Mistral: Codestral Embed 2505 vs. Perplexity: Embed V1 4B
Ein direkter Vergleich von Mistral: Codestral Embed 2505 (0,52 $ / 1 Mio. Tokens (≈ 0,47 €)) und Perplexity: Embed V1 4B (0,11 $ / 1 Mio. Tokens (≈ 0,09 €)) mit aktuellen USD-Preisen und Funktionen aus dem api14-Katalog. Beide laufen über dieselbe OpenAI-kompatible API.
Technische Daten
| Mistral: Codestral Embed 2505 | Perplexity: Embed V1 4B | |
|---|---|---|
| Anbieter | Mistral | Perplexity |
| Eingabe | 0,52 $ / 1 Mio. Tokens (≈ 0,47 €) | 0,11 $ / 1 Mio. Tokens (≈ 0,09 €) |
| Kontextfenster | 8.192 | 32.000 |
| Max. Ausgabe | 6.553 | 28.800 |
| Eingabe | text | text |
| Ausgabe | embeddings | embeddings |
| Tool Calling | ||
| Strukturierte Ausgabe | ||
| Reasoning-Steuerung | ||
| Hinzugefügt | 30.10.2025 | 16.03.2026 |
Die wichtigsten Unterschiede
- Perplexity: Embed V1 4B ist bei Eingabe-Tokens 80% günstiger.
- Perplexity: Embed V1 4B liest 3.9× mehr Kontext (32.000 Tokens).
Im Detail
Mistral: Codestral Embed 2505 ist ein Embeddings-Modell von Mistral, veröffentlicht am 2025-10-30. Perplexity: Embed V1 4B ist ein Embeddings-Modell von Perplexity, veröffentlicht am 2026-03-16. Beide gehören zur Kategorie Embeddings, daher erzeugt keines von beiden Chat-Completions oder freien Text. Jedes nimmt Text entgegen und gibt Embeddings zurück, was sie zu Bausteinen für Suche, Retrieval, Clustering, Deduplizierung und ähnliche Pipelines macht, nicht zu Assistenten, mit denen man spricht.
Der deutlichste Unterschied zwischen ihnen ist die Kontextlänge. Codestral Embed 2505 akzeptiert bis zu 8192 Token pro Eingabe, während Embed V1 4B bis zu 32000 Token akzeptiert. Das ist ungefähr ein vierfacher Unterschied, und er spielt eine Rolle, wenn ein einzelnes Dokument, eine Quelldatei oder ein Transkript lang genug ist, dass man es sonst aufteilen müsste. Bei den Modalitäten sind die beiden identisch: Text rein, Embeddings raus, nichts anderes. Keines listet unterstützte Parameter auf, daher sollte man nicht erwarten, dass abstimmbare Stellschrauben wie Dimensionen oder Pooling-Optionen über die API offengelegt werden. Der qualitative Vergleich markiert Embed V1 4B außerdem als die günstigere Eingabeseite, während sich die Ausgabepreise zwischen ihnen nicht nennenswert unterscheiden.
Für die tägliche Arbeit läuft die Wahl meist auf Eingabegröße und Kosten hinaus. Wenn man kurze Abfragen, Funktionsnamen, Commit-Nachrichten, Ticket-Titel oder kleine Code-Abschnitte einbettet, ist Codestral Embed 2505 eine vernünftige Wahl, und sein Fenster von 8192 Token ist mehr als ausreichend. Wenn man ganze Dateien, lange Dokumentationsseiten, Support-Threads oder Multi-File-Kontext in einem Durchgang einbettet, ist Embed V1 4B die bessere Wahl, weil sein Fenster von 32000 Token es erlaubt, aggressives Chunking zu vermeiden, und es zudem das günstigere der beiden bei der Eingabe ist. Chunking ist nicht kostenlos: Es fügt Vorverarbeitungscode hinzu, es kann eine zusammenhängende Einheit in zwei Hälften teilen, und es vervielfacht die Anzahl der Vektoren, die man speichert und durchsucht. Ein größeres Fenster kann diese Arbeit für viele Korpora vollständig beseitigen.
Beide Modelle über api14 aufzurufen funktioniert auf dieselbe Weise, weil das Gateway eine OpenAI-kompatible API bereitstellt. Man richtet seinen bestehenden Client auf die api14-Basis-URL, sendet seinen Text mit seinem api14-Schlüssel an den Embeddings-Endpunkt und setzt das Feld model auf die gewünschte id. Zwischen ihnen zu wechseln ist eine Änderung von einer Zeile: Man verwendet "mistralai/codestral-embed-2505" für das Mistral-Modell oder "perplexity/pplx-embed-v1-4b" für das Perplexity-Modell. Die Formen von Anfrage und Antwort bleiben gleich, sodass man einen Codepfad beibehalten und das Modell pro Workload wählen kann, oder beide laufen lassen und die Retrieval-Qualität auf den eigenen Daten vergleichen kann.
Es gibt weiterhin Fälle, in denen Codestral Embed 2505 die richtige Wahl ist. Wenn die Eingaben durchgehend kurz sind und man bei Mistral bleiben möchte, oder wenn man sich in seinem Stack an anderer Stelle bereits auf Mistral-Modelle standardisiert hat, deckt es diesen Bereich ohne jeden Nachteil in Bezug auf die Kontextlänge ab. Da keines der Modelle unterstützte Parameter offenlegt und beide nur Text verarbeiten, reduziert sich die praktische Entscheidung auf Eingabelänge, Eingabekosten und Anbieterpräferenz, und die Live-Preistabelle auf dieser Seite ist der Ort, an dem man die aktuellen Zahlen prüft, bevor man sich festlegt.
Wechseln mit einem String
Beide Modelle nutzen denselben Endpunkt und dieselbe Anfragestruktur. Ändern Sie den model-Wert von "mistralai/codestral-embed-2505" auf "perplexity/pplx-embed-v1-4b", Prompts, Streaming und Tools funktionieren weiter.
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));
Weitere Vergleiche
- Amazon: Titan Multimodal Embeddings G1 vs. Amazon: Titan Embeddings G1 - Text
- Amazon: Titan Multimodal Embeddings G1 vs. Amazon: Titan Text Embeddings V2
- Amazon: Titan Multimodal Embeddings G1 vs. Cohere: Embed 5 Fast
- Amazon: Titan Multimodal Embeddings G1 vs. Cohere: Embed 5 Pro
- Amazon: Titan Embeddings G1 - Text vs. Amazon: Titan Text Embeddings V2
- Amazon: Titan Embeddings G1 - Text vs. Cohere: Embed 5 Fast
- Amazon: Titan Embeddings G1 - Text vs. Cohere: Embed 5 Pro
- Amazon: Titan Text Embeddings V2 vs. Cohere: Embed 5 Fast