{ "aboutHtml": "

Mistral Embed 2312 هو نموذج Mistral AI لتضمين النص وتمثيل المعنى عدديًا. يقبل سلسلة نصية أو قائمة سلاسل ويعيد تضمينًا لكل مدخل. النتيجة متجه يستخدمه التطبيق للتشابه أو الاسترجاع أو التصنيف أو التجميع العنقودي، بدلًا من تفسير حواري. تحدد صفحة النموذج الثابتة لدى الجهة المصنّعة المعرّف mistral-embed-2312.

المدخل والسياق وشكل المتجه

توثّق صفحة النموذج المحدد وسم سياق من 8k. جهّز كل عنصر نصي ضمن سعة المدخل المنطبقة واحتفظ بهويته مع متجهه. يمكن تقسيم مستند مصدري طويل إلى مقاطع مفيدة، مع الحفاظ على عنوان المستند والقسم وموضع المصدر اللازمة لإعادة المادة الصحيحة لاحقًا.

يحدد دليل Mistral Embed لدى الجهة المصنّعة 1,024 بُعدًا لكل تضمين نصي، بصرف النظر عن طول المدخل الظاهر. لذلك يكون لسؤال قصير ومقطع أطول شكل المتجه نفسه رغم اختلاف المحتوى وعدد الرموز. هذا بُعد تمثيل المخرج، وليس ميزانية رموز إجابة أو مقياسًا لعدد كلمات المصدر المحتفظ بها.

تتضمن الاستجابة الموثّقة التضمينات ومعلومات استخدام الرموز؛ ويربط مثال النقطة النهائية كل متجه بفهرس مدخل. حافظ على هذا الربط عند معالجة عدة نصوص. يحتاج التطبيق إلى النص الأصلي ومعرّفاته إلى جانب النتيجة العددية لعرض نتيجة بحث مفيدة أو توفير مادة مصدرية لخطوة لاحقة.

التشابه الدلالي

يوضح الدليل أن النصوص المترابطة تميل إلى التقارب في فضاء التضمين. يدعم ذلك العثور على مقاطع تستخدم كلمات مختلفة للتعبير عن الموضوع أو المتطلب نفسه. قد يسأل استعلام توضيحي في قاعدة معرفة عن استعادة الوصول، بينما يستخدم الإجراء ذو الصلة عبارة مختلفة للعملية نفسها. يستطيع التطبيق مقارنة متجه الاستعلام بمتجهات المقاطع المخزّنة بدلًا من الاعتماد على المطابقة الحرفية للكلمات وحدها.

تستخدم أمثلة الجهة المصنّعة تضمينات مطبّعة إلى طول الوحدة. تعطي مقارنة جيب التمام والناتج النقطي والمسافة الإقليدية لهذه المتجهات ترتيبات تشابه متسقة، رغم أن قيمها العددية ليست متطابقة. اختر طريقة مقارنة مناسبة واحدة وطبّقها بصورة متسقة على تمثيلات الاستعلام والمستند.

لا يثبت التشابه قابلية عبارتين للاستبدال. احتفظ بالنص المصدري وافحص الشرط أو التاريخ أو المعرّف المهم للسؤال. قد تتناول فقرتان الموضوع نفسه مع وصف إجراءات أو استثناءات مختلفة. يقدّم التضمين إشارة استرجاع؛ ويُعد تفسير المقطع المختار جزءًا منفصلًا من المهمة.

الاسترجاع والإجابات المستندة إلى المصادر

يجهّز سير عمل مستندات عملي متجهات لمقاطع قاعدة المعرفة، ويخزّن معرّفاتها ونصها الأصلي، ثم يقارن سؤالًا جديدًا بتلك المجموعة. أعد المقاطع ذات الصلة مع مواضعها المصدرية. يستطيع التطبيق عرض هذه المقاطع مباشرةً أو تقديمها لنموذج توليد نص يكتب إجابة مستندة إلى المادة المسترجعة.

لنتيجة بحث مفيدة، احتفظ بعنوان المستند والقسم والمقطع والمعرّف المستخدم للعثور عليه. يستطيع مساعد دعم حينئذ استرجاع الإجراء المرتبط بسؤال المستخدم وتمريره إلى مرحلة كتابة الإجابة. ينفّذ Mistral Embed خطوة التمثيل العددي؛ ولا يكتب بنفسه التفسير النهائي أو ينفّذ إجراءً خارجيًا.

استخدامات أخرى موثّقة

تدرج الجهة المصنّعة أيضًا اكتشاف إعادة الصياغة والتصنيف والتجميع العنقودي والمعالجة بالدفعات ضمن مسارات عمل التضمين. تستطيع مهمة مقارنة استرجاع مقاطع ذات معنى مترابط للمراجعة. ويمكن لسير عمل تصنيف مقارنة مدخل بأمثلة موسومة أو استخدام المتجهات سماتٍ لمصنّف منفصل. ويمكن لسير عمل تجميع عنقودي تجميع عناصر متشابهة لوصف لاحق من شخص أو على مستوى التطبيق.

حدّد غرض التمثيل قبل إعداد البيانات. ينبغي لمقطع مستخدم في البحث الدلالي الحفاظ على المعلومات التي سيحتاج إليها شخص بعد الاسترجاع؛ وينبغي لمثال تصنيف تضمين الصياغة التي تميّز الفئة. حافظ على اتساق الإعداد حتى يمثّل الاستعلام والعنصر المخزّن مادة قابلة للمقارنة.

الإصدار وحدود المخرجات

استخدم إصدار النموذج نفسه وتمثيلًا متوافقًا للمستندات واستعلاماتها. لا ينتمي متجه يحمل العدد نفسه من الإحداثيات من نموذج آخر تلقائيًا إلى الفضاء الدلالي نفسه. يتطلب استبدال النموذج أو التمثيل بقاء العناصر المخزّنة والاستعلامات متوافقة.

يصف هذا الإدخال مدخلًا نصيًا ومخرج متجه عددي، مع سياق 8k لدى الجهة المصنّعة وتمثيل Mistral Embed الموثّق ذي 1,024 بُعدًا. تنتمي الأبعاد القابلة للضبط والتنسيقات المكمّمة في Codestral Embed إلى نموذج الشيفرة المسمى بصورة منفصلة، ولا ينبغي افتراضها هنا. الصور والصوت والنص المولّد وتنفيذ الأدوات قدرات منفصلة خارج نتيجة التضمين النصي هذه.

