Mistral: Codestral Embed 2505
Codestral Embed 2505 kod va tabiiy tildagi so‘rovlarni repozitoriy qidiruvi hamda dasturlash yordamchisi qidiruvi uchun vektorlar sifatida ifodalaydi. Ishlab chiqaruvchi 8 192 tokenli kontekst, 3 072 gacha sozlanadigan o‘lchamlar va suzuvchi nuqtali, butun sonli yoki bitlari zichlangan chiqish formatlarini hujjatlashtiradi.
Model haqida
Bu tavsif model imkoniyatlarini yoritadi. Ailoot da tanlangan usul uchun mavjud kirish, chiqish va parametrlar quyida keltirilgan.
Codestral Embed 2505 — kod qidiruviga ixtisoslashgan Mistral AI embedding modeli. U manba kodi yoki tabiiy tildagi kod so‘rovi bor matnni qabul qiladi va raqamli vektorlarni qaytaradi. Ishlab chiqaruvchi uni repozitoriy qidiruvi, dasturlash yordamchilariga kontekst topish, o‘xshashlik va takrorlarni tahlil qilish, kodni funksiyasi yoki tuzilishiga qarab guruhlash uchun mo‘ljallaydi. Uning qat’iy reliz identifikatori codestral-embed-2505.
Kirish va ifoda
Kod kirishi funksiya, bog‘liq manba bo‘lagi yoki repozitoriyning boshqa mazmunli birligi bo‘lishi mumkin. Tabiiy til so‘rovi aniq simvolni nomlash o‘rniga topiladigan xulqni tavsiflashi mumkin. Embedding shu kirishni taqqoslash uchun ifodalaydi; model yangi implementatsiya yaratmaydi yoki qabul qilgan kodini bajarmaydi.
Rasmiy reliz 8 192 tokenli to‘liq kirish kontekstini hujjatlashtiradi. Qidiruv uchun ishlab chiqaruvchi taxminan 3 000 belgili bo‘laklar va 1 000 belgili ustma-ust qismni tavsiya qiladi, kattaroq bo‘laklar qidiruvni yomonlashtirishi mumkinligini qayd etadi. Bu qidiruvga tayyorlash tavsiyasi; 3 000 belgi token chegarasi emas. Ilova qidiruvdan keyin tegishli kodni qaytara olishi uchun har tayyorlangan elementni fayl, simvol va manba joyiga bog‘lang.
Chiqish aniqligi va o‘lchamlar
Kod embedding qo‘llanmasi float, int8, uint8, binary va ubinary chiqish turlarini hujjatlashtiradi. Float 32 bitli bir karra aniqlikdagi qiymatlardan foydalanadi. Int8 -128 dan 127 gacha ishorali 8 bitli butun sonlarni, uint8 esa 0 dan 255 gacha ishorasiz 8 bitli qiymatlarni ishlatadi. Binary va ubinary kvantlangan bir bitli qiymatlarni zichlangan 8 bitli elementlarda saqlaydi; mos ravishda ishorali yoki ishorasiz konteynerlardan foydalanadi.
Bitlari zichlangan ifoda qaytgan ro‘yxat uzunligini o‘zgartiradi: qo‘llanma har sakkizta mantiqiy embedding o‘lchami uchun bitta zichlangan elementni tasvirlaydi. Demak, formatni hisobga olgan taqqoslash zichlangan baytlarni oddiy suzuvchi nuqtali koordinatalar deb ko‘rishdan farq qiladi. Tanlangan turni vektor bilan saqlang va indekslangan kod hamda so‘rovi uchun bir xil ifodadan foydalaning.
Parametr hujjatlari odatiy o‘lchamni 1 536, maksimumni 3 072 deb beradi. O‘lchamlar dolzarblik bo‘yicha tartiblangan; ishlab chiqaruvchi tanlangan soncha dastlabki o‘lchamlarni saqlashni ifoda hajmini tanlash usuli deb tavsiflaydi. Saqlangan to‘plam va yangi so‘rovlar uchun o‘lchamni izchil tanlang. Qisqaroq yoki kvantlangan ifoda saqlash va taqqoslash xulqini o‘zgartiradi; kirish kontekstini oshirmaydi yoki modelni kod yaratuvchiga aylantirmaydi.
