{ "aboutHtml": "

Codestral Embed 2505 הוא מודל ההטמעות של Mistral AI המתמחה באחזור קוד. הוא מקבל טקסט המכיל קוד מקור או שאילתת קוד בשפה טבעית ומחזיר וקטורים מספריים. היצרן מציב אותו לחיפוש במאגרים, לאחזור הקשר לעוזרי קוד, לניתוח דמיון וכפילויות ולקיבוץ קוד לפי הפונקציונליות או המבנה שלו. מזהה המהדורה הקבוע שלו הוא codestral-embed-2505.

קלט וייצוג

קלט קוד יכול להיות פונקציה, קטע מקור קשור או יחידה אחרת בעלת משמעות במאגר. שאילתה בשפה טבעית יכולה לתאר את ההתנהגות שיש לאתר במקום לנקוב בשם הסמל המדויק. ההטמעה מייצגת את הקלט הזה להשוואה; המודל אינו יוצר מימוש חדש או מריץ את הקוד שהוא מקבל.

המהדורה הרשמית מתעדת הקשר קלט מלא של 8,192 טוקנים. לאחזור, היצרן ממליץ על מקטעים בני כ־3,000 תווים עם חפיפה של 1,000 תווים ומציין שמקטעים גדולים יותר עלולים לפגוע באחזור. אלה המלצות להכנת אחזור, ולא מגבלת טוקנים של 3,000 תווים. שמרו את הקובץ, הסמל ומיקום המקור משויכים לכל פריט שהוכן, כדי שהיישום יוכל להחזיר את הקוד הרלוונטי לאחר חיפוש.

דיוק פלט וממדים

מדריך הטמעות הקוד מתעד את סוגי הפלט float,‏ int8,‏ uint8,‏ binary ו־ubinary. Float משתמש בערכי נקודה צפה בדיוק יחיד של 32 ביט. Int8 משתמש במספרים שלמים עם סימן בני 8 ביט בטווח -128 עד 127, ואילו uint8 משתמש בערכים ללא סימן בני 8 ביט בטווח 0 עד 255. Binary ו־ubinary מאחסנים ערכים מכומתים בני ביט יחיד ברכיבים ארוזים בני 8 ביט, באמצעות מכלים עם סימן או ללא סימן, בהתאמה.

ייצוג ארוז בביטים משנה את אורך הרשימה המוחזרת: המדריך מתאר רכיב ארוז אחד לכל שמונה ממדי הטמעה לוגיים. לכן השוואה המודעת לפורמט שונה מהתייחסות לבתים הארוזים כקואורדינטות נקודה צפה רגילות. שמרו את הסוג שנבחר עם הווקטור והשתמשו באותו ייצוג לקוד המאונדקס ולשאילתה שלו.

תיעוד הפרמטרים מציין ממד ברירת מחדל של 1,536 ומקסימום של 3,072. הממדים מסודרים לפי רלוונטיות, והיצרן מתאר שמירת המספר שנבחר של הממדים הראשונים כדרך לבחירת גודל הייצוג. בחרו את הממד בעקביות לאוסף המאוחסן ולשאילתות חדשות. ייצוג קצר יותר או מכומת משנה את התנהגות האחסון וההשוואה; הוא אינו מגדיל את הקשר הקלט או הופך את המודל למחולל קוד.

תכנות בסיוע אחזור

מקרה השימוש הראשון של המהדורה הוא אחזור הקשר להשלמת קוד, לעריכה או להסבר. הכינו יחידות קוד בעלות משמעות ושמרו את גרסת המאגר ואת מזהי המקור. שאלה על אופן הטיפול בשגיאה מסוימת יכולה לאחזר פונקציות קשורות, שהיישום מספק אחר כך למודל קוד עם בקשת השינוי בפועל.

תוצאה מעשית היא קבוצה מדורגת של קטעי מקור עם נתיבי קבצים, סמלים והתוכן הדרוש להבנת התנהגותם. מפתח יכול לפתוח את הקטעים שאוחזרו או להעביר אותם לעוזר. Codestral Embed מבצע את שלב הייצוג; רכיב נפרד בוחר את התוצאות, ומודל יצירה כותב את ההסבר או את הקוד המוצע.

חיפוש סמנטי ודמיון

היצרן מתאר חיפוש קוד באמצעות שאילתות בשפה טבעית או בקוד. מפתח יכול לבקש מימוש של התנהגות גם כאשר שם הפונקציה שונה מניסוח הבקשה. כללו את ההתנהגות ואת התנאים שמבדילים את המימוש המיועד; שאילתה כללית על תת־מערכת שלמה עשויה לאחזר חומר קשור בלי להכריע בשאלה המסוימת.

המהדורה מתארת גם מציאת קוד כמעט כפול או דומה בתפקודו למרות הבדלים לקסיקליים. תוצאות כאלה יכולות לעזור לאתר מימוש לשימוש חוזר או לזהות קוד הזקוק לסקירה נוספת. דמיון במרחב ההטמעות הוא אות לבדיקת המקור; הוא אינו קובע ששני קטעים מתנהגים באופן זהה לכל קלט.

קיבוץ לאשכולות, ניתוח והשוואה

אפשר להשתמש בהטמעות קוד לקיבוץ לפי פונקציונליות או מבנה ולבחינת ההרכב של מאגר. שמרו את הקטעים המקוריים ואת המזהים זמינים, כדי שאדם או שלב מאוחר יותר ביישום יוכלו לפרש קבוצה. אשכול הוא קיבוץ מבוסס ייצוג, ולא תיאור ארכיטקטורה שאומת אוטומטית.