", "aboutText": "Mistral Embed 2312 هو نموذج Mistral AI لتضمين النص وتمثيل المعنى عدديًا. يقبل سلسلة نصية أو قائمة سلاسل ويعيد تضمينًا لكل مدخل. النتيجة متجه يستخدمه التطبيق للتشابه أو الاسترجاع أو التصنيف أو التجميع العنقودي، بدلًا من تفسير حواري. تحدد صفحة النموذج الثابتة لدى الجهة المصنّعة المعرّف mistral-embed-2312.\n\nالمدخل والسياق وشكل المتجه\n\nتوثّق صفحة النموذج المحدد وسم سياق من 8k. جهّز كل عنصر نصي ضمن سعة المدخل المنطبقة واحتفظ بهويته مع متجهه. يمكن تقسيم مستند مصدري طويل إلى مقاطع مفيدة، مع الحفاظ على عنوان المستند والقسم وموضع المصدر اللازمة لإعادة المادة الصحيحة لاحقًا.\n\nيحدد دليل Mistral Embed لدى الجهة المصنّعة 1,024 بُعدًا لكل تضمين نصي، بصرف النظر عن طول المدخل الظاهر. لذلك يكون لسؤال قصير ومقطع أطول شكل المتجه نفسه رغم اختلاف المحتوى وعدد الرموز. هذا بُعد تمثيل المخرج، وليس ميزانية رموز إجابة أو مقياسًا لعدد كلمات المصدر المحتفظ بها.\n\nتتضمن الاستجابة الموثّقة التضمينات ومعلومات استخدام الرموز؛ ويربط مثال النقطة النهائية كل متجه بفهرس مدخل. حافظ على هذا الربط عند معالجة عدة نصوص. يحتاج التطبيق إلى النص الأصلي ومعرّفاته إلى جانب النتيجة العددية لعرض نتيجة بحث مفيدة أو توفير مادة مصدرية لخطوة لاحقة.\n\nالتشابه الدلالي\n\nيوضح الدليل أن النصوص المترابطة تميل إلى التقارب في فضاء التضمين. يدعم ذلك العثور على مقاطع تستخدم كلمات مختلفة للتعبير عن الموضوع أو المتطلب نفسه. قد يسأل استعلام توضيحي في قاعدة معرفة عن استعادة الوصول، بينما يستخدم الإجراء ذو الصلة عبارة مختلفة للعملية نفسها. يستطيع التطبيق مقارنة متجه الاستعلام بمتجهات المقاطع المخزّنة بدلًا من الاعتماد على المطابقة الحرفية للكلمات وحدها.\n\nتستخدم أمثلة الجهة المصنّعة تضمينات مطبّعة إلى طول الوحدة. تعطي مقارنة جيب التمام والناتج النقطي والمسافة الإقليدية لهذه المتجهات ترتيبات تشابه متسقة، رغم أن قيمها العددية ليست متطابقة. اختر طريقة مقارنة مناسبة واحدة وطبّقها بصورة متسقة على تمثيلات الاستعلام والمستند.\n\nلا يثبت التشابه قابلية عبارتين للاستبدال. احتفظ بالنص المصدري وافحص الشرط أو التاريخ أو المعرّف المهم للسؤال. قد تتناول فقرتان الموضوع نفسه مع وصف إجراءات أو استثناءات مختلفة. يقدّم التضمين إشارة استرجاع؛ ويُعد تفسير المقطع المختار جزءًا منفصلًا من المهمة.\n\nالاسترجاع والإجابات المستندة إلى المصادر\n\nيجهّز سير عمل مستندات عملي متجهات لمقاطع قاعدة المعرفة، ويخزّن معرّفاتها ونصها الأصلي، ثم يقارن سؤالًا جديدًا بتلك المجموعة. أعد المقاطع ذات الصلة مع مواضعها المصدرية. يستطيع التطبيق عرض هذه المقاطع مباشرةً أو تقديمها لنموذج توليد نص يكتب إجابة مستندة إلى المادة المسترجعة.\n\nلنتيجة بحث مفيدة، احتفظ بعنوان المستند والقسم والمقطع والمعرّف المستخدم للعثور عليه. يستطيع مساعد دعم حينئذ استرجاع الإجراء المرتبط بسؤال المستخدم وتمريره إلى مرحلة كتابة الإجابة. ينفّذ Mistral Embed خطوة التمثيل العددي؛ ولا يكتب بنفسه التفسير النهائي أو ينفّذ إجراءً خارجيًا.\n\nاستخدامات أخرى موثّقة\n\nتدرج الجهة المصنّعة أيضًا اكتشاف إعادة الصياغة والتصنيف والتجميع العنقودي والمعالجة بالدفعات ضمن مسارات عمل التضمين. تستطيع مهمة مقارنة استرجاع مقاطع ذات معنى مترابط للمراجعة. ويمكن لسير عمل تصنيف مقارنة مدخل بأمثلة موسومة أو استخدام المتجهات سماتٍ لمصنّف منفصل. ويمكن لسير عمل تجميع عنقودي تجميع عناصر متشابهة لوصف لاحق من شخص أو على مستوى التطبيق.\n\nحدّد غرض التمثيل قبل إعداد البيانات. ينبغي لمقطع مستخدم في البحث الدلالي الحفاظ على المعلومات التي سيحتاج إليها شخص بعد الاسترجاع؛ وينبغي لمثال تصنيف تضمين الصياغة التي تميّز الفئة. حافظ على اتساق الإعداد حتى يمثّل الاستعلام والعنصر المخزّن مادة قابلة للمقارنة.\n\nالإصدار وحدود المخرجات\n\nاستخدم إصدار النموذج نفسه وتمثيلًا متوافقًا للمستندات واستعلاماتها. لا ينتمي متجه يحمل العدد نفسه من الإحداثيات من نموذج آخر تلقائيًا إلى الفضاء الدلالي نفسه. يتطلب استبدال النموذج أو التمثيل بقاء العناصر المخزّنة والاستعلامات متوافقة.\n\nيصف هذا الإدخال مدخلًا نصيًا ومخرج متجه عددي، مع سياق 8k لدى الجهة المصنّعة وتمثيل Mistral Embed الموثّق ذي 1,024 بُعدًا. تنتمي الأبعاد القابلة للضبط والتنسيقات المكمّمة في Codestral Embed إلى نموذج الشيفرة المسمى بصورة منفصلة، ولا ينبغي افتراضها هنا. الصور والصوت والنص المولّد وتنفيذ الأدوات قدرات منفصلة خارج نتيجة التضمين النصي هذه.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "2529fa71a974d7f398e7b2ec29a02b4eb0c857a0d087961615c1059543f66b7a", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "ar", "methods": [ { "html": "
•

Mistral: Mistral Embed 2312

Mistral /mistralai/mistral-embed-2312

البداية

يحوّل Mistral Embed 2312 النص إلى متجهات ذات 1,024 بُعدًا للبحث الدلالي والاسترجاع وتحليل النصوص المترابطة. توثّق صفحة الجهة المصنّعة سياقًا من 8k؛ والنتيجة تمثيل عددي مرتبط بكل مدخل، وليست إجابة مولّدة.