Qidiruv bilan boyitilgan dasturlash
Relizning birinchi qo‘llanishi kodni to‘ldirish, tahrirlash yoki tushuntirish uchun kontekst topishdir. Mazmunli kod birliklarini tayyorlang va repozitoriy reviziyasi hamda manba identifikatorlarini saqlang. Muayyan xato qanday ishlanishi haqidagi savol bog‘liq funksiyalarni topishi mumkin; ilova keyin ularni haqiqiy o‘zgartirish so‘rovi bilan birga dasturlash modeliga beradi.
Amaliy natija — fayl yo‘llari, simvollar va xulqini tushunishga kerakli mazmuni bor reytinglangan manba parchalari to‘plami. Topilgan parchalarni dasturchi ochishi yoki yordamchiga berishi mumkin. Codestral Embed ifodalash bosqichini bajaradi; alohida komponent natijalarni tanlaydi, yaratish modeli esa izoh yoki taklif etilgan kodni yozadi.
Semantik qidiruv va o‘xshashlik
Ishlab chiqaruvchi tabiiy til yoki kod so‘rovlari orqali kod qidirishni tavsiflaydi. Funksiya nomi so‘rov ifodasidan farq qilsa ham dasturchi muayyan xulq implementatsiyasini so‘rashi mumkin. Mo‘ljallangan implementatsiyani farqlaydigan xulq va shartlarni kiriting; butun quyi tizim haqidagi umumiy so‘rov muayyan savolni hal qilmasdan bog‘liq materialni topishi mumkin.
Reliz leksik farqlarga qaramay deyarli takroriy yoki funksional o‘xshash kodni topishni ham tavsiflaydi. Bunday natijalar qayta ishlatiladigan implementatsiyani topish yoki qo‘shimcha tekshiruv talab qiladigan kodni aniqlashga yordam berishi mumkin. Embedding makonidagi o‘xshashlik manbani tekshirish signalidir; ikki bo‘lak har bir kirishda bir xil xulqqa ega ekanini isbotlamaydi.
Klasterlash, tahlil va taqqoslash
Kod embeddinglari kodni funksiyasi yoki tuzilishiga qarab guruhlash va repozitoriy tarkibini tekshirishda ishlatilishi mumkin. Guruhni inson yoki keyingi ilova bosqichi talqin qila olishi uchun asl parchalar va identifikatorlarni mavjud saqlang. Klaster avtomatik tasdiqlangan arxitektura tavsifi emas, ifodaga asoslangan guruhlashdir.
Ishlab chiqaruvchining suzuvchi nuqtali vektor misollari birlik uzunlikka normallangan embeddinglardan foydalanadi; ular uchun kosinus o‘xshashligi, skalyar ko‘paytma va Yevklid masofasi izchil reyting beradi. Kvantlangan va bitlari zichlangan chiqish xom suzuvchi nuqtali koordinatalar haqidagi taxminni meros olish o‘rniga o‘z format ishlovini saqlashi kerak. E’lon qilingan endpoint kirish indekslarini ham saqlaydi; har bir vektor va manba elementi bog‘liqligini saqlashga yordam beradi.
Nashr va amaliy chegaralar
Aynan model sahifasi embedding va batch jarayonlarini 8k kontekst yorlig‘i bilan ko‘rsatadi, reliz esa 8 192 token qiymatini beradi. To‘plam va so‘rov jarayoni davomida nomlangan 2505 nashri, tanlangan chiqish o‘lchami va turini saqlang. Bu Codestral’ning matn to‘ldirishidan va Mistral Embed’ning qat’iy o‘lchamli matn modelidan farqli, kodga yo‘naltirilgan vektor chiqishidir.
Tegishli xulqni saqlaydigan kod birliklarini tayyorlang, manba joylarini saqlang va qidiriladigan savolni ayting. Foydali artefakt — haqiqiy kodga bog‘langan, keyingi tushuntirish, tahrirlash yoki dasturchi tekshiruvi bosqichini o‘zi bajarmasdan qo‘llab-quvvatlaydigan topiladigan ifoda.