דוגמאות הווקטורים בנקודה צפה של היצרן משתמשות בהטמעות המנורמלות לאורך יחידה, שעבורן דמיון קוסינוס, מכפלה סקלרית ומרחק אוקלידי נותנים דירוגים עקביים. פלט מכומת וארוז בביטים צריך לשמור על טיפול משלו בפורמט, במקום לרשת הנחה לגבי קואורדינטות נקודה צפה גולמיות. נקודת הקצה שפורסמה שומרת גם אינדקסי קלט, וכך עוזרת לשמר את הקשר בין כל וקטור לפריט המקור שלו.

מהדורה וגבולות מעשיים

דף המודל המדויק מציג תהליכי הטמעה ואצוות עם תווית הקשר 8k, ואילו המהדורה נותנת את הערך 8,192 טוקנים. שמרו על מהדורת 2505 הנקובה, על ממד הפלט שנבחר ועל סוגו לאורך תהליך האוסף והשאילתה. זהו פלט וקטורים המכוון לקוד, הנבדל מהשלמת הטקסט של Codestral וממודל הטמעות הטקסט Mistral Embed בעל הממדים הקבועים.

הכינו יחידות קוד שנושאות את ההתנהגות הרלוונטית, שמרו את מיקומי המקור שלהן וציינו את השאלה שיש לאתר. התוצר השימושי הוא ייצוג שניתן לאחזר הקשור לקוד בפועל, התומך בשלב ההסבר, העריכה או סקירת המפתח הבא בלי לבצע את השלב הזה בעצמו.

", "aboutText": "Codestral Embed 2505 הוא מודל ההטמעות של Mistral AI המתמחה באחזור קוד. הוא מקבל טקסט המכיל קוד מקור או שאילתת קוד בשפה טבעית ומחזיר וקטורים מספריים. היצרן מציב אותו לחיפוש במאגרים, לאחזור הקשר לעוזרי קוד, לניתוח דמיון וכפילויות ולקיבוץ קוד לפי הפונקציונליות או המבנה שלו. מזהה המהדורה הקבוע שלו הוא codestral-embed-2505.\n\nקלט וייצוג\n\nקלט קוד יכול להיות פונקציה, קטע מקור קשור או יחידה אחרת בעלת משמעות במאגר. שאילתה בשפה טבעית יכולה לתאר את ההתנהגות שיש לאתר במקום לנקוב בשם הסמל המדויק. ההטמעה מייצגת את הקלט הזה להשוואה; המודל אינו יוצר מימוש חדש או מריץ את הקוד שהוא מקבל.\n\nהמהדורה הרשמית מתעדת הקשר קלט מלא של 8,192 טוקנים. לאחזור, היצרן ממליץ על מקטעים בני כ־3,000 תווים עם חפיפה של 1,000 תווים ומציין שמקטעים גדולים יותר עלולים לפגוע באחזור. אלה המלצות להכנת אחזור, ולא מגבלת טוקנים של 3,000 תווים. שמרו את הקובץ, הסמל ומיקום המקור משויכים לכל פריט שהוכן, כדי שהיישום יוכל להחזיר את הקוד הרלוונטי לאחר חיפוש.\n\nדיוק פלט וממדים\n\nמדריך הטמעות הקוד מתעד את סוגי הפלט float,‏ int8,‏ uint8,‏ binary ו־ubinary. Float משתמש בערכי נקודה צפה בדיוק יחיד של 32 ביט. Int8 משתמש במספרים שלמים עם סימן בני 8 ביט בטווח -128 עד 127, ואילו uint8 משתמש בערכים ללא סימן בני 8 ביט בטווח 0 עד 255. Binary ו־ubinary מאחסנים ערכים מכומתים בני ביט יחיד ברכיבים ארוזים בני 8 ביט, באמצעות מכלים עם סימן או ללא סימן, בהתאמה.\n\nייצוג ארוז בביטים משנה את אורך הרשימה המוחזרת: המדריך מתאר רכיב ארוז אחד לכל שמונה ממדי הטמעה לוגיים. לכן השוואה המודעת לפורמט שונה מהתייחסות לבתים הארוזים כקואורדינטות נקודה צפה רגילות. שמרו את הסוג שנבחר עם הווקטור והשתמשו באותו ייצוג לקוד המאונדקס ולשאילתה שלו.\n\nתיעוד הפרמטרים מציין ממד ברירת מחדל של 1,536 ומקסימום של 3,072. הממדים מסודרים לפי רלוונטיות, והיצרן מתאר שמירת המספר שנבחר של הממדים הראשונים כדרך לבחירת גודל הייצוג. בחרו את הממד בעקביות לאוסף המאוחסן ולשאילתות חדשות. ייצוג קצר יותר או מכומת משנה את התנהגות האחסון וההשוואה; הוא אינו מגדיל את הקשר הקלט או הופך את המודל למחולל קוד.\n\nתכנות בסיוע אחזור\n\nמקרה השימוש הראשון של המהדורה הוא אחזור הקשר להשלמת קוד, לעריכה או להסבר. הכינו יחידות קוד בעלות משמעות ושמרו את גרסת המאגר ואת מזהי המקור. שאלה על אופן הטיפול בשגיאה מסוימת יכולה לאחזר פונקציות קשורות, שהיישום מספק אחר כך למודל קוד עם בקשת השינוי בפועל.\n\nתוצאה מעשית היא קבוצה מדורגת של קטעי מקור עם נתיבי קבצים, סמלים והתוכן הדרוש להבנת התנהגותם. מפתח יכול לפתוח את הקטעים שאוחזרו או להעביר אותם לעוזר. Codestral Embed מבצע את שלב הייצוג; רכיב נפרד בוחר את התוצאות, ומודל יצירה כותב את ההסבר או את הקוד המוצע.\n\nחיפוש סמנטי ודמיון\n\nהיצרן מתאר חיפוש קוד באמצעות שאילתות בשפה טבעית או בקוד. מפתח יכול לבקש מימוש של התנהגות גם כאשר שם הפונקציה שונה מניסוח הבקשה. כללו את ההתנהגות ואת התנאים שמבדילים את המימוש המיועד; שאילתה כללית על תת־מערכת שלמה עשויה לאחזר חומר קשור בלי להכריע בשאלה המסוימת.\n\nהמהדורה מתארת גם מציאת קוד כמעט כפול או דומה בתפקודו למרות הבדלים לקסיקליים. תוצאות כאלה יכולות לעזור לאתר מימוש לשימוש חוזר או לזהות קוד הזקוק לסקירה נוספת. דמיון במרחב ההטמעות הוא אות לבדיקת המקור; הוא אינו קובע ששני קטעים מתנהגים באופן זהה לכל קלט.\n\nקיבוץ לאשכולות, ניתוח והשוואה\n\nאפשר להשתמש בהטמעות קוד לקיבוץ לפי פונקציונליות או מבנה ולבחינת ההרכב של מאגר. שמרו את הקטעים המקוריים ואת המזהים זמינים, כדי שאדם או שלב מאוחר יותר ביישום יוכלו לפרש קבוצה. אשכול הוא קיבוץ מבוסס ייצוג, ולא תיאור ארכיטקטורה שאומת אוטומטית.\n\nדוגמאות הווקטורים בנקודה צפה של היצרן משתמשות בהטמעות המנורמלות לאורך יחידה, שעבורן דמיון קוסינוס, מכפלה סקלרית ומרחק אוקלידי נותנים דירוגים עקביים. פלט מכומת וארוז בביטים צריך לשמור על טיפול משלו בפורמט, במקום לרשת הנחה לגבי קואורדינטות נקודה צפה גולמיות. נקודת הקצה שפורסמה שומרת גם אינדקסי קלט, וכך עוזרת לשמר את הקשר בין כל וקטור לפריט המקור שלו.\n\nמהדורה וגבולות מעשיים\n\nדף המודל המדויק מציג תהליכי הטמעה ואצוות עם תווית הקשר 8k, ואילו המהדורה נותנת את הערך 8,192 טוקנים. שמרו על מהדורת 2505 הנקובה, על ממד הפלט שנבחר ועל סוגו לאורך תהליך האוסף והשאילתה. זהו פלט וקטורים המכוון לקוד, הנבדל מהשלמת הטקסט של Codestral וממודל הטמעות הטקסט Mistral Embed בעל הממדים הקבועים.\n\nהכינו יחידות קוד שנושאות את ההתנהגות הרלוונטית, שמרו את מיקומי המקור שלהן וציינו את השאלה שיש לאתר. התוצר השימושי הוא ייצוג שניתן לאחזר הקשור לקוד בפועל, התומך בשלב ההסבר, העריכה או סקירת המפתח הבא בלי לבצע את השלב הזה בעצמו.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "9462b5eacff320c1d15526f1224c9a89295c9290377f43c5a9de298021d256d7", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "he", "methods": [ { "html": "
•

