tổng quát cho tài liệu, phân cụm và tạo tăng cường truy xuất trên văn xuôi. Sử dụng Codestral Embed cho các kho lưu trữ và Mistral Embed cho các cơ sở tri thức và bài viết.

Tôi có thể giảm kích thước vectơ không?

Có. Mistral sắp xếp các chiều đầu ra theo mức độ liên quan, vì vậy bạn có thể giữ một tiền tố ngắn hơn để có chỉ mục nhỏ hơn. Mistral báo cáo rằng 256 chiều ở độ chính xác int8 vẫn vượt trội hơn các mô hình nhúng mã nguồn cạnh tranh mà họ đã thử nghiệm, nhưng hãy kiểm tra khả năng thu hồi trên mã nguồn của riêng bạn.

Tôi nên chia mã nguồn như thế nào trước khi nhúng?

Mistral khuyến nghị các đoạn khoảng 3.000 ký tự với 1.000 ký tự chồng lấp. Các đoạn lớn hơn làm giảm hiệu suất truy xuất trong các thử nghiệm của họ. Hãy chia theo ranh giới hàm hoặc lớp nếu có thể, và giữ đường dẫn tệp và tên ký hiệu với mỗi đoạn.

Nó có tạo mã nguồn không?

Không. Nó chỉ trả về các vectơ. Hãy kết hợp nó với một mô hình trò chuyện lập trình: Codestral Embed tìm mã nguồn liên quan, và mô hình trò chuyện đọc nó và viết thay đổi.

Codestral Embed có giá bao nhiêu?

Trên TokenLab, Codestral Embed có giá Đầu vào $0.15 / Đầu ra $0.00 mỗi 1M token. Bảng giá phía trên cho thấy chi tiết đầy đủ. Giá phụ thuộc vào đơn vị tính phí, thông số và mức sử dụng. Hãy so sánh các điều kiện tương đương trong bảng giá chi tiết của mô hình; một mức giá đơn lẻ không quyết định tổng chi phí.

Codestral Embed nên dùng endpoint nào?

Dùng https://api.tokenlab.sh/v1/embeddings làm mặc định cho Codestral Embed. Nếu mô hình hỗ trợ định dạng native của nhà cung cấp, API workbench cũng hiển thị endpoint đó.

Codestral Embed hỗ trợ những thao tác nào?

Codestral Embed hỗ trợ Nhúng. Chọn một thao tác trong API workbench phía trên để xem endpoint và mã ví dụ tương ứng.