Ailoot Ultra · Embeddinglar POST /v1/embeddings mistralai/codestral-embed-2505
mistralai/codestral-embed-2505
mistralai/codestral-embed-2505Boshlash
Codestral Embed 2505 kod va tabiiy tildagi so‘rovlarni repozitoriy qidiruvi hamda dasturlash yordamchisi qidiruvi uchun vektorlar sifatida ifodalaydi. Ishlab chiqaruvchi 8 192 tokenli kontekst, 3 072 gacha sozlanadigan o‘lchamlar va suzuvchi nuqtali, butun sonli yoki bitlari zichlangan chiqish formatlarini hujjatlashtiradi.
- Qabul qilinadigan kirish ma’lumotlari
- Matn · token_ids
- Natijalar
- embedding
Ailoot da mavjud · kirish ma’lumotlari va usullar
Ailoot Ultra · Embeddinglar POST /v1/embeddings
- Kirish
text,token_ids- Chiqish
embedding- Kontekst
- 8 192 tokens
- Chiqish formati
- json
| Maydon | Tur | Talab | Qiymatlar va cheklovlar | Standart |
|---|---|---|---|---|
Maydonmodel | Turstring | TalabMajburiy | Qiymatlar va cheklovlar mistralai/codestral-embed-2505 | Standart— |
Maydoninput | Turstring|string[]|integer[]|integer[][] | TalabMajburiy | Qiymatlar va cheklovlar Elementlarning eng kam soni: 1 Shartlar: Bo‘sh bo‘lmagan, bir xil turdagi elementlardan iborat paket. Token ID lari manfiy bo‘lmagan butun sonlardir. Kirish budjeti: Eng ko‘p: 8 192 · Matn birligi: UTF8 baytlari · Token birligi: Tokenlar massivi elementlari | Standart— |
Maydonencoding_format | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar float | Standartfloat |
Maydondimensions | Turinteger | TalabQo‘llab-quvvatlanmaydi | Qiymatlar va cheklovlar Eng kam: 1 | Standart— |
Maydonuser | Turjson_value | TalabIxtiyoriy | Qiymatlar va cheklovlar Shartlar: Manba ushbu JSON metama’lumot maydoniga ruxsat beradi; uning ta’minotchi xizmatidagi aniq ma’nosi modelga bog‘liq. | Standart— |
Maydonsession_id | Turjson_value | TalabIxtiyoriy | Qiymatlar va cheklovlar Shartlar: Manba ushbu JSON metama’lumot maydoniga ruxsat beradi; uning ta’minotchi xizmatidagi aniq ma’nosi modelga bog‘liq. | Standart— |
Maydontrace | Turjson_value | TalabIxtiyoriy | Qiymatlar va cheklovlar Shartlar: Manba ushbu JSON metama’lumot maydoniga ruxsat beradi; uning ta’minotchi xizmatidagi aniq ma’nosi modelga bog‘liq. | Standart— |
Maydonprovider | Turobject | TalabIxtiyoriy | Qiymatlar va cheklovlar Shartlar: provider.options rad etildi | Standart— |
Kirish materiallari birikmalari
text_to_embedding
Usul parametrlari va hayot sikli
| Parametr | Parametr talablari |
|---|---|
Parametrcontent_type | Parametr talablariapplication/json |
Parametrrequired | Parametr talablarimodel, input |
Parametrinput_shapes | Parametr talablaristring, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[] |
Parametrencoding_format | Parametr talablarifloat |
Parametrdimensions_override | Parametr talablarifalse |
Parametrmax_input_budget_units | Parametr talablari8192 |
Parametrmultimodal_objects | Parametr talablarifalse |
Parametrmaterial_types | Parametr talablaritext, token_ids |
Hayot sikli: synchronous_json
Har bir vektorning indeksi va o‘lchamini saqlang.