Mistral: Codestral Embed 2505

Mistral /mistralai/codestral-embed-2505

התחלה

Codestral Embed 2505 מייצג קוד ושאילתות בשפה טבעית כווקטורים לחיפוש במאגרים ולאחזור עבור עוזרי קוד. היצרן מתעד הקשר של 8,192 טוקנים, ממדים הניתנים להגדרה עד 3,072 ופורמטי פלט של נקודה צפה, מספרים שלמים או אריזה ברמת הביט.

סוגי קלט נתמכים
טקסט · token_ids
תוצאות
embedding
על המודל

התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.

Codestral Embed 2505 הוא מודל ההטמעות של Mistral AI המתמחה באחזור קוד. הוא מקבל טקסט המכיל קוד מקור או שאילתת קוד בשפה טבעית ומחזיר וקטורים מספריים. היצרן מציב אותו לחיפוש במאגרים, לאחזור הקשר לעוזרי קוד, לניתוח דמיון וכפילויות ולקיבוץ קוד לפי הפונקציונליות או המבנה שלו. מזהה המהדורה הקבוע שלו הוא codestral-embed-2505.

קלט וייצוג

קלט קוד יכול להיות פונקציה, קטע מקור קשור או יחידה אחרת בעלת משמעות במאגר. שאילתה בשפה טבעית יכולה לתאר את ההתנהגות שיש לאתר במקום לנקוב בשם הסמל המדויק. ההטמעה מייצגת את הקלט הזה להשוואה; המודל אינו יוצר מימוש חדש או מריץ את הקוד שהוא מקבל.

המהדורה הרשמית מתעדת הקשר קלט מלא של 8,192 טוקנים. לאחזור, היצרן ממליץ על מקטעים בני כ־3,000 תווים עם חפיפה של 1,000 תווים ומציין שמקטעים גדולים יותר עלולים לפגוע באחזור. אלה המלצות להכנת אחזור, ולא מגבלת טוקנים של 3,000 תווים. שמרו את הקובץ, הסמל ומיקום המקור משויכים לכל פריט שהוכן, כדי שהיישום יוכל להחזיר את הקוד הרלוונטי לאחר חיפוש.

