Mistral: Mistral Embed 2312
Mistral Embed 2312 matnni semantik qidiruv, topish va bog‘liq matnni tahlil qilish uchun 1 024 o‘lchamli vektorlarga aylantiradi. Ishlab chiqaruvchi sahifasi 8k kontekstni hujjatlashtiradi; natija yaratilgan javob emas, har bir kirishga bog‘langan raqamli ifodadir.
Model haqida
Bu tavsif model imkoniyatlarini yoritadi. Ailoot da tanlangan usul uchun mavjud kirish, chiqish va parametrlar quyida keltirilgan.
Mistral Embed 2312 — ma’noni raqamli ifodalash uchun Mistral AI’ning matn embedding modeli. U matn satri yoki satrlar ro‘yxatini qabul qiladi va har bir kirish uchun embedding qaytaradi. Natija suhbat izohi emas, ilova o‘xshashlik, qidiruv, tasniflash yoki klasterlash uchun ishlatadigan vektordir. Ishlab chiqaruvchining modelga xos sahifasi mistral-embed-2312’ni ko‘rsatadi.
Kirish, kontekst va vektor shakli
Aynan model sahifasi 8k kontekst yorlig‘ini hujjatlashtiradi. Har bir matn elementini qo‘llanadigan kirish sig‘imi doirasida tayyorlang va element identifikatsiyasini vektor bilan saqlang. Uzun manba hujjatini foydali parchalarga bo‘lish mumkin; keyin to‘g‘ri materialni qaytarish uchun kerakli hujjat sarlavhasi, bo‘lim va manba joyini saqlang.
Ishlab chiqaruvchining Mistral Embed qo‘llanmasi kirishning ko‘rinadigan uzunligidan qat’i nazar, har matn embeddingi uchun 1 024 o‘lchamni belgilaydi. Demak, qisqa savol va uzunroq parcha mazmuni hamda token soni farqli bo‘lsa ham bir xil vektor shakliga ega. Bu javob tokenlari budjeti yoki manbaning nechta so‘zi saqlanishi o‘lchovi emas, chiqish ifodasining o‘lchamidir.
Hujjatlashtirilgan javob embeddinglar va token ishlatilishi ma’lumotini saqlaydi; endpoint misoli har bir vektorni kirish indeksiga bog‘laydi. Bir nechta matnni qayta ishlashda shu bog‘liqlikni saqlang. Foydali qidiruv natijasini ko‘rsatish yoki keyingi bosqichga manba materiali berish uchun ilovaga raqamli natija bilan birga asl matn va identifikatorlari ham kerak.
Semantik o‘xshashlik
Qo‘llanma bog‘liq matnlar embedding makonida yaqin bo‘lishga moyilligini tushuntiradi. Bu bir mavzu yoki talabni turli so‘zlar bilan ifodalagan parchalarni topishni qo‘llab-quvvatlaydi. Bilim bazasi so‘rovi misoli kirishni qanday tiklashni so‘rashi, tegishli tartib esa ayni amal uchun boshqa iboradan foydalanishi mumkin. Ilova faqat aniq so‘z mosligiga tayanmasdan, so‘rov vektorini saqlangan parcha vektorlari bilan taqqoslashi mumkin.
Ishlab chiqaruvchi misollari birlik uzunlikka normallangan embeddinglardan foydalanadi. Bunday vektorlarda kosinus o‘xshashligi, skalyar ko‘paytma va Yevklid masofasi raqamli qiymatlari bir xil bo‘lmasa ham izchil o‘xshashlik reytinglarini beradi. Bitta mos taqqoslash usulini tanlang va so‘rov hamda hujjat ifodalarida izchil qo‘llang.
O‘xshashlik ikki bayonot o‘zaro almashtirilishini isbotlamaydi. Manba matnini saqlang va savol uchun muhim shart, sana yoki identifikatorni tekshiring. Ikki parcha bir mavzuga oid bo‘lib, turli tartib-taomil yoki istisnolarni tavsiflashi mumkin. Embedding qidiruv signalini beradi; tanlangan parchani talqin qilish vazifaning alohida qismidir.