Model nomida multimodal deyilgani aynan shu yo‘nalishda rasm obyektlariga ruxsat borligini anglatmaydi.
Tariflar
Tarif ma’lumotlari so‘rov imkoniyatlarini qo‘shmaydi. Qo‘llab-quvvatlanadigan parametrlar tanlangan usulda ko‘rsatilgan.
- Tezkor rejim
- Standart tarif Tezkor rejim tanlanganda
- Flex rejimi
- Standart tarif flex rejimi tanlanganda
- Maksimal fikrlash darajasi
- Standart tarif Maksimal fikrlash darajasi uchun standart (default) tuzatish qo‘llanganda
Ailoot tariflari
Sozlamalar bo‘yicha narxlar
| Sozlama | Tariflar jadvali | To‘lov |
|---|---|---|
| SozlamaTokenlar uchun bazaviy tariflar | Tariflar jadvaliAsosiy tarif | To‘lov Kirish · Kirish tokenlari $0.0003 / 1K token Chiqish · Chiqish tokenlari $0 / 1K token Kirish · Keshdan o‘qish — / 1K token Kirish · Keshga yozish — / 1K token Kirish · Keshga yozish, 1 soat — / 1K token |
Ailoot so‘rovdan oldin taxminiy summani band qiladi. Natijadan keyin o‘lchangan sarf asosidagi yakuniy to‘lovni yechadi. Oqimli javob bo‘yicha yakuniy hisob-kitob yakuniy sarf yozuviga asoslanadi. Summani band qilish va to‘lovni hisoblash tartibi →
So‘rov namunalari
Ailoot Ultra · Embeddinglar
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "mistralai/codestral-embed-2505", "input": ["First document", "Second document"]}')
Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \
-H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
r=json.loads(Path("result.json").read_text())
for x in r.get("data",[]): print(json.dumps({"index":x.get("index"),"embedding":x.get("embedding")}))
PY_RESULT
from openai import OpenAI
import os
client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
result=client.embeddings.create(model='mistralai/codestral-embed-2505',input=["First document","Second document"])
print(result)
for item in result.data:print(item.index,item.embedding)
Natijalarni olish va saqlash
Ailoot Ultra · Embeddinglar
json
Barcha tayyor natijalarni saqlash
Qaytarilgan har bir to‘liq javob, fayl va kontent qismini saqlang.
Har bir vektorni indeksi bilan saqlang. Vektorlar soni kirish elementlari soniga teng bo‘lishi va o‘lchamlar bir xil bo‘lishi kerak.
Asl javobni tekshirish kerak bo‘lsa
Embedding vazifalari uchun endpoint qo‘shilmaydi.
Javob maydonlari
| Maydon | Tur |
|---|---|
Maydonobject | Turstring |
Maydonmodel | Turstring |
Maydondata[].index | Turinteger |
Maydondata[].embedding | Turfinite float[] |
Maydonusage | Turobject |
Xatolar va keyingi qadamlar
| Javob | Shart | Keyingi qadam |
|---|---|---|
Javob400 · invalid_request_error | ShartMajburiy maydonlar, material ifodasi yoki parametr qiymati noto‘g‘ri | Keyingi qadamYangi yaratish so‘rovidan oldin ko‘rsatilgan maydonlarni tuzating. |
Taxalluslar
Model taxalluslari
Ailoot Ultra mistralai/codestral-embed-2505
Usul yo‘llari taxalluslari
Yuqorida ko‘rsatilgan usul yo‘llaridan foydalaning.
Chaqirish uchun tegishli ID lar
FAQ · Mistral: Codestral Embed 2505
- Qanday kirish ma’lumotlari va natijalar mavjud?
POST /v1/embeddings·mistralai/codestral-embed-2505:text,token_ids→embedding- So‘rov qaysi maydonlardan foydalanadi?
POST /v1/embeddings·mistralai/codestral-embed-2505:model,input,encoding_format,provider- Qanday cheklovlar amal qiladi?
POST /v1/embeddings·mistralai/codestral-embed-2505:ctx:8192;input.budget.maximum:8192(UTF8 baytlari);input.min_items:1