דיוק פלט וממדים

מדריך הטמעות הקוד מתעד את סוגי הפלט float,‏ int8,‏ uint8,‏ binary ו־ubinary. Float משתמש בערכי נקודה צפה בדיוק יחיד של 32 ביט. Int8 משתמש במספרים שלמים עם סימן בני 8 ביט בטווח -128 עד 127, ואילו uint8 משתמש בערכים ללא סימן בני 8 ביט בטווח 0 עד 255. Binary ו־ubinary מאחסנים ערכים מכומתים בני ביט יחיד ברכיבים ארוזים בני 8 ביט, באמצעות מכלים עם סימן או ללא סימן, בהתאמה.

ייצוג ארוז בביטים משנה את אורך הרשימה המוחזרת: המדריך מתאר רכיב ארוז אחד לכל שמונה ממדי הטמעה לוגיים. לכן השוואה המודעת לפורמט שונה מהתייחסות לבתים הארוזים כקואורדינטות נקודה צפה רגילות. שמרו את הסוג שנבחר עם הווקטור והשתמשו באותו ייצוג לקוד המאונדקס ולשאילתה שלו.

תיעוד הפרמטרים מציין ממד ברירת מחדל של 1,536 ומקסימום של 3,072. הממדים מסודרים לפי רלוונטיות, והיצרן מתאר שמירת המספר שנבחר של הממדים הראשונים כדרך לבחירת גודל הייצוג. בחרו את הממד בעקביות לאוסף המאוחסן ולשאילתות חדשות. ייצוג קצר יותר או מכומת משנה את התנהגות האחסון וההשוואה; הוא אינו מגדיל את הקשר הקלט או הופך את המודל למחולל קוד.

תכנות בסיוע אחזור

מקרה השימוש הראשון של המהדורה הוא אחזור הקשר להשלמת קוד, לעריכה או להסבר. הכינו יחידות קוד בעלות משמעות ושמרו את גרסת המאגר ואת מזהי המקור. שאלה על אופן הטיפול בשגיאה מסוימת יכולה לאחזר פונקציות קשורות, שהיישום מספק אחר כך למודל קוד עם בקשת השינוי בפועל.

תוצאה מעשית היא קבוצה מדורגת של קטעי מקור עם נתיבי קבצים, סמלים והתוכן הדרוש להבנת התנהגותם. מפתח יכול לפתוח את הקטעים שאוחזרו או להעביר אותם לעוזר. Codestral Embed מבצע את שלב הייצוג; רכיב נפרד בוחר את התוצאות, ומודל יצירה כותב את ההסבר או את הקוד המוצע.

חיפוש סמנטי ודמיון

היצרן מתאר חיפוש קוד באמצעות שאילתות בשפה טבעית או בקוד. מפתח יכול לבקש מימוש של התנהגות גם כאשר שם הפונקציה שונה מניסוח הבקשה. כללו את ההתנהגות ואת התנאים שמבדילים את המימוש המיועד; שאילתה כללית על תת־מערכת שלמה עשויה לאחזר חומר קשור בלי להכריע בשאלה המסוימת.

המהדורה מתארת גם מציאת קוד כמעט כפול או דומה בתפקודו למרות הבדלים לקסיקליים. תוצאות כאלה יכולות לעזור לאתר מימוש לשימוש חוזר או לזהות קוד הזקוק לסקירה נוספת. דמיון במרחב ההטמעות הוא אות לבדיקת המקור; הוא אינו קובע ששני קטעים מתנהגים באופן זהה לכל קלט.

קיבוץ לאשכולות, ניתוח והשוואה

אפשר להשתמש בהטמעות קוד לקיבוץ לפי פונקציונליות או מבנה ולבחינת ההרכב של מאגר. שמרו את הקטעים המקוריים ואת המזהים זמינים, כדי שאדם או שלב מאוחר יותר ביישום יוכלו לפרש קבוצה. אשכול הוא קיבוץ מבוסס ייצוג, ולא תיאור ארכיטקטורה שאומת אוטומטית.

דוגמאות הווקטורים בנקודה צפה של היצרן משתמשות בהטמעות המנורמלות לאורך יחידה, שעבורן דמיון קוסינוס, מכפלה סקלרית ומרחק אוקלידי נותנים דירוגים עקביים. פלט מכומת וארוז בביטים צריך לשמור על טיפול משלו בפורמט, במקום לרשת הנחה לגבי קואורדינטות נקודה צפה גולמיות. נקודת הקצה שפורסמה שומרת גם אינדקסי קלט, וכך עוזרת לשמר את הקשר בין כל וקטור לפריט המקור שלו.

מהדורה וגבולות מעשיים

דף המודל המדויק מציג תהליכי הטמעה ואצוות עם תווית הקשר 8k, ואילו המהדורה נותנת את הערך 8,192 טוקנים. שמרו על מהדורת 2505 הנקובה, על ממד הפלט שנבחר ועל סוגו לאורך תהליך האוסף והשאילתה. זהו פלט וקטורים המכוון לקוד, הנבדל מהשלמת הטקסט של Codestral וממודל הטמעות הטקסט Mistral Embed בעל הממדים הקבועים.

הכינו יחידות קוד שנושאות את ההתנהגות הרלוונטית, שמרו את מיקומי המקור שלהן וציינו את השאלה שיש לאתר. התוצר השימושי הוא ייצוג שניתן לאחזר הקשור לקוד בפועל, התומך בשלב ההסבר, העריכה או סקירת המפתח הבא בלי לבצע את השלב הזה בעצמו.