المدخلات المقبولة
النص · token_ids
النتائج
embedding
عن النموذج

يغطي هذا الوصف قدرات النموذج. وترد أدناه المدخلات والمخرجات والخيارات المتاحة في Ailoot للطريقة المحددة.

Mistral Embed 2312 هو نموذج Mistral AI لتضمين النص وتمثيل المعنى عدديًا. يقبل سلسلة نصية أو قائمة سلاسل ويعيد تضمينًا لكل مدخل. النتيجة متجه يستخدمه التطبيق للتشابه أو الاسترجاع أو التصنيف أو التجميع العنقودي، بدلًا من تفسير حواري. تحدد صفحة النموذج الثابتة لدى الجهة المصنّعة المعرّف mistral-embed-2312.

المدخل والسياق وشكل المتجه

توثّق صفحة النموذج المحدد وسم سياق من 8k. جهّز كل عنصر نصي ضمن سعة المدخل المنطبقة واحتفظ بهويته مع متجهه. يمكن تقسيم مستند مصدري طويل إلى مقاطع مفيدة، مع الحفاظ على عنوان المستند والقسم وموضع المصدر اللازمة لإعادة المادة الصحيحة لاحقًا.

يحدد دليل Mistral Embed لدى الجهة المصنّعة 1,024 بُعدًا لكل تضمين نصي، بصرف النظر عن طول المدخل الظاهر. لذلك يكون لسؤال قصير ومقطع أطول شكل المتجه نفسه رغم اختلاف المحتوى وعدد الرموز. هذا بُعد تمثيل المخرج، وليس ميزانية رموز إجابة أو مقياسًا لعدد كلمات المصدر المحتفظ بها.

تتضمن الاستجابة الموثّقة التضمينات ومعلومات استخدام الرموز؛ ويربط مثال النقطة النهائية كل متجه بفهرس مدخل. حافظ على هذا الربط عند معالجة عدة نصوص. يحتاج التطبيق إلى النص الأصلي ومعرّفاته إلى جانب النتيجة العددية لعرض نتيجة بحث مفيدة أو توفير مادة مصدرية لخطوة لاحقة.

التشابه الدلالي

يوضح الدليل أن النصوص المترابطة تميل إلى التقارب في فضاء التضمين. يدعم ذلك العثور على مقاطع تستخدم كلمات مختلفة للتعبير عن الموضوع أو المتطلب نفسه. قد يسأل استعلام توضيحي في قاعدة معرفة عن استعادة الوصول، بينما يستخدم الإجراء ذو الصلة عبارة مختلفة للعملية نفسها. يستطيع التطبيق مقارنة متجه الاستعلام بمتجهات المقاطع المخزّنة بدلًا من الاعتماد على المطابقة الحرفية للكلمات وحدها.

تستخدم أمثلة الجهة المصنّعة تضمينات مطبّعة إلى طول الوحدة. تعطي مقارنة جيب التمام والناتج النقطي والمسافة الإقليدية لهذه المتجهات ترتيبات تشابه متسقة، رغم أن قيمها العددية ليست متطابقة. اختر طريقة مقارنة مناسبة واحدة وطبّقها بصورة متسقة على تمثيلات الاستعلام والمستند.

لا يثبت التشابه قابلية عبارتين للاستبدال. احتفظ بالنص المصدري وافحص الشرط أو التاريخ أو المعرّف المهم للسؤال. قد تتناول فقرتان الموضوع نفسه مع وصف إجراءات أو استثناءات مختلفة. يقدّم التضمين إشارة استرجاع؛ ويُعد تفسير المقطع المختار جزءًا منفصلًا من المهمة.

الاسترجاع والإجابات المستندة إلى المصادر

يجهّز سير عمل مستندات عملي متجهات لمقاطع قاعدة المعرفة، ويخزّن معرّفاتها ونصها الأصلي، ثم يقارن سؤالًا جديدًا بتلك المجموعة. أعد المقاطع ذات الصلة مع مواضعها المصدرية. يستطيع التطبيق عرض هذه المقاطع مباشرةً أو تقديمها لنموذج توليد نص يكتب إجابة مستندة إلى المادة المسترجعة.

لنتيجة بحث مفيدة، احتفظ بعنوان المستند والقسم والمقطع والمعرّف المستخدم للعثور عليه. يستطيع مساعد دعم حينئذ استرجاع الإجراء المرتبط بسؤال المستخدم وتمريره إلى مرحلة كتابة الإجابة. ينفّذ Mistral Embed خطوة التمثيل العددي؛ ولا يكتب بنفسه التفسير النهائي أو ينفّذ إجراءً خارجيًا.

استخدامات أخرى موثّقة

تدرج الجهة المصنّعة أيضًا اكتشاف إعادة الصياغة والتصنيف والتجميع العنقودي والمعالجة بالدفعات ضمن مسارات عمل التضمين. تستطيع مهمة مقارنة استرجاع مقاطع ذات معنى مترابط للمراجعة. ويمكن لسير عمل تصنيف مقارنة مدخل بأمثلة موسومة أو استخدام المتجهات سماتٍ لمصنّف منفصل. ويمكن لسير عمل تجميع عنقودي تجميع عناصر متشابهة لوصف لاحق من شخص أو على مستوى التطبيق.

حدّد غرض التمثيل قبل إعداد البيانات. ينبغي لمقطع مستخدم في البحث الدلالي الحفاظ على المعلومات التي سيحتاج إليها شخص بعد الاسترجاع؛ وينبغي لمثال تصنيف تضمين الصياغة التي تميّز الفئة. حافظ على اتساق الإعداد حتى يمثّل الاستعلام والعنصر المخزّن مادة قابلة للمقارنة.

