Codestral Embed 2505 vs Text Embedding 3 Small: API कीमत, context और फीचर

हम cookies इस्तेमाल करते हैं. Cookies और ब्राउज़र स्टोरेज आपको साइन इन रखते हैं और आपकी प्राथमिकताएं याद रखते हैं। आपकी अनुमति से हम यह भी मापते हैं कि साइट कैसे इस्तेमाल होती है। आप कभी भी । हमारी cookie नीति देखें।

यहां नए हैं? देखें यह कैसे काम करता है प्लेग्राउंड, मॉडल और आपकी API key का 1 मिनट का टूर।

Mistral: Codestral Embed 2505 बनाम OpenAI: Text Embedding 3 Small

api14 कैटलॉग की मौजूदा USD कीमतों और क्षमताओं के आधार पर Mistral: Codestral Embed 2505 ($0.52 / 1M टोकन (≈ ₹49.63)) और OpenAI: Text Embedding 3 Small ($0.07 / 1M टोकन