Mistral: Codestral Embed
codestral-embed- 輸入 / 輸出
- $0.15 / $0.00
- 上下文
- 8K
- 模態
- 嵌入
關於 Codestral Embed
Codestral Embed 是 Mistral AI 首款專為程式碼打造的嵌入模型。它能將原始程式碼檔案、程式碼片段及自然語言問題轉換為向量，讓程式設計助手在撰寫或編輯任何內容前，能先檢索到正確的函式。根據 Mistral 的報告，該模型在程式碼檢索評測中的表現優於 Voyage Code 3、Cohere Embed v4.0 以及 OpenAI 的大型嵌入模型。若處理一般散文文本，Mistral 的通用文字嵌入模型 Mistral Embed 會是更合適的選擇。
適用場景
- 專為程式碼檢索而訓練，涵蓋 Mistral 評測套件中的自然語言轉程式碼搜尋、程式碼間相似度比對及 SQL 檢索。
- 輸出維度已按相關性排序，因此您可以保留任意數量的首要維度來縮減索引大小。
- Mistral 報告指出，即使在 int8 精度下使用 256 個維度，其表現仍優於所測試的競爭對手程式碼嵌入模型。
- 適用於程式設計助手的檢索增強生成 (RAG)、重複程式碼偵測、分群及程式碼分析。
其他選擇建議
- 它僅負責嵌入；它不會生成或解釋程式碼，因此您仍需搭配聊天模型來獲取答案。
- Mistral 建議將文本切分為約 3,000 個字元並保留 1,000 個字元的重疊，因為過大的區塊會影響檢索品質。
- 對於政策或支援文件等非程式碼文件，使用通用文字嵌入模型是更自然的選擇。
入門指南
建立 API 金鑰
請至 Console 建立金鑰，即可在平台上使用各類模型。
發送您的第一個請求
複製您所選語言的範例，並針對端點執行它。
嵌入TokenLab 端點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": "codestral-embed", "input": "The quick brown fox jumps over the lazy dog." }'
定價
Verified 價格用於 Verified，多數模型更便宜；Official 價格是模型廠商公布的價格，用於更穩定的 Official。Auto 按最終完成請求的線路計價。
嵌入
每 1M Token- Official 價格
- 輸入 $0.15 / 輸出 $0.00 / 快取讀取 $0.015
- Verified 價格
- —
- 折扣
- —
快取讀取
- Official 價格
- $0.015
- Verified 價格
- —
- 折扣
- —
| Official 價格每 1M Token | Verified 價格每 1M Token | 折扣 | |
|---|---|---|---|
| 嵌入 | 輸入 $0.15 / 輸出 $0.00 / 快取讀取 $0.015 | — | — |
| Prompt 快取價格 | |||
| 快取讀取 | $0.015 | — | — |
使用量與活動
成功率是請求完成的比例；延遲是一次完整回應所需的時間，P95 表示 95% 的請求在該時間內完成。
用量與可用性
過去 24 小時- 請求數
- 成功率
- P95 延遲
- 總 Token 用量
資料基於彙總的使用者請求，不包含狀態檢查。
直接在 Console 裡試
在 Console 中開啟 Codestral Embed，並準備好編輯或發送提示詞。
協助我使用 codestral-embed 透過 /v1/embeddings 執行 embedding，並顯示結果與成本。
應用情境
程式設計助手的儲存庫搜尋
為程式碼庫中的每個函式和檔案建立索引，並在代理程式編輯程式碼前，檢索出與任務描述最相符的內容。
自然語言程式碼搜尋
讓開發者輸入問題（例如「如何處理重試機制」），並直接取得相關的原始程式碼檔案，而非僅是關鍵字搜尋結果。
重複與近乎複製的程式碼偵測
嵌入跨服務的函式，並標記出向量極為接近的程式碼對，這有助於發現值得整合的複製貼上邏輯。
問題與程式碼匹配
嵌入錯誤報告並將其與最可能需要修復的檔案進行匹配，作為分類機器人的第一步。
提示詞範例
在這個儲存庫中，我們在哪裡驗證 Webhook 簽章？
def retry_with_backoff(fn, attempts=5): ... （嵌入函式以在其他服務中尋找類似的輔助程式）
SELECT customer_id, SUM(total) FROM orders GROUP BY customer_id HAVING SUM(total) > 1000
此模型按條件計價，僅憑每月 token 總量無法可靠估算；請按請求規格、快取和適用時段查看詳細定價。
FAQ
Codestral Embed 的用途為何？
用於原始程式碼的檢索。您可以嵌入程式碼區塊與查詢，儲存向量，並透過相似度擷取最接近的區塊。典型應用包括語意程式碼搜尋、程式設計助手的上下文檢索、重複程式碼偵測以及按用途進行程式碼分群。
Codestral Embed 與 Mistral Embed 有何不同？
Codestral Embed 專門針對程式碼及相關查詢進行優化，而 Mistral Embed 則是適用於文件、分群及散文檢索增強生成的通用文字模型。請針對儲存庫使用 Codestral Embed，並針對知識庫與文章使用 Mistral Embed。
我可以縮減向量大小嗎？
可以。Mistral 將輸出維度按相關性排序，因此您可以保留較短的前綴以縮小索引。Mistral 報告指出，在 int8 精度下使用 256 個維度仍優於其測試過的競爭對手程式碼嵌入模型，但建議您在自己的程式碼上檢查召回率。
在嵌入程式碼前，我該如何進行切分？
Mistral 建議將程式碼切分為約 3,000 個字元並保留 1,000 個字元的重疊。在測試中，較大的區塊會降低檢索效能。請盡可能沿著函式或類別邊界進行切分，並在每個區塊中保留檔案路徑與符號名稱。
它會生成程式碼嗎？
不會。它僅回傳向量。請將其與程式設計聊天模型搭配使用：由 Codestral Embed 找出相關程式碼，再由聊天模型讀取並撰寫變更。
Codestral Embed 的費用是多少？
在 TokenLab 上，Codestral Embed 價格為 輸入 $0.15 / 輸出 $0.00 每 1M Token。完整明細見上方價格表。 價格因計費單位、規格和用量而異。請在模型的詳細定價中比較相同條件下的費率；單一費率不代表總價。
Codestral Embed 應該使用哪一個端點？
請使用 https://api.tokenlab.sh/v1/embeddings 進行 Codestral Embed 的呼叫。下方的請求範例展示了對應的程式碼格式。
Codestral Embed 支援哪些操作？
Codestral Embed 支援 嵌入。請在上方選擇一項操作以查看其端點與請求範例。
比較 Codestral Embed
來源
更新於 2026年10月2日