الإصدار وحدود المخرجات

استخدم إصدار النموذج نفسه وتمثيلًا متوافقًا للمستندات واستعلاماتها. لا ينتمي متجه يحمل العدد نفسه من الإحداثيات من نموذج آخر تلقائيًا إلى الفضاء الدلالي نفسه. يتطلب استبدال النموذج أو التمثيل بقاء العناصر المخزّنة والاستعلامات متوافقة.

يصف هذا الإدخال مدخلًا نصيًا ومخرج متجه عددي، مع سياق 8k لدى الجهة المصنّعة وتمثيل Mistral Embed الموثّق ذي 1,024 بُعدًا. تنتمي الأبعاد القابلة للضبط والتنسيقات المكمّمة في Codestral Embed إلى نموذج الشيفرة المسمى بصورة منفصلة، ولا ينبغي افتراضها هنا. الصور والصوت والنص المولّد وتنفيذ الأدوات قدرات منفصلة خارج نتيجة التضمين النصي هذه.

متاح في Ailoot · المدخلات والطرائق

Ailoot Ultra · التضمينات POST /v1/embeddings
الإدخال
text, token_ids
الإخراج
embedding
السياق
⁦8,192⁩ tokens
صيغة الإخراج
json
الحقلالنوعالمتطلبالقيم والحدودالقيمة الافتراضية
الحقلmodelالنوعstringالمتطلبمطلوبالقيم والحدود
mistralai/mistral-embed-2312
القيمة الافتراضية—
الحقلinputالنوعstring|string[]|integer[]|integer[][]المتطلبمطلوبالقيم والحدود
الحد الأدنى للعناصر: ⁦1⁩
الشروط: دفعة متجانسة غير فارغة. معرّفات التوكنات أعداد صحيحة غير سالبة.
سعة الإدخال: الحد الأقصى: ⁦8,192⁩ · وحدة النص: بايتات UTF8 · وحدة الرموز: عناصر مصفوفة الرموز
القيمة الافتراضية—
الحقلencoding_formatالنوعstringالمتطلباختياريالقيم والحدود
float
القيمة الافتراضيةfloat
الحقلdimensionsالنوعintegerالمتطلبغير مدعومالقيم والحدود
الحد الأدنى: ⁦1⁩
القيمة الافتراضية—
الحقلuserالنوعjson_valueالمتطلباختياريالقيم والحدود
الشروط: يسمح المصدر بحقل البيانات الوصفية هذا بصيغة JSON؛ ويعتمد المعنى الدقيق لدى المزوّد الأصلي على النموذج.
القيمة الافتراضية—
الحقلsession_idالنوعjson_valueالمتطلباختياريالقيم والحدود
الشروط: يسمح المصدر بحقل البيانات الوصفية هذا بصيغة JSON؛ ويعتمد المعنى الدقيق لدى المزوّد الأصلي على النموذج.
القيمة الافتراضية—
الحقلtraceالنوعjson_valueالمتطلباختياريالقيم والحدود
الشروط: يسمح المصدر بحقل البيانات الوصفية هذا بصيغة JSON؛ ويعتمد المعنى الدقيق لدى المزوّد الأصلي على النموذج.
القيمة الافتراضية—
الحقلproviderالنوعobjectالمتطلباختياريالقيم والحدود
الشروط: تم رفض provider.options
القيمة الافتراضية—
تركيبات مواد الإدخال

text_to_embedding

معلمات الطريقة ودورة حياتها
المعلمةالمواصفات
المعلمةcontent_typeالمواصفاتapplication/json
المعلمةrequiredالمواصفاتmodel, input
المعلمةinput_shapesالمواصفاتstring, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[]
المعلمةencoding_formatالمواصفاتfloat
المعلمةdimensions_overrideالمواصفاتfalse
المعلمةmax_input_budget_unitsالمواصفات8192
المعلمةmultimodal_objectsالمواصفاتfalse
المعلمةmaterial_typesالمواصفاتtext, token_ids

دورة الحياة: synchronous_json

احتفظ بفهرس كل متجه وبُعده.

اسم النموذج متعدد الوسائط لا يتيح استخدام كائنات الصور على هذا المسار المحدد.

الباقات

مراجع التسعير لا تضيف خيارات للطلب. المعلمات المدعومة مذكورة للطريقة المحددة.

الوضع السريع
التعرفة القياسية عند اختيار الوضع السريع
الوضع المرن
التعرفة القياسية عند اختيار وضع flex
أقصى جهد للاستدلال
التعرفة القياسية عندما يُطبَّق الضبط الافتراضي default مع أقصى جهد للاستدلال

تعرفات Ailoot

الأسعار حسب الإعدادات

الإعداداتجدول التعرفةالرسوم
الإعداداتالتعرفات الأساسية للرموزجدول التعرفةالتعرفة الأساسيةالرسوم
الإدخال · رموز الإدخال $0.0002 / 1K من الرموز
الإخراج · رموز الإخراج $0 / 1K من الرموز
الإدخال · قراءة ذاكرة التخزين المؤقت — / 1K من الرموز
الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز
الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز

تحجز Ailoot مبلغًا تقديريًا قبل الطلب. وبعد ظهور النتيجة، تُسوّي الرسوم النهائية بناءً على الاستخدام المقاس. وتستخدم تسوية البث سجل الاستخدام النهائي. كيفية عمل حجز المبلغ وتسوية الرسوم →

أمثلة للطلبات

Ailoot Ultra · التضمينات

set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "mistralai/mistral-embed-2312", "input": ["First document", "Second document"]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \\\n  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n  --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("data",[]): print(json.dumps({"index":x.get("index"),"embedding":x.get("embedding")}))\nPY_RESULT\n

استلام النتائج وحفظها

Ailoot Ultra · التضمينات

json

الاحتفاظ بكل النتائج المكتملة

احتفظ بكل استجابة كاملة وكل ملف وجزء محتوى تم إرجاعه.

احتفظ بكل متجه مع فهرسه. يجب أن يساوي عدد المتجهات عدد المدخلات، وأن تكون الأبعاد متسقة.

عند الحاجة إلى التحقق من الاستجابة الأصلية

لا تُستحدث نقطة نهاية لمهام التضمين.

