Mistral: Codestral Embed 2505 مقابل Perplexity: Embed V1 4B
مقارنة جنبًا إلى جنب بين Mistral: Codestral Embed 2505 (0.52 US$ / مليون رمز (≈ 1.97 ر.س.)) وPerplexity: Embed V1 4B (0.11 US$ / مليون رمز (≈ 0.39 ر.س.)) باستخدام الأسعار الحالية بالدولار والقدرات من كتالوج api14. يعمل كلاهما عبر API نفسها المتوافقة مع OpenAI.
المواصفات
| Mistral: Codestral Embed 2505 | Perplexity: Embed V1 4B | |
|---|---|---|
| المزوّد | Mistral | Perplexity |
| الإدخال | 0.52 US$ / مليون رمز (≈ 1.97 ر.س.) | 0.11 US$ / مليون رمز (≈ 0.39 ر.س.) |
| نافذة السياق | 8,192 | 32,000 |
| الحد الأقصى للإخراج | 6,553 | 28,800 |
| الإدخال | text | text |
| الإخراج | embeddings | embeddings |
| استدعاء الأدوات | ||
| المخرجات المنظّمة | ||
| التحكم في الاستدلال | ||
| تاريخ الإضافة | 30/10/2025 | 16/03/2026 |
أبرز الفروق
- Perplexity: Embed V1 4B أرخص بنسبة 80% في رموز الإدخال.
- يقرأ Perplexity: Embed V1 4B سياقًا أكبر بمقدار 3.9× (32,000 رمز).
بالتفصيل
Mistral: Codestral Embed 2505 هو نموذج تضمينات من Mistral، صدر في 2025-10-30. Perplexity: Embed V1 4B هو نموذج تضمينات من Perplexity، صدر في 2026-03-16. يقع كلاهما في فئة التضمينات، لذا لا ينتج أي منهما إكمالات محادثة أو نصا حرا. يأخذ كل منهما نصا ويعيد تضمينات، مما يجعلهما وحدات بناء للبحث والاسترجاع والتجميع وإزالة التكرار وخطوط المعالجة المشابهة بدلا من مساعدين تتحدث إليهم.
أوضح فرق بينهما هو طول السياق. يقبل Codestral Embed 2505 حتى 8192 رمزا لكل إدخال، بينما يقبل Embed V1 4B حتى 32000 رمز. هذه فجوة تقارب أربعة أضعاف، وهي مهمة عندما تكون وثيقة واحدة أو ملف مصدر أو نص مفرغ طويلا بما يكفي لتصبح مضطرا لتقسيمه لولا ذلك. في الأنماط، الاثنان متطابقان: نص داخلا، تضمينات خارجا، لا شيء آخر. لا يسرد أي منهما أي معاملات مدعومة، لذا لا ينبغي أن تتوقع أزرارا قابلة للضبط مثل الأبعاد أو خيارات التجميع مكشوفة عبر API. كما تصنف المقارنة النوعية Embed V1 4B كالجانب الأرخص في الإدخال، بينما تسعير الإخراج ليس مختلفا بشكل ذي معنى بينهما.
للعمل اليومي، عادة ما يتلخص الاختيار في حجم الإدخال والتكلفة. إذا كنت تضمّن استعلامات قصيرة أو أسماء دوال أو رسائل commit أو عناوين تذاكر أو أجزاء صغيرة من الشيفرة، فإن Codestral Embed 2505 مناسب بشكل معقول ونافذته البالغة 8192 رمزا أكثر من كافية. إذا كنت تضمّن ملفات كاملة أو صفحات توثيق طويلة أو سلاسل دعم أو سياقا متعدد الملفات في تمريرة واحدة، فإن Embed V1 4B هو الخيار الأفضل لأن نافذته البالغة 32000 رمز تتيح لك تجنب التقسيم المكثف، وهو أيضا الأرخص بينهما في الإدخال. التقسيم ليس مجانيا: يضيف شيفرة معالجة مسبقة، وقد يقسم وحدة متماسكة إلى نصفين، ويضاعف عدد المتجهات التي تخزنها وتبحث فيها. يمكن لنافذة أكبر أن تزيل هذا العمل تماما للعديد من المجموعات.
استدعاء أي من النموذجين عبر api14 يعمل بالطريقة نفسها لأن البوابة تكشف API متوافقا مع OpenAI. توجه عميلك الحالي إلى عنوان api14 الأساسي، وترسل نصك إلى نقطة نهاية التضمينات باستخدام مفتاح api14 الخاص بك، وتضبط حقل model على المعرّف الذي تريده. التبديل بينهما تغيير سطر واحد: استخدم "mistralai/codestral-embed-2505" لنموذج Mistral أو "perplexity/pplx-embed-v1-4b" لنموذج Perplexity. تبقى أشكال الطلب والاستجابة كما هي، لذا يمكنك الاحتفاظ بمسار شيفرة واحد واختيار النموذج لكل حمل عمل، أو تشغيل كليهما ومقارنة جودة الاسترجاع على بياناتك الخاصة.
لا تزال هناك حالات يكون فيها Codestral Embed 2505 هو الخيار الصحيح. إذا كانت مدخلاتك قصيرة باستمرار وتريد البقاء مع Mistral، أو إذا كنت موحدا بالفعل على نماذج Mistral في مكان آخر من منظومتك، فإنه يغطي هذا المجال دون أي عيب مرتبط بطول السياق. بما أن أيا من النموذجين لا يكشف معاملات مدعومة وكلاهما نصي فقط، فإن القرار العملي يختزل إلى طول الإدخال وتكلفة الإدخال وتفضيل المزود، وجدول الأسعار المباشر في هذه الصفحة هو المكان الذي تتحقق فيه من الأرقام الحالية قبل أن تلتزم.
بدّل بتغيير سلسلة واحدة
يستخدم النموذجان نقطة النهاية نفسها وبنية الطلب نفسها. غيّر قيمة model من "mistralai/codestral-embed-2505" إلى "perplexity/pplx-embed-v1-4b"، وتستمر الموجّهات والبث والأدوات في العمل.
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api14.com/api/v1",
apiKey: process.env.API14_API_KEY,
});
const result = await client.embeddings.create({
"model": "perplexity/pplx-embed-v1-4b",
"input": [
"The quick brown fox",
"Lorem ipsum"
]
});
console.log(result.data.map((d) => d.embedding.length));
مقارنات أخرى
- Amazon: Titan Multimodal Embeddings G1 مقابل Amazon: Titan Embeddings G1 - Text
- Amazon: Titan Multimodal Embeddings G1 مقابل Amazon: Titan Text Embeddings V2
- Amazon: Titan Multimodal Embeddings G1 مقابل Cohere: Embed 5 Fast
- Amazon: Titan Multimodal Embeddings G1 مقابل Cohere: Embed 5 Pro
- Amazon: Titan Embeddings G1 - Text مقابل Amazon: Titan Text Embeddings V2
- Amazon: Titan Embeddings G1 - Text مقابل Cohere: Embed 5 Fast
- Amazon: Titan Embeddings G1 - Text مقابل Cohere: Embed 5 Pro
- Amazon: Titan Text Embeddings V2 مقابل Cohere: Embed 5 Fast