Codestral Embed 2505 مقابل Qwen3 Embedding 4B: سعر API والسياق والميزات

نستخدم ملفات تعريف الارتباط. تُبقيك ملفات تعريف الارتباط وتخزين المتصفح مسجّلًا للدخول وتتذكر تفضيلاتك. وبإذنك نقيس أيضًا كيفية استخدام الموقع. يمكنك في أي وقت. راجع سياسة ملفات تعريف الارتباط.

جديد هنا؟ اكتشف كيف يعمل جولة لمدة دقيقة واحدة في ساحة التجربة والنماذج ومفتاح API الخاص بك.

Mistral: Codestral Embed 2505 مقابل Qwen: Qwen3 Embedding 4B

مقارنة جنبًا إلى جنب بين Mistral: Codestral Embed 2505 (‏0.52 US$ / مليون رمز (≈ ‏1.97 ر.س.‏)) وQwen: Qwen3 Embedding 4B (‏0.07 US$ / مليون رمز (≈ ‏0.26 ر.س.‏)) باستخدام الأسعار الحالية بالدولار والقدرات من كتالوج api14. يعمل كلاهما عبر API نفسها المتوافقة مع OpenAI.

المواصفات

	Mistral: Codestral Embed 2505	Qwen: Qwen3 Embedding 4B
المزوّد	Mistral	Qwen
الإدخال	‏0.52 US$ / مليون رمز (≈ ‏1.97 ر.س.‏)	‏0.07 US$ / مليون رمز (≈ ‏0.26 ر.س.‏)
نافذة السياق	8,192	32,768
الحد الأقصى للإخراج	6,553	29,491
الإدخال	text	text
الإخراج	embeddings	embeddings
استدعاء الأدوات
المخرجات المنظّمة
التحكم في الاستدلال
تاريخ الإضافة	30‏/10‏/2025	28‏/10‏/2025

أبرز الفروق

Qwen: Qwen3 Embedding 4B أرخص بنسبة 87% في رموز الإدخال.
يقرأ Qwen: Qwen3 Embedding 4B سياقًا أكبر بمقدار 4.0× (32,768 رمز).

بالتفصيل

Mistral: Codestral Embed 2505 هو نموذج تضمينات من Mistral، صدر في 30 أكتوبر 2025. Qwen: Qwen3 Embedding 4B هو نموذج تضمينات من Qwen، صدر في 28 أكتوبر 2025. يقع كلاهما في فئة التضمينات، لذا لا يولد أي منهما إكمالات الدردشة؛ ترسل نصا وتحصل على متجهات في المقابل. هذه الغاية المشتركة هي نقطة البداية للمقارنة، لأن الاختيار بينهما يعود إلى حجم السياق والسعر بدلا من أنواع مختلفة من المخرجات.

أوضح فرق هو نافذة السياق. يقبل Codestral Embed 2505 حتى 8,192 رمزا من المدخلات، بينما يقبل Qwen3 Embedding 4B حتى 32,768 رمزا، أي أربعة أضعاف. كلاهما يأخذ النص كمدخل وكلاهما يعيد التضمينات كمخرج، لذا لا توجد فجوة في الأنماط يمكن وزنها: لا يتعامل أي من النموذجين مع الصور أو الصوت أو أي شيء غير النص. لا يسرد أي منهما أي معاملات مدعومة، لذا لا ينبغي أن تتوقع ضبط أخذ العينات أو خيارات مشابهة في أي من الاستدعاءين. من حيث السعر، Qwen3 Embedding 4B هو الأرخص بين الاثنين للمدخلات، ولا تميز بيانات المقارنة بينهما في تكلفة المخرجات.

في العمل العملي، يتبع القرار عادة طول المستندات التي تحتاج إلى تضمينها. إذا كنت تضمن مقاطع قصيرة، أو دوال فردية، أو سلاسل توثيق، أو أجزاء صغيرة من الشيفرة المصدرية، فإن Codestral Embed 2505 يقع بارتياح داخل حد 8,192 رمزا الخاص به، وخلفيته الموجهة نحو الشيفرة تجعله خيارا افتراضيا معقولا للبحث في المستودعات واسترجاع الشيفرة. إذا كانت مدخلاتك ملفات طويلة، أو وحدات كاملة، أو صفحات توثيق مطولة، أو أجزاء كبيرة تفضل عدم تقسيمها، فإن Qwen3 Embedding 4B هو الأنسب لأن نافذة 32,768 رمزا الخاصة به تتيح لك إبقاء المزيد من المستند سليما في طلب واحد، وهو أيضا الخيار الأرخص في المدخلات، وهذا مهم عندما تضمن مجموعة كبيرة من النصوص.

استدعاء أي من النموذجين عبر api14 يعمل بالطريقة نفسها، لأن الواجهة متوافقة مع OpenAI. توجه عميلك الحالي إلى عنوان api14 الأساسي، وترسل نصك إلى نقطة نهاية التضمينات، وتغير فقط معرف النموذج: "mistralai/codestral-embed-2505" لنموذج Mistral أو "qwen/qwen3-embedding-4b" لنموذج Qwen. يبقى شكل طلبك والمصادقة وتحليل الاستجابة متطابقة، لذا يمكنك التبديل بينهما أو تشغيل كليهما جنبا إلى جنب دون إعادة كتابة شيفرة التكامل. يعرض جدول الأسعار المباشر في الصفحة المعدلات الحالية لكل منهما.

لا تزال هناك حالات يكون فيها Codestral Embed 2505 هو الخيار الأفضل رغم النافذة الأصغر. إذا كانت خط أنابيبك تقسم النص بالفعل إلى مقاطع قصيرة، فإن فرق السياق يتوقف عن كونه مهما، ويكون نموذج تضمينات يركز على الشيفرة خيارا منطقيا لفهرسة الشيفرة المصدرية ومطابقة الاستعلامات معها. في تلك الحالة، لا يعد حد 8,192 رمزا قيدا، ويمكنك الاختيار بناء على مدى تمثيل كل نموذج لمحتواك الخاص بدلا من حجم النافذة وحده.

بدّل بتغيير سلسلة واحدة

يستخدم النموذجان نقطة النهاية نفسها وبنية الطلب نفسها. غيّر قيمة model من "mistralai/codestral-embed-2505" إلى "qwen/qwen3-embedding-4b"، وتستمر الموجّهات والبث والأدوات في العمل.

تفاصيل Mistral: Codestral Embed 2505 وساحة التجربة →تفاصيل Qwen: Qwen3 Embedding 4B وساحة التجربة →

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": "qwen/qwen3-embedding-4b",
  "input": [
    "The quick brown fox",
    "Lorem ipsum"
  ]
});
console.log(result.data.map((d) => d.embedding.length));

Mistral: Codestral Embed 2505 مقابل Qwen: Qwen3 Embedding 4B

المواصفات

أبرز الفروق

بالتفصيل

بدّل بتغيير سلسلة واحدة

مقارنات أخرى