حقول الاستجابة
الحقلالنوع
الحقلobjectالنوعstring
الحقلmodelالنوعstring
الحقلdata[].indexالنوعinteger
الحقلdata[].embeddingالنوعfinite float[]
الحقلusageالنوعobject
الأخطاء والخطوات التالية
الاستجابةالشرطالخطوة التالية
الاستجابة⁦400⁩ · invalid_request_errorالشرطحقول مطلوبة أو تمثيل مادة أو قيمة معلمة غير صحيحةالخطوة التاليةصحّح الحقول المحددة قبل طلب إنشاء جديد.

الأسماء البديلة

الأسماء البديلة للنموذج

Ailoot Ultra mistralai/mistral-embed-2312

الأسماء البديلة لمسارات الطرائق

استخدم مسارات الطرائق المعروضة أعلاه.

معرّفات النماذج ذات الصلة IDs

mistralai/mistral-embed-2312

", "method_identity": { "effective_request_model_id": "mistralai/mistral-embed-2312", "fmt": "embeddings", "http": "POST", "path": "/v1/embeddings", "request_model_id": "mistralai/mistral-embed-2312", "route_label": "Ultra" }, "method_key": "Ultra|embeddings|/v1/embeddings|mistralai%2Fmistral-embed-2312", "ordinal": 0, "rawMethod": { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Keep every vector with its index. Vector count must equal input count; dimensions must be consistent.", "errors": [ { "code": null, "condition": "حقول مطلوبة أو تمثيل مادة أو قيمة معلمة غير صحيحة", "http_status": 400, "recovery": "صحّح الحقول المحددة قبل طلب إنشاء جديد.", "type": "invalid_request_error" } ], "hints": [], "ignored_fields": [], "lifecycle": { "create": { "http": "POST", "path": "/v1/embeddings" }, "job_read": null, "mode": "synchronous_json", "unknown": "لا تُستحدث نقطة نهاية لمهام التضمين." }, "material_combinations": [ { "alternatives": [ "string", "string[]", "nonnegative_integer_token_array", "nonnegative_integer_token_array[]" ], "mode": "text_to_embedding" } ], "operation_modes": [ "single_embedding", "batched_embeddings" ], "outputs": { "all_results": "احتفظ بكل متجه مع فهرسه. يجب أن يساوي عدد المتجهات عدد المدخلات، وأن تكون الأبعاد متسقة.", "default_dimensions": null, "family": "embedding", "fields": [ { "description": null, "name": "object", "type": "string" }, { "description": null, "name": "model", "type": "string" }, { "description": null, "name": "data[].index", "type": "integer" }, { "description": null, "name": "data[].embedding", "type": "finite float[]" }, { "description": null, "name": "usage", "type": "object" } ], "format": "json" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "mistralai/mistral-embed-2312" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "budget": { "maximum": 8192, "text_unit": "بايتات UTF8", "token_unit": "عناصر مصفوفة الرموز" }, "conditions": "دفعة متجانسة غير فارغة. معرّفات التوكنات أعداد صحيحة غير سالبة.", "default": null, "default_known": false, "enum": null, "enum_known": false, "min_items": 1, "name": "input", "required": true, "type": "string|string[]|integer[]|integer[][]" }, { "availability": "source_interface", "default": "float", "default_known": true, "enum": [ "float" ], "enum_known": true, "name": "encoding_format", "required": false, "type": "string" }, { "availability": "unsupported", "default": null, "default_known": false, "enum": null, "enum_known": false, "minimum": 1, "name": "dimensions", "required": false, "type": "integer" }, { "availability": "pass_through_metadata", "conditions": "يسمح المصدر بحقل البيانات الوصفية هذا بصيغة JSON؛ ويعتمد المعنى الدقيق لدى المزوّد الأصلي على النموذج.", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "user", "required": false, "type": "json_value" }, { "availability": "pass_through_metadata", "conditions": "يسمح المصدر بحقل البيانات الوصفية هذا بصيغة JSON؛ ويعتمد المعنى الدقيق لدى المزوّد الأصلي على النموذج.", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "session_id", "required": false, "type": "json_value" }, { "availability": "pass_through_metadata", "conditions": "يسمح المصدر بحقل البيانات الوصفية هذا بصيغة JSON؛ ويعتمد المعنى الدقيق لدى المزوّد الأصلي على النموذج.", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "trace", "required": false, "type": "json_value" }, { "availability": "source_interface", "conditions": "تم رفض provider.options", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "provider", "required": false, "type": "object" } ], "profile_binding": "Exact existing Ailoot model and method; interface constraints below do not assert provider qualification.", "unsupported": [ "mixed input kinds", "empty input", "image/audio/file objects", "encoding_format=base64", "dimensions override" ] }, "hints": [ "احتفظ بفهرس كل متجه وبُعده.", "اسم النموذج متعدد الوسائط لا يتيح استخدام كائنات الصور على هذا المسار المحدد." ], "input": { "content_type": "application/json", "dimensions_override": false, "encoding_format": [ "float" ], "input_shapes": [ "string", "string[]", "nonnegative_integer_token_array", "nonnegative_integer_token_array[]" ], "material_types": [ "text", "token_ids" ], "max_input_budget_units": 8192, "multimodal_objects": false, "required": [ "model", "input" ] }, "lifecycle": { "mode": "synchronous_json", "unknown": "no embedding job endpoint inferred" }, "manufacturer_capability": null, "method": { "http": "POST", "path": "/v1/embeddings" }, "method_aliases": [], "operation_modes": [ "text_to_embedding" ], "output": { "default_dimensions": null, "family": "embedding", "format": "json", "http_success": 200, "vectors": "one dense float vector per input; indices/model/usage validated" } }, "ctx": 8192, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "التعرفات الأساسية للرموز", "units": [ { "amount": "0.0002000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000002", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"mistralai/mistral-embed-2312\", \"input\": [\"First document\", \"Second document\"]}')\n\nPath(\"request.json\").