זמין ב-Ailoot · קלט ושיטות

Ailoot Ultra · ייצוגים וקטוריים POST /v1/embeddings
סוגי קלט
text, token_ids
סוגי פלט
embedding
הקשר
⁦8,192⁩ tokens
פורמט פלט
json
שדהסוגדרישהערכים ומגבלותברירת מחדל
שדהmodelסוגstringדרישהחובהערכים ומגבלות
mistralai/codestral-embed-2505
ברירת מחדל—
שדהinputסוגstring|string[]|integer[]|integer[][]דרישהחובהערכים ומגבלות
מספר פריטים מזערי: ⁦1⁩
תנאים: אצווה אחידה שאינה ריקה. מזהי הטוקנים הם מספרים שלמים אי־שליליים.
תקציב קלט: מקסימום: ⁦8,192⁩ · יחידת טקסט: בתים בקידוד UTF8 · יחידת טוקנים: רכיבים במערך טוקנים
ברירת מחדל—
שדהencoding_formatסוגstringדרישהרשותערכים ומגבלות
float
ברירת מחדלfloat
שדהdimensionsסוגintegerדרישהלא נתמךערכים ומגבלות
מינימום: ⁦1⁩
ברירת מחדל—
שדהuserסוגjson_valueדרישהרשותערכים ומגבלות
תנאים: המקור מאפשר שדה מטא־נתונים זה ב־JSON; המשמעות המדויקת אצל הספק תלויה במודל.
ברירת מחדל—
שדהsession_idסוגjson_valueדרישהרשותערכים ומגבלות
תנאים: המקור מאפשר שדה מטא־נתונים זה ב־JSON; המשמעות המדויקת אצל הספק תלויה במודל.
ברירת מחדל—
שדהtraceסוגjson_valueדרישהרשותערכים ומגבלות
תנאים: המקור מאפשר שדה מטא־נתונים זה ב־JSON; המשמעות המדויקת אצל הספק תלויה במודל.
ברירת מחדל—
שדהproviderסוגobjectדרישהרשותערכים ומגבלות
תנאים: provider.options נדחה
ברירת מחדל—
שילובים של חומרי קלט

text_to_embedding

פרמטרים ומחזור חיים של השיטה
פרמטרמפרט
פרמטרcontent_typeמפרטapplication/json
פרמטרrequiredמפרטmodel, input
פרמטרinput_shapesמפרטstring, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[]
פרמטרencoding_formatמפרטfloat
פרמטרdimensions_overrideמפרטfalse
פרמטרmax_input_budget_unitsמפרט8192
פרמטרmultimodal_objectsמפרטfalse
פרמטרmaterial_typesמפרטtext, token_ids

מחזור חיים: synchronous_json

שמרו כל אינדקס וקטור וממד.

שם מודל רב־מודאלי אינו מאפשר אובייקטי תמונה בנתיב המדויק הזה.

תעריפים

מידע תעריפים אינו מוסיף אפשרויות לבקשה. הפרמטרים הנתמכים מפורטים בשיטה שנבחרה.

מצב מהיר
תעריף רגיל כאשר נבחר מצב מהיר
מצב Flex
תעריף רגיל כאשר נבחר מצב flex
מאמץ חשיבה מרבי
תעריף רגיל כאשר מאמץ החשיבה המרבי משתמש בהתאמת ברירת המחדל (default)

תעריפי Ailoot

מחירים לפי תצורה

תצורהטבלת תעריפיםחיוב
תצורהתעריפי הבסיס לטוקניםטבלת תעריפיםתעריף בסיסחיוב
קלט · טוקני קלט $0.0003 / 1K טוקנים
פלט · טוקני פלט $0 / 1K טוקנים
קלט · קריאה מהמטמון — / 1K טוקנים
קלט · כתיבה למטמון — / 1K טוקנים
קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים

לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →

דוגמאות לבקשות

Ailoot Ultra · ייצוגים וקטוריים

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/codestral-embed-2505", "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

קבלה ושמירה של תוצאות

Ailoot Ultra · ייצוגים וקטוריים

json

שמירת כל התוצאות שהושלמו

שמרו כל תגובה מלאה, קובץ ומקטע תוכן שהוחזרו.

שמרו כל וקטור עם האינדקס שלו. מספר הווקטורים חייב להיות שווה למספר פריטי הקלט; מספר הממדים חייב להיות עקבי.

כשצריך לבדוק את התגובה המקורית

לא מתווספת נקודת קצה למשימות הטמעה.

שדות התגובה
שדהסוג
שדהobjectסוגstring
שדהmodelסוגstring
שדהdata[].indexסוגinteger
שדהdata[].embeddingסוגfinite float[]
שדהusageסוגobject
שגיאות והשלבים הבאים
תגובהתנאיהשלב הבא
תגובה⁦400⁩ · invalid_request_errorתנאישדות נדרשים, ייצוג חומר או ערך פרמטר שאינם תקיניםהשלב הבאתקנו את השדות שצוינו לפני בקשת יצירה חדשה.

כינויים

כינויים למודל

Ailoot Ultra mistralai/codestral-embed-2505

כינויים לנתיבי שיטות

השתמשו בנתיבי השיטות המוצגים למעלה.

