Mistral: Mistral Embed
mistral-embed- 输入 / 输出
- $0.10 / $0.00
- 上下文
- 8K
- 模态
- 嵌入
Mistral Embed 简介
Mistral Embed 是 Mistral AI 的通用文本向量化（embedding）模型，把句子、段落和文档转成向量，用于语义搜索、聚类、分类，以及检索增强生成中的检索环节。它是 Codestral Embed 的文本版兄弟，后者是 Mistral 专为源代码打造的模型。语料是帮助文章、合同、笔记这类自然语言，又想用独立的向量模型而不是聊天调用时，选它。
擅长的任务
- 覆盖通用文本，一个模型就能把帮助中心文章、报告和聊天记录放在一起建索引。
- 适合检索增强生成的检索环节：把问题匹配到最可能包含答案的段落。
- 同一批向量既能做聚类，也能做文档分类，不必为每个任务单独配模型。
- 属于 Mistral 的向量模型系列，代码和文本可以用同一厂商的两个模型分别建索引。
什么情况换别的模型
- 做源代码检索时，Mistral 专门为此设计的是 Codestral Embed。
- 它只返回向量，不能回答问题，也不能总结检索到的段落。
- 单次输入的 token 长度上限不高，长文档要先切块再向量化。
快速上手
创建 API 密钥
在 Console 生成一把密钥，平台上的模型都能用。
发送第一个请求
复制你所用语言的示例代码，向该端点发起请求。
嵌入TokenLab 端点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." }'
参数
嵌入
| 参数 | 可选值与限制 | 默认值 | 说明 |
|---|---|---|---|
encoding_format | float, base64 | 未提供 | 未提供 |
input | 未提供 | 未提供 | 未提供 |
价格
Verified 价格用于 Verified，多数模型更便宜；Official 价格是模型厂商公布的价格，用于更稳定的 Official。Auto 按最终完成请求的线路计价。
嵌入
每 1M token- Official 价格
- 输入 $0.10 / 输出 $0.00
- Verified 价格
- —
- 折扣
- —
| Official 价格每 1M token | Verified 价格每 1M token | 折扣 | |
|---|---|---|---|
| 嵌入 | 输入 $0.10 / 输出 $0.00 | — | — |
用量与动态
成功率是请求完成的比例；延迟是拿到一次完整响应要花的时间，P95 表示 95% 的请求都在这个时间内完成。
用量与可用性
最近 24 小时- 请求
- 成功率
- P95 延迟
- 总 token 数
数据来自汇总的用户请求，不含状态检查。
直接在 Console 里试
Mistral Embed 已在 Console 备好，提示词已填好，可以直接修改或发送。
帮我用 mistral-embed 完成一次 embedding，接口是 /v1/embeddings。返回结果和费用。
使用场景
帮助中心语义搜索
每篇文章向量化一次，查询时再把访客的问题向量化，即使没有关键词重合，也能展示最接近的文章。
问答检索
从内部文档里取出最相关的段落交给聊天模型，让它的回答基于你自己的资料。
主题聚类
按语义把成千上万条调查回复或工单分组，不用事先定义类别，就能看出哪些主题反复出现。
文档分类
在向量上训练一个轻量分类器，把进来的文档分给对应的团队或标签。
提示词示例
怎么修改账户的账单联系人？
季度报告：3 月调价之后，中端客户群的流失率上升。
快递员把包裹放错了地址，客服一直没回复。
此模型按条件计价，仅凭月度 token 总量无法可靠估算；请按请求规格、缓存和适用时段查看详细定价。
FAQ
Mistral Embed 是做什么用的？
把文本转成可以比较的向量。常见用途有文档语义搜索、相似文本分组、文档分类，以及为聊天模型检索回答所需的段落。它不生成文本。
该用 Mistral Embed 还是 Codestral Embed？
自然语言内容用 Mistral Embed，源代码和与代码相关的查询用 Codestral Embed。语料两者混合时，各部分用各自的模型建索引，向量存放在不同的集合里，因为不同模型的向量没法互相比较。
可以混用不同向量模型的向量吗？
不可以。只有同一个模型产生的向量才能比较。从 Mistral Embed 换到别的向量模型时，要重新向量化整个语料并重建索引，已保存的查询也一样。
长文档怎么处理？
先切成段落再向量化，因为每次输入都有 token 上限。按段落或章节大小切块并留少量重叠，检索效果通常比整篇文档更好，每个块里还可以带上文档标题。
能用 OpenAI 风格的 embeddings 请求调用吗？
可以。向 embeddings 端点发送一个字符串列表，每个字符串返回一个向量，顺序与输入一致。
Mistral Embed 的费用是多少？
在 TokenLab 上，Mistral Embed 的价格为 输入 $0.10 / 输出 $0.00 每 1M token。完整明细见上方价格表。 价格因计费单位、规格和用量而异。请在模型的详细定价中对比相同条件下的费率；单一费率不代表总价。
Mistral Embed 应该使用哪个端点？
Mistral Embed 使用 https://api.tokenlab.sh/v1/embeddings。代码写法见下方的请求示例。
Mistral Embed 支持哪些操作？
Mistral Embed 支持 嵌入。选了操作，上面会显示对应的端点和请求示例。
Mistral Embed 对比
资料来源
审阅于 2026年10月2日