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path(\"result.json\").read_text())\nfor x in r.get(\"data\",[]): print(json.dumps({\"index\":x.get(\"index\"),\"embedding\":x.get(\"embedding\")}))\nPY_RESULT\n", "label": "curl · retained exact creation", "language": "bash" }, { "code": "from openai import OpenAI\nimport os\n\nclient=OpenAI(base_url=\"https://api.ailoot.ai/v1\",api_key=os.environ[\"AILOOT_API_KEY\"],max_retries=0)\nresult=client.embeddings.create(model='mistralai/mistral-embed-2312',input=[\"First document\",\"Second document\"])\nprint(result)\nfor item in result.data:print(item.index,item.embedding)\n", "label": "Python SDK · all vectors", "language": "python" } ], "family": "openai", "fast_multiplier": 1, "flex_multiplier": 1, "fmt": "embeddings", "hints": [ "Keep every vector index and dimension.", "Multimodal model name does not admit image objects on this exact path." ], "http": "POST", "in": 0.2, "input": [ "text", "token_ids" ], "label": "Эмбеддинги", "max_out": null, "max_reasoning_effort_multiplier": 1, "method_aliases": [], "out": 0, "output": [ "embedding" ], "path": "/v1/embeddings", "price_conditions": [ { "label": "الوضع السريع", "value": "التعرفة القياسية", "when": "عند اختيار الوضع السريع" }, { "label": "الوضع المرن", "value": "التعرفة القياسية", "when": "عند اختيار وضع flex" }, { "label": "أقصى جهد للاستدلال", "value": "التعرفة القياسية", "when": "عندما يُطبَّق الضبط الافتراضي default مع أقصى جهد للاستدلال" } ], "pricing": { "billing_mode": "token", "image_input_price": null, "image_output_price": null, "per_request_price": null }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0.0002000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000002", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "request_model_id": "mistralai/mistral-embed-2312", "route_label": "Ultra", "status_reads": [], "tiers": [], "units": [ { "amount": "0.0002000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000002", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } } ], "model_id": "mistralai/mistral-embed-2312", "nativeProvenance": { "input_facts_canonical_sha256": "038363b9cf50a40923bafc1c55cc5c3ec7bd1f7262dd62e8e5b7601f8ac03db4", "input_html_sha256": "9b34e14aa2ccef716bf93198ec070e5b1b0a5dad30037e1a61a0dbf74572db60", "private_audit_sha256": "a96e66faba31619476b1e54eae6fab00b6c5d72c5c29bedd0507e37fdd93eaaf", "role": "historical-normalized-input-audit-hashes", "schema": "ailoot-native-model-provenance-v2" }, "page": { "canonical": "https://ailoot.ai/models/ar/mistralai-mistral-embed-2312/", "description": "يحوّل Mistral Embed 2312 النص إلى متجهات ذات 1,024 بُعدًا للبحث الدلالي والاسترجاع وتحليل النصوص المترابطة. توثّق صفحة الجهة المصنّعة سياقًا من 8k؛ والنتيجة تمثيل عددي مرتبط بكل مدخل، وليست إجابة مولّدة.", "locale": "ar", "md_url": "https://ailoot.ai/models/ar/mistralai-mistral-embed-2312/index.md", "title": "Mistral: Mistral Embed 2312 — Ailoot", "url": "https://ailoot.ai/models/ar/mistralai-mistral-embed-2312/" }, "rawModel": { "about": "Mistral Embed 2312 هو نموذج Mistral AI لتضمين النص وتمثيل المعنى عدديًا. يقبل سلسلة نصية أو قائمة سلاسل ويعيد تضمينًا لكل مدخل. النتيجة متجه يستخدمه التطبيق للتشابه أو الاسترجاع أو التصنيف أو التجميع العنقودي، بدلًا من تفسير حواري. تحدد صفحة النموذج الثابتة لدى الجهة المصنّعة المعرّف mistral-embed-2312.\n\nالمدخل والسياق وشكل المتجه\n\nتوثّق صفحة النموذج المحدد وسم سياق من 8k. جهّز كل عنصر نصي ضمن سعة المدخل المنطبقة واحتفظ بهويته مع متجهه. يمكن تقسيم مستند مصدري طويل إلى مقاطع مفيدة، مع الحفاظ على عنوان المستند والقسم وموضع المصدر اللازمة لإعادة المادة الصحيحة لاحقًا.\n\nيحدد دليل Mistral Embed لدى الجهة المصنّعة 1,024 بُعدًا لكل تضمين نصي، بصرف النظر عن طول المدخل الظاهر. لذلك يكون لسؤال قصير ومقطع أطول شكل المتجه نفسه رغم اختلاف المحتوى وعدد الرموز. هذا بُعد تمثيل المخرج، وليس ميزانية رموز إجابة أو مقياسًا لعدد كلمات المصدر المحتفظ بها.\n\nتتضمن الاستجابة الموثّقة التضمينات ومعلومات استخدام الرموز؛ ويربط مثال النقطة النهائية كل متجه بفهرس مدخل. حافظ على هذا الربط عند معالجة عدة نصوص. يحتاج التطبيق إلى النص الأصلي ومعرّفاته إلى جانب النتيجة العددية لعرض نتيجة بحث مفيدة أو توفير مادة مصدرية لخطوة لاحقة.\n\nالتشابه الدلالي\n\nيوضح الدليل أن النصوص المترابطة تميل إلى التقارب في فضاء التضمين. يدعم ذلك العثور على مقاطع تستخدم كلمات مختلفة للتعبير عن الموضوع أو المتطلب نفسه. قد يسأل استعلام توضيحي في قاعدة معرفة عن استعادة الوصول، بينما يستخدم الإجراء ذو الصلة عبارة مختلفة للعملية نفسها. يستطيع التطبيق مقارنة متجه الاستعلام بمتجهات المقاطع المخزّنة بدلًا من الاعتماد على المطابقة الحرفية للكلمات وحدها.\n\nتستخدم أمثلة الجهة المصنّعة تضمينات مطبّعة إلى طول الوحدة. تعطي مقارنة جيب التمام والناتج النقطي والمسافة الإقليدية لهذه المتجهات ترتيبات تشابه متسقة، رغم أن قيمها العددية ليست متطابقة. اختر طريقة مقارنة مناسبة واحدة وطبّقها بصورة متسقة على تمثيلات الاستعلام والمستند.\n\nلا يثبت التشابه قابلية عبارتين للاستبدال. احتفظ بالنص المصدري وافحص الشرط أو التاريخ أو المعرّف المهم للسؤال. قد تتناول فقرتان الموضوع نفسه مع وصف إجراءات أو استثناءات مختلفة. يقدّم التضمين إشارة استرجاع؛ ويُعد تفسير المقطع المختار جزءًا منفصلًا من المهمة.\n\nالاسترجاع والإجابات المستندة إلى المصادر\n\nيجهّز سير عمل مستندات عملي متجهات لمقاطع قاعدة المعرفة، ويخزّن معرّفاتها ونصها الأصلي، ثم يقارن سؤالًا جديدًا بتلك المجموعة. أعد المقاطع ذات الصلة مع مواضعها المصدرية. يستطيع التطبيق عرض هذه المقاطع مباشرةً أو تقديمها لنموذج توليد نص يكتب إجابة مستندة إلى المادة المسترجعة.