מזהי מודלים קשורים IDs

mistralai/codestral-embed-2505

", "method_identity": { "effective_request_model_id": "mistralai/codestral-embed-2505", "fmt": "embeddings", "http": "POST", "path": "/v1/embeddings", "request_model_id": "mistralai/codestral-embed-2505", "route_label": "Ultra" }, "method_key": "Ultra|embeddings|/v1/embeddings|mistralai%2Fcodestral-embed-2505", "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": "שדות נדרשים, ייצוג חומר או ערך פרמטר שאינם תקינים", "http_status": 400, "recovery": "תקנו את השדות שצוינו לפני בקשת יצירה חדשה.", "type": "invalid_request_error" } ], "hints": [], "ignored_fields": [], "lifecycle": { "create": { "http": "POST", "path": "/v1/embeddings" }, "job_read": null, "mode": "synchronous_json", "unknown": "לא מתווספת נקודת קצה למשימות הטמעה." }, "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": "שמרו כל וקטור עם האינדקס שלו. מספר הווקטורים חייב להיות שווה למספר פריטי הקלט; מספר הממדים חייב להיות עקבי.", "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/codestral-embed-2505" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "budget": { "maximum": 8192, "text_unit": "בתים בקידוד UTF8", "token_unit": "רכיבים במערך טוקנים" }, "conditions": "אצווה אחידה שאינה ריקה. מזהי הטוקנים הם מספרים שלמים אי־שליליים.", "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": "המקור מאפשר שדה מטא־נתונים זה ב־JSON; המשמעות המדויקת אצל הספק תלויה במודל.", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "user", "required": false, "type": "json_value" }, { "availability": "pass_through_metadata", "conditions": "המקור מאפשר שדה מטא־נתונים זה ב־JSON; המשמעות המדויקת אצל הספק תלויה במודל.", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "session_id", "required": false, "type": "json_value" }, { "availability": "pass_through_metadata", "conditions": "המקור מאפשר שדה מטא־נתונים זה ב־JSON; המשמעות המדויקת אצל הספק תלויה במודל.", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "trace", "required": false, "type": "json_value" }, { "availability": "source_interface", "conditions": "provider.options נדחה", "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": [ "שמרו כל אינדקס וקטור וממד.", "שם מודל רב־מודאלי אינו מאפשר אובייקטי תמונה בנתיב המדויק הזה." ], "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": "תעריפי הבסיס לטוקנים", "units": [ { "amount": "0.0003000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000003", "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/codestral-embed-2505\", \"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/codestral-embed-2505',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": 0.3, "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": "מצב מהיר", "value": "תעריף רגיל", "when": "כאשר נבחר מצב מהיר" }, { "label": "מצב Flex", "value": "תעריף רגיל", "when": "כאשר נבחר מצב flex" }, { "label": "מאמץ חשיבה מרבי", "value": "תעריף רגיל", "when": "כאשר מאמץ החשיבה המרבי משתמש בהתאמת ברירת המחדל (default)" } ], "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": "0.0003000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000003", "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/codestral-embed-2505", "route_label": "Ultra", "status_reads": [], "tiers": [], "units": [ { "amount": "0.0003000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000003", "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/codestral-embed-2505", "nativeProvenance": { "input_facts_canonical_sha256": "4524a0919b504d8959a896900f0ee24845abb61bf9e02c6c944ee98a3742342d", "input_html_sha256": "9cb78def029a2aece7eb892850ec68e0d9ce1def4e5cfa2e3e659eec587e5f86", "private_audit_sha256": "069db179f8df451395c7a39bde19322dba160bdfaf12b0db53c920a6fc659c8f", "role": "historical-normalized-input-audit-hashes", "schema": "ailoot-native-model-provenance-v2" }, "page": { "canonical": "https://ailoot.ai/models/he/mistralai-codestral-embed-2505/", "description": "Codestral Embed 2505 מייצג קוד ושאילתות בשפה טבעית כווקטורים לחיפוש במאגרים ולאחזור עבור עוזרי קוד. היצרן מתעד הקשר של 8,192 טוקנים, ממדים הניתנים להגדרה עד 3,072 ופורמטי פלט של נקודה צפה, מספרים שלמים או אריזה ברמת הביט.", "locale": "he", "md_url": "https://ailoot.ai/models/he/mistralai-codestral-embed-2505/index.md", "title": "Mistral: Codestral Embed 2505 — Ailoot", "url": "https://ailoot.ai/models/he/mistralai-codestral-embed-2505/" }, "rawModel": { "about": "Codestral Embed 2505 הוא מודל ההטמעות של Mistral AI המתמחה באחזור קוד. הוא מקבל טקסט המכיל קוד מקור או שאילתת קוד בשפה טבעית ומחזיר וקטורים מספריים. היצרן מציב אותו לחיפוש במאגרים, לאחזור הקשר לעוזרי קוד, לניתוח דמיון וכפילויות ולקיבוץ קוד לפי הפונקציונליות או המבנה שלו. מזהה המהדורה הקבוע שלו הוא codestral-embed-2505.\n\nקלט וייצוג\n\nקלט קוד יכול להיות פונקציה, קטע מקור קשור או יחידה אחרת בעלת משמעות במאגר. שאילתה בשפה טבעית יכולה לתאר את ההתנהגות שיש לאתר במקום לנקוב בשם הסמל המדויק. ההטמעה מייצגת את הקלט הזה להשוואה; המודל אינו יוצר מימוש חדש או מריץ את הקוד שהוא מקבל.\n\nהמהדורה הרשמית מתעדת הקשר קלט מלא של 8,192 טוקנים. לאחזור, היצרן ממליץ על מקטעים בני כ־3,000 תווים עם חפיפה של 1,000 תווים ומציין שמקטעים גדולים יותר עלולים לפגוע באחזור. אלה המלצות להכנת אחזור, ולא מגבלת טוקנים של 3,000 תווים. שמרו את הקובץ, הסמל ומיקום המקור משויכים לכל פריט שהוכן, כדי שהיישום יוכל להחזיר את הקוד הרלוונטי לאחר חיפוש.\n\nדיוק פלט וממדים\n\nמדריך הטמעות הקוד מתעד את סוגי הפלט float,‏ int8,‏ uint8,‏ binary ו־ubinary. Float משתמש בערכי נקודה צפה בדיוק יחיד של 32 ביט. Int8 משתמש במספרים שלמים עם סימן בני 8 ביט בטווח -128 עד 127, ואילו uint8 משתמש בערכים ללא סימן בני 8 ביט בטווח 0 עד 255. Binary ו־ubinary מאחסנים ערכים מכומתים בני ביט יחיד ברכיבים ארוזים בני 8 ביט, באמצעות מכלים עם סימן או ללא סימן, בהתאמה.\n\nייצוג ארוז בביטים משנה את אורך הרשימה המוחזרת: המדריך מתאר רכיב ארוז אחד לכל שמונה ממדי הטמעה לוגיים. לכן השוואה המודעת לפורמט שונה מהתייחסות לבתים הארוזים כקואורדינטות נקודה צפה רגילות. שמרו את הסוג שנבחר עם הווקטור והשתמשו באותו ייצוג לקוד המאונדקס ולשאילתה שלו.\n\nתיעוד הפרמטרים מציין ממד ברירת מחדל של 1,536 ומקסימום של 3,072. הממדים מסודרים לפי רלוונטיות, והיצרן מתאר שמירת המספר שנבחר של הממדים הראשונים כדרך לבחירת גודל הייצוג. בחרו את הממד בעקביות לאוסף המאוחסן ולשאילתות חדשות. ייצוג קצר יותר או מכומת משנה את התנהגות האחסון וההשוואה; הוא אינו מגדיל את הקשר הקלט או הופך את המודל למחולל קוד.\n\nתכנות בסיוע אחזור\n\nמקרה השימוש הראשון של המהדורה הוא אחזור הקשר להשלמת קוד, לעריכה או להסבר. הכינו יחידות קוד בעלות משמעות ושמרו את גרסת המאגר ואת מזהי המקור. שאלה על אופן הטיפול בשגיאה מסוימת יכולה לאחזר פונקציות קשורות, שהיישום מספק אחר כך למודל קוד עם בקשת השינוי בפועל.\n\nתוצאה מעשית היא קבוצה מדורגת של קטעי מקור עם נתיבי קבצים, סמלים והתוכן הדרוש להבנת התנהגותם. מפתח יכול לפתוח את הקטעים שאוחזרו או להעביר אותם לעוזר. Codestral Embed מבצע את שלב הייצוג; רכיב נפרד בוחר את התוצאות, ומודל יצירה כותב את ההסבר או את הקוד המוצע.\n\nחיפוש סמנטי ודמיון\n\nהיצרן מתאר חיפוש קוד באמצעות שאילתות בשפה טבעית או בקוד. מפתח יכול לבקש מימוש של התנהגות גם כאשר שם הפונקציה שונה מניסוח הבקשה. כללו את ההתנהגות ואת התנאים שמבדילים את המימוש המיועד; שאילתה כללית על תת־מערכת שלמה עשויה לאחזר חומר קשור בלי להכריע בשאלה המסוימת.\n\nהמהדורה מתארת גם מציאת קוד כמעט כפול או דומה בתפקודו למרות הבדלים לקסיקליים. תוצאות כאלה יכולות לעזור לאתר מימוש לשימוש חוזר או לזהות קוד הזקוק לסקירה נוספת. דמיון במרחב ההטמעות הוא אות לבדיקת המקור; הוא אינו קובע ששני קטעים מתנהגים באופן זהה לכל קלט.\n\nקיבוץ לאשכולות, ניתוח והשוואה\n\nאפשר להשתמש בהטמעות קוד לקיבוץ לפי פונקציונליות או מבנה ולבחינת ההרכב של מאגר. שמרו את הקטעים המקוריים ואת המזהים זמינים, כדי שאדם או שלב מאוחר יותר ביישום יוכלו לפרש קבוצה. אשכול הוא קיבוץ מבוסס ייצוג, ולא תיאור ארכיטקטורה שאומת אוטומטית.\n\nדוגמאות הווקטורים בנקודה צפה של היצרן משתמשות בהטמעות המנורמלות לאורך יחידה, שעבורן דמיון קוסינוס, מכפלה סקלרית ומרחק אוקלידי נותנים דירוגים עקביים. פלט מכומת וארוז בביטים צריך לשמור על טיפול משלו בפורמט, במקום לרשת הנחה לגבי קואורדינטות נקודה צפה גולמיות. נקודת הקצה שפורסמה שומרת גם אינדקסי קלט, וכך עוזרת לשמר את הקשר בין כל וקטור לפריט המקור שלו.\n\nמהדורה וגבולות מעשיים\n\nדף המודל המדויק מציג תהליכי הטמעה ואצוות עם תווית הקשר 8k, ואילו המהדורה נותנת את הערך 8,192 טוקנים. שמרו על מהדורת 2505 הנקובה, על ממד הפלט שנבחר ועל סוגו לאורך תהליך האוסף והשאילתה. זהו פלט וקטורים המכוון לקוד, הנבדל מהשלמת הטקסט של Codestral וממודל הטמעות הטקסט Mistral Embed בעל הממדים הקבועים.\n\nהכינו יחידות קוד שנושאות את ההתנהגות הרלוונטית, שמרו את מיקומי המקור שלהן וציינו את השאלה שיש לאתר. התוצר השימושי הוא ייצוג שניתן לאחזר הקשור לקוד בפועל, התומך בשלב ההסבר, העריכה או סקירת המפתח הבא בלי לבצע את השלב הזה בעצמו.", "alias_of": null, "aliases": [], "author": "Mistral", "available": null, "canonical_model": "mistralai/codestral-embed-2505", "capabilities": { "context_length": 8192, "manufacturer_input": [ "text" ], "manufacturer_output": [ "embeddings" ] }, "card_routes": [ { "label": "Ultra", "rates": [ { "amount": "0.0003000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000003", "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": "התמחור המלא של התצורה מופיע בפרטים." } ], "ctx": 8192, "entity_type": "model", "formats": [ "embeddings" ], "id": "mistralai/codestral-embed-2505", "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": "שדות נדרשים, ייצוג חומר או ערך פרמטר שאינם תקינים", "http_status": 400, "recovery": "תקנו את השדות שצוינו לפני בקשת יצירה חדשה.", "type": "invalid_request_error" } ], "hints": [], "ignored_fields": [], "lifecycle": { "create": { "http": "POST", "path": "/v1/embeddings" }, "job_read": null, "mode": "synchronous_json", "unknown": "לא מתווספת נקודת קצה למשימות הטמעה." }, "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": "שמרו כל וקטור עם האינדקס שלו. מספר הווקטורים חייב להיות שווה למספר פריטי הקלט; מספר הממדים חייב להיות עקבי.", "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/codestral-embed-2505" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "budget": { "maximum": 8192, "text_unit": "בתים בקידוד UTF8", "token_unit": "רכיבים במערך טוקנים" }, "conditions": "אצווה אחידה שאינה ריקה. מזהי הטוקנים הם מספרים שלמים אי־שליליים.", "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": "המקור מאפשר שדה מטא־נתונים זה ב־JSON; המשמעות המדויקת אצל הספק תלויה במודל.", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "user", "required": false, "type": "json_value" }, { "availability": "pass_through_metadata", "conditions": "המקור מאפשר שדה מטא־נתונים זה ב־JSON; המשמעות המדויקת אצל הספק תלויה במודל.", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "session_id", "required": false, "type": "json_value" }, { "availability": "pass_through_metadata", "conditions": "המקור מאפשר שדה מטא־נתונים זה ב־JSON; המשמעות המדויקת אצל הספק תלויה במודל.", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "trace", "required": false, "type": "json_value" }, { "availability": "source_interface", "conditions": "provider.options נדחה", "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": [ "שמרו כל אינדקס וקטור וממד.", "שם מודל רב־מודאלי אינו מאפשר אובייקטי תמונה בנתיב המדויק הזה." ], "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": "תעריפי הבסיס לטוקנים", "units": [ { "amount": "0.0003000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000003", "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/codestral-embed-2505\", \"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/codestral-embed-2505',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": 0.3, "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": "מצב מהיר", "value": "תעריף רגיל", "when": "כאשר נבחר מצב מהיר" }, { "label": "מצב Flex", "value": "תעריף רגיל", "when": "כאשר נבחר מצב flex" }, { "label": "מאמץ חשיבה מרבי", "value": "תעריף רגיל", "when": "כאשר מאמץ החשיבה המרבי משתמש בהתאמת ברירת המחדל (default)" } ], "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": "0.0003000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000003", "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/codestral-embed-2505", "route_label": "Ultra", "status_reads": [], "tiers": [], "units": [ { "amount": "0.0003000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000003", "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/codestral-embed-2505", "request_model_id": "mistralai/codestral-embed-2505", "route_label": "Ultra" } ], "name": "Mistral: Codestral Embed 2505", "price": { "in": 0.3, "in_label": null, "out": 0, "out_label": null, "scope_label": "Token rates", "sort_in": 0.3, "sort_out": 0, "varies": false }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Эмбеддинги · Base token rates", "units": [ { "amount": "0.0003000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000003", "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/codestral-embed-2505", "short": "Codestral Embed 2505 מייצג קוד ושאילתות בשפה טבעית כווקטורים לחיפוש במאגרים ולאחזור עבור עוזרי קוד. היצרן מתעד הקשר של 8,192 טוקנים, ממדים הניתנים להגדרה עד 3,072 ופורמטי פלט של נקודה צפה, מספרים שלמים או אריזה ברמת הביט." }, "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": "Codestral Embed 2505 מייצג קוד ושאילתות בשפה טבעית כווקטורים לחיפוש במאגרים ולאחזור עבור עוזרי קוד. היצרן מתעד הקשר של 8,192 טוקנים, ממדים הניתנים להגדרה עד 3,072 ופורמטי פלט של נקודה צפה, מספרים שלמים או אריזה ברמת הביט.", "source": { "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1", "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036", "raw_model_json_sha256": "0e89825fa01643b425f34d831733365206c7f0ebcdfb8d20b59814628e714f8a", "renderer_sha256": "c36bd89b8b0dac234af52bf68530df83530b908ec7a9f2e1de2483fe236ae910" }, "sourceRevision": "b889141854b52bc29540a18d6788372bb927594cb2fbd492b8e94ce4cceb68e0" }