Qidiruv va manbaga asoslangan javoblar
Amaliy hujjat jarayoni bilim bazasi parchalari uchun vektorlar tayyorlaydi, ularning identifikatorlari va asl matnini saqlaydi, keyin yangi savolni shu to‘plam bilan taqqoslaydi. Tegishli parchalarni manba joylari bilan qaytaring. Ilova bu parchalarni bevosita ko‘rsatishi yoki topilgan materialga asoslangan javob yozadigan matn yaratish modeliga berishi mumkin.
Foydali qidiruv natijasi uchun hujjat sarlavhasi, bo‘lim, parcha va uni topishga ishlatilgan identifikatorni saqlang. Qo‘llab-quvvatlash yordamchisi keyin foydalanuvchi savoliga tegishli tartibni topib, javob yozish bosqichiga yuborishi mumkin. Mistral Embed raqamli ifodalash bosqichini bajaradi; o‘zi yakuniy izoh yozmaydi yoki tashqi amalni bajarmaydi.
Boshqa hujjatlashtirilgan foydalanishlar
Ishlab chiqaruvchi embedding jarayonlari orasida qayta ifodalarni aniqlash, tasniflash, klasterlash va batch qayta ishlashni ham ko‘rsatadi. Taqqoslash vazifasi tekshirish uchun ma’nosi bog‘liq parchalarni topishi mumkin. Tasniflash jarayoni kirishni yorliqli misollar bilan taqqoslashi yoki vektorlarni alohida tasniflagichga xususiyat sifatida berishi mumkin. Klasterlash jarayoni o‘xshash elementlarni keyingi inson yoki ilova darajasidagi tavsif uchun guruhlashi mumkin.
Ma’lumot tayyorlashdan oldin ifoda maqsadini belgilang. Semantik qidiruv parchasi topilgandan keyin odamga kerak bo‘ladigan ma’lumotni saqlashi, tasniflash misoli esa sinfni farqlaydigan ifodani o‘z ichiga olishi kerak. So‘rov va saqlangan element taqqoslanadigan materialni ifodalashi uchun tayyorlash izchil bo‘lsin.
Nashr va chiqish chegaralari
Hujjatlar va so‘rovlari uchun bir xil model nashri hamda mos ifodadan foydalaning. Boshqa modeldan olingan, koordinatalari soni bir xil vektor avtomatik ravishda ayni semantik makonda bo‘lmaydi. Model yoki ifodani almashtirishda saqlangan elementlar va so‘rovlar mos qolishi kerak.
Bu yozuv ishlab chiqaruvchining 8k konteksti va Mistral Embed’ning hujjatlashtirilgan 1 024 o‘lchamli ifodasi bilan matnli kirish va raqamli vektor chiqishini tavsiflaydi. Codestral Embed’ning sozlanadigan o‘lchamlari va kvantlangan formatlari alohida nomlangan kod modeliga tegishli; ularni bu yerda taxmin qilmaslik kerak. Rasm, audio, yaratilgan nasriy matn va vosita bajarilishi bu matn embedding natijasidan tashqaridagi alohida imkoniyatlardir.
Ailoot Ultra · Embeddinglar POST /v1/embeddings mistralai/mistral-embed-2312
mistralai/mistral-embed-2312Boshlash
Mistral Embed 2312 matnni semantik qidiruv, topish va bog‘liq matnni tahlil qilish uchun 1 024 o‘lchamli vektorlarga aylantiradi. Ishlab chiqaruvchi sahifasi 8k kontekstni hujjatlashtiradi; natija yaratilgan javob emas, har bir kirishga bog‘langan raqamli ifodadir.
- 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/mistral-embed-2312 | 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 $0.0002 / 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/mistral-embed-2312", "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/mistral-embed-2312',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/mistral-embed-2312
Usul yo‘llari taxalluslari
Yuqorida ko‘rsatilgan usul yo‘llaridan foydalaning.
Chaqirish uchun tegishli ID lar
FAQ · Mistral: Mistral Embed 2312
- Qanday kirish ma’lumotlari va natijalar mavjud?
POST /v1/embeddings·mistralai/mistral-embed-2312:text,token_ids→embedding- So‘rov qaysi maydonlardan foydalanadi?
POST /v1/embeddings·mistralai/mistral-embed-2312:model,input,encoding_format,provider- Qanday cheklovlar amal qiladi?
POST /v1/embeddings·mistralai/mistral-embed-2312:ctx:8192;input.budget.maximum:8192(UTF8 baytlari);input.min_items:1