\n\nلنتيجة بحث مفيدة، احتفظ بعنوان المستند والقسم والمقطع والمعرّف المستخدم للعثور عليه. يستطيع مساعد دعم حينئذ استرجاع الإجراء المرتبط بسؤال المستخدم وتمريره إلى مرحلة كتابة الإجابة. ينفّذ Mistral Embed خطوة التمثيل العددي؛ ولا يكتب بنفسه التفسير النهائي أو ينفّذ إجراءً خارجيًا.\n\nاستخدامات أخرى موثّقة\n\nتدرج الجهة المصنّعة أيضًا اكتشاف إعادة الصياغة والتصنيف والتجميع العنقودي والمعالجة بالدفعات ضمن مسارات عمل التضمين. تستطيع مهمة مقارنة استرجاع مقاطع ذات معنى مترابط للمراجعة. ويمكن لسير عمل تصنيف مقارنة مدخل بأمثلة موسومة أو استخدام المتجهات سماتٍ لمصنّف منفصل. ويمكن لسير عمل تجميع عنقودي تجميع عناصر متشابهة لوصف لاحق من شخص أو على مستوى التطبيق.\n\nحدّد غرض التمثيل قبل إعداد البيانات. ينبغي لمقطع مستخدم في البحث الدلالي الحفاظ على المعلومات التي سيحتاج إليها شخص بعد الاسترجاع؛ وينبغي لمثال تصنيف تضمين الصياغة التي تميّز الفئة. حافظ على اتساق الإعداد حتى يمثّل الاستعلام والعنصر المخزّن مادة قابلة للمقارنة.\n\nالإصدار وحدود المخرجات\n\nاستخدم إصدار النموذج نفسه وتمثيلًا متوافقًا للمستندات واستعلاماتها. لا ينتمي متجه يحمل العدد نفسه من الإحداثيات من نموذج آخر تلقائيًا إلى الفضاء الدلالي نفسه. يتطلب استبدال النموذج أو التمثيل بقاء العناصر المخزّنة والاستعلامات متوافقة.\n\nيصف هذا الإدخال مدخلًا نصيًا ومخرج متجه عددي، مع سياق 8k لدى الجهة المصنّعة وتمثيل Mistral Embed الموثّق ذي 1,024 بُعدًا. تنتمي الأبعاد القابلة للضبط والتنسيقات المكمّمة في Codestral Embed إلى نموذج الشيفرة المسمى بصورة منفصلة، ولا ينبغي افتراضها هنا. الصور والصوت والنص المولّد وتنفيذ الأدوات قدرات منفصلة خارج نتيجة التضمين النصي هذه.", "alias_of": null, "aliases": [], "author": "Mistral", "available": null, "canonical_model": "mistralai/mistral-embed-2312", "capabilities": { "context_length": 8192, "manufacturer_input": [ "text" ], "manufacturer_output": [ "embeddings" ] }, "card_routes": [ { "label": "Ultra", "rates": [ { "amount": "0.0002000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000002", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" } ], "summary": "التسعير الكامل للتكوين في التفاصيل." } ], "ctx": 8192, "entity_type": "model", "formats": [ "embeddings" ], "id": "mistralai/mistral-embed-2312", "input": [ "text", "token_ids" ], "kind": "embedding", "max_out": null, "methods": [ { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Keep every vector with its index. Vector count must equal input count; dimensions must be consistent.", "errors": [ { "code": null, "condition": "حقول مطلوبة أو تمثيل مادة أو قيمة معلمة غير صحيحة", "http_status": 400, "recovery": "صحّح الحقول المحددة قبل طلب إنشاء جديد.", "type": "invalid_request_error" } ], "hints": [], "ignored_fields": [], "lifecycle": { "create": { "http": "POST", "path": "/v1/embeddings" }, "job_read": null, "mode": "synchronous_json", "unknown": "لا تُستحدث نقطة نهاية لمهام التضمين." }, "material_combinations": [ { "alternatives": [ "string", "string[]", "nonnegative_integer_token_array", "nonnegative_integer_token_array[]" ], "mode": "text_to_embedding" } ], "operation_modes": [ "single_embedding", "batched_embeddings" ], "outputs": { "all_results": "احتفظ بكل متجه مع فهرسه. يجب أن يساوي عدد المتجهات عدد المدخلات، وأن تكون الأبعاد متسقة.", "default_dimensions": null, "family": "embedding", "fields": [ { "description": null, "name": "object", "type": "string" }, { "description": null, "name": "model", "type": "string" }, { "description": null, "name": "data[].index", "type": "integer" }, { "description": null, "name": "data[].embedding", "type": "finite float[]" }, { "description": null, "name": "usage", "type": "object" } ], "format": "json" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "mistralai/mistral-embed-2312" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "budget": { "maximum": 8192, "text_unit": "بايتات UTF8", "token_unit": "عناصر مصفوفة الرموز" }, "conditions": "دفعة متجانسة غير فارغة. معرّفات التوكنات أعداد صحيحة غير سالبة.", "default": null, "default_known": false, "enum": null, "enum_known": false, "min_items": 1, "name": "input", "required": true, "type": "string|string[]|integer[]|integer[][]" }, { "availability": "source_interface", "default": "float", "default_known": true, "enum": [ "float" ], "enum_known": true, "name": "encoding_format", "required": false, "type": "string" }, { "availability": "unsupported", "default": null, "default_known": false, "enum": null, "enum_known": false, "minimum": 1, "name": "dimensions", "required": false, "type": "integer" }, { "availability": "pass_through_metadata", "conditions": "يسمح المصدر بحقل البيانات الوصفية هذا بصيغة JSON؛ ويعتمد المعنى الدقيق لدى المزوّد الأصلي على النموذج.", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "user", "required": false, "type": "json_value" }, { "availability": "pass_through_metadata", "conditions": "يسمح المصدر بحقل البيانات الوصفية هذا بصيغة JSON؛ ويعتمد المعنى الدقيق لدى المزوّد الأصلي على النموذج.", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "session_id", "required": false, "type": "json_value" }, { "availability": "pass_through_metadata", "conditions": "يسمح المصدر بحقل البيانات الوصفية هذا بصيغة JSON؛ ويعتمد المعنى الدقيق لدى المزوّد الأصلي على النموذج.", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "trace", "required": false, "type": "json_value" }, { "availability": "source_interface", "conditions": "تم رفض provider.options", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "provider", "required": false, "type": "object" } ], "profile_binding": "Exact existing Ailoot model and method; interface constraints below do not assert provider qualification.", "unsupported": [ "mixed input kinds", "empty input", "image/audio/file objects", "encoding_format=base64", "dimensions override" ] }, "hints": [ "احتفظ بفهرس كل متجه وبُعده.", "اسم النموذج متعدد الوسائط لا يتيح استخدام كائنات الصور على هذا المسار المحدد." ], "input": { "content_type": "application/json", "dimensions_override": false, "encoding_format": [ "float" ], "input_shapes": [ "string", "string[]", "nonnegative_integer_token_array", "nonnegative_integer_token_array[]" ], "material_types": [ "text", "token_ids" ], "max_input_budget_units": 8192, "multimodal_objects": false, "required": [ "model", "input" ] }, "lifecycle": { "mode": "synchronous_json", "unknown": "no embedding job endpoint inferred" }, "manufacturer_capability": null, "method": { "http": "POST", "path": "/v1/embeddings" }, "method_aliases": [], "operation_modes": [ "text_to_embedding" ], "output": { "default_dimensions": null, "family": "embedding", "format": "json", "http_success": 200, "vectors": "one dense float vector per input; indices/model/usage validated" } }, "ctx": 8192, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "التعرفات الأساسية للرموز", "units": [ { "amount": "0.0002000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000002", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"mistralai/mistral-embed-2312\", \"input\": [\"First document\", \"Second document\"]}')\n\nPath(\"request.json\").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path(\"result.json\").read_text())\nfor x in r.get(\"data\",[]): print(json.dumps({\"index\":x.get(\"index\"),\"embedding\":x.get(\"embedding\")}))\nPY_RESULT\n", "label": "curl · retained exact creation", "language": "bash" }, { "code": "from openai import OpenAI\nimport os\n\nclient=OpenAI(base_url=\"https://api.ailoot.ai/v1\",api_key=os.environ[\"AILOOT_API_KEY\"],max_retries=0)\nresult=client.embeddings.create(model='mistralai/mistral-embed-2312',input=[\"First document\",\"Second document\"])\nprint(result)\nfor item in result.data:print(item.index,item.embedding)\n", "label": "Python SDK · all vectors", "language": "python" } ], "family": "openai", "fast_multiplier": 1, "flex_multiplier": 1, "fmt": "embeddings", "hints": [ "Keep every vector index and dimension.", "Multimodal model name does not admit image objects on this exact path." ], "http": "POST", "in": 0.2, "input": [ "text", "token_ids" ], "label": "Эмбеддинги", "max_out": null, "max_reasoning_effort_multiplier": 1, "method_aliases": [], "out": 0, "output": [ "embedding" ], "path": "/v1/embeddings", "price_conditions": [ { "label": "الوضع السريع", "value": "التعرفة القياسية", "when": "عند اختيار الوضع السريع" }, { "label": "الوضع المرن", "value": "التعرفة القياسية", "when": "عند اختيار وضع flex" }, { "label": "أقصى جهد للاستدلال", "value": "التعرفة القياسية", "when": "عندما يُطبَّق الضبط الافتراضي default مع أقصى جهد للاستدلال" } ], "pricing": { "billing_mode": "token", "image_input_price": null, "image_output_price": null, "per_request_price": null }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0.0002000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000002", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "request_model_id": "mistralai/mistral-embed-2312", "route_label": "Ultra", "status_reads": [], "tiers": [], "units": [ { "amount": "0.0002000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000002", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "model_aliases": [ { "canonical_model_id": "mistralai/mistral-embed-2312", "request_model_id": "mistralai/mistral-embed-2312", "route_label": "Ultra" } ], "name": "Mistral: Mistral Embed 2312", "price": { "in": 0.2, "in_label": null, "out": 0, "out_label": null, "scope_label": "Token rates", "sort_in": 0.2, "sort_out": 0, "varies": false }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Эмбеддинги · Base token rates", "units": [ { "amount": "0.0002000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000002", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "public_id": "mistralai/mistral-embed-2312", "short": "يحوّل Mistral Embed 2312 النص إلى متجهات ذات 1,024 بُعدًا للبحث الدلالي والاسترجاع وتحليل النصوص المترابطة. توثّق صفحة الجهة المصنّعة سياقًا من 8k؛ والنتيجة تمثيل عددي مرتبط بكل مدخل، وليست إجابة مولّدة." }, "renderer_schema": { "method_order": "Original DTO methods order; every exact route/format/path/caller survives.", "prices": "Original public DTO fields and original native display HTML; no flattened or normalized offers." }, "representation": "exact-public-dto-and-native-renderer-html", "representationNotes": { "current_reference": { "about_json_pointer": "/aboutHtml", "methods": [ { "contract_json_pointer": "/methods/0/rawMethod/contract", "html_json_pointer": "/methods/0/html", "method_ordinal": 0 } ], "role": "current-semantic-reference" }, "raw_input": { "examples_role": "historical-input-not-current-ready-examples", "json_pointers": [ "/rawModel", "/methods/0/rawMethod" ], "role": "historical-owner-input" }, "schema": "ailoot-native-model-representations-v1" }, "schema": "ailoot-static-model-facts-v1", "schema_version": 1, "shortText": "يحوّل Mistral Embed 2312 النص إلى متجهات ذات 1,024 بُعدًا للبحث الدلالي والاسترجاع وتحليل النصوص المترابطة. توثّق صفحة الجهة المصنّعة سياقًا من 8k؛ والنتيجة تمثيل عددي مرتبط بكل مدخل، وليست إجابة مولّدة.", "source": { "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1", "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036", "raw_model_json_sha256": "9fbc489c0455e96648c2285eaa9fd5760985759d1049bd85c5c2699f8d939093", "renderer_sha256": "081ee0fd5b6b1b60564b02c52d62547e01e922c8c0a16e91a0d055073e76a10e" }, "sourceRevision": "150273b5d074c6ff457927abfd71dd9f17a66c5b8de35ac854edb12697c99684" }