Mistral Embed (mistral-embed-2312)

нейрожелі

Mistral Embed — Mistral AI компаниясының арнайы эмбеддинг моделі (2023 жылдың соңында шыққан), мәтіннің 1024 өлшемді векторлық көріністерін жасайды. Семантикалық іздеу және RAG тапсырмаларына оңтайландырылған: мағына бойынша іздеу, өзектілікті бағалау, сәйкестендіру және құжаттарды кластерлеу үшін қолайлы. Модель BotHub жеке кабинеті арқылы қолжетімді.

Сипаттамалары

Кіріс деректер
мәтін
Нәтиже
векторлар (эмбеддингтер)
Контекст өлшемі
8 192 токен
Вектор өлшемділігі
1 024
10,86 ₽

Промптың құны

(1М токенге қарай)

*Бағалар API-ді ECO-провайдерлер арқылы қолданғанда көрсетілген.
Mistral Embed (mistral-embed-2312) үшін API және код үлгісіБіз OpenAI API-іне толық қолжетімділікті ұсынамыз. Біздің барлық соңғы нүктелер OpenAI-мен толық сәйкес келеді, оларды плагиндермен де, SDK арқылы өз бағдарламаңызды әзірлегенде де қолдануға болады.API кілтін жасау
import OpenAI from 'openai';
const openai = new OpenAI({
  apiKey: '<your bothub access token>',
  baseURL: 'https://openai.bothub.chat/v1'
});

async function main() {
  const response = await openai.embeddings.create({
    model: 'mistral-embed-2312',
    input: 'The food was delicious and the waiter...',
    encoding_format: 'float'
  });

  const embedding = response.data[0].embedding;

  console.log(embedding);
}
main();
illustaration

Қалай жұмыс істейді Mistral Embed (mistral-embed-2312)?

Mistral Embed-ті BotHub-та қолданып көріңіз — семантикалық іздеу мен RAG-қа арналған эмбеддингтер.

Mistral Embed (mistral-embed-2312) туралы жиі қойылатын сұрақтар

Генерация нәтижелерін коммерциялық мақсатта пайдалана аласыз. Жасалған контентке барлық құқық сізге тиесілі. Жалғыз шектеу: сұрауда үшінші тараптардың авторлық құқықпен қорғалған материалдары пайдаланылмағанына көз жеткізіңіз. Кіріс деректерінің құқықтарын сақтау жауапкершілігі пайдаланушыға жүктеледі.

Mistral Embed 2312 семантикалық іздеу, RAG, кластерлеу, ұсыныстар мен дедупликация үшін мәтінді сандық эмбеддингтерге түрлендіреді. Құжаттарды индекстеуге, ұқсас фрагменттерді табуға және векторлық БД бар жүйелерде векторлық көріністерді құруға жарамды.

Модель кіріс мәтінінің семантикасын көрсететін сандар жиымын (векторлық көріністерді) қайтарады. Шығыс форматы — векторлық БД-ларға (Qdrant, pgvector) жүктеуге және іздеу мен RAG-та пайдалануға жарамды сандық векторлар.

Біздің модель туралы мәліметтерімізде жауап алдында пайымдау (reasoning) мүмкіндігі көрсетілмеген. Эмбеддингтер кезең-кезеңімен пайымдауға арналмаған — олар мағынаның ықшам векторлық көрінісін береді, ал логикалық тізбектер мен түсіндірмелер әдетте генеративті LLM арқылы шешіледі.

Біздің мәліметтерімізде функцияларды шақыру немесе құрылымдық JSON шығаруды қолдау көрсетілмеген. Модель өрістері бар жауап емес, сандық векторларды қайтарады; интеграция эмбеддингтер жиымын өңдеп, қажет болған жағдайда қолданба деңгейінде тиісті JSON пішінін жасауы керек.

Біздің деректерде мультимедиалық мәліметтерді қабылдау мүмкіндігі көрсетілмеген. Модель мәтіндік эмбеддингтерге бағытталған; суреттер, аудио немесе видео үшін әдетте мультимодальды эмбеддингтер қолданылады немесе алдын ала мәтіндік сипаттамалар мен метадеректер алынады.

Модель құжаттамасында тілдерді қолдау туралы нақты мәлімет жоқ. Орыс тіліндегі тиімділігі жаттығу деректері мен сіздің тапсырмаңызға байланысты; эмбеддингтерді өз корпусыңыздан алынған мысалдар арқылы сынап, семантикалық іздеу мен кластерлеу сапасын бағалауды ұсынамыз.

Қолдау қызметі10:00-ден 18:00-ге дейін МСК жұмыс істейміз