Mistral: Codestral Embed 2505

Mistral Codestral Embed 2505 est un modèle d'embeddings de Mistral, publié le 30 octobre 2025 et publié sur api14 sous l'identifiant de modèle mistralai/codestral-embed-2505. Il se situe dans la catégorie des embeddings plutôt que dans celle du chat, ce qui signifie qu'il n'est pas conçu pour tenir une conversation ni générer des réponses écrites. Il transforme plutôt l'entrée en vecteurs qui représentent le sens, et Mistral le décrit comme spécialement conçu pour le code.

Le modèle accepte le texte comme seule entrée et renvoie des embeddings comme seule sortie, avec une fenêtre de contexte de 8192 tokens. C'est suffisamment d'espace pour encoder une fonction substantielle, une classe ou une section de documentation en une seule passe. Il ne déclare aucun paramètre d'échantillonnage pris en charge, ce qui est typique des points de terminaison d'embeddings où la température et les contrôles similaires ne s'appliquent pas ; vous envoyez votre entrée et lisez le vecteur résultant. Le champ de sortie maximale est indiqué comme 6553.

Comme il est ajusté pour le code, les cas d'usage les plus directs sont ceux que Mistral nomme : l'encodage de bases de données de code et de dépôts, et l'alimentation d'assistants de codage qui ont besoin d'une recherche performante. En pratique, cela couvre la recherche sémantique sur un monorepo, la déduplication de fragments quasi identiques, le regroupement de fichiers par similarité, et la construction de la couche de recherche qui alimente un assistant de codage en code pertinent. L'encodage de texte général est possible puisque l'entrée est du texte brut, mais l'orientation déclarée du modèle est le code source et les charges de travail de recherche qui l'entourent.

L'appeler via api14 fonctionne de la même manière que pour tout autre modèle de la plateforme, car api14 expose une API compatible avec OpenAI. Vous pointez votre client OpenAI existant vers l'URL de base d'api14, fournissez votre clé api14, et passez mistralai/codestral-embed-2505 comme identifiant de modèle sur le point de terminaison des embeddings. Aucun paramètre supplémentaire n'est indiqué comme pris en charge pour ce modèle, donc une requête simple contenant l'identifiant de modèle et votre texte d'entrée est ce dont vous avez besoin. Si vous avez déjà du code d'embedding écrit avec le SDK OpenAI, le changement consiste essentiellement en l'URL de base, la clé et la chaîne du modèle.

Le principal point à peser est la répartition des tâches. Ce modèle produit des vecteurs, pas de la prose, donc une tâche qui nécessite des explications générées, la complétion de code ou un comportement d'agent requiert un modèle de chat en complément, Codestral Embed prenant en charge l'étape de recherche. Lorsque votre charge de travail est purement de la correspondance sémantique sur du code ou du texte et tient dans le contexte de 8192 tokens, ce modèle est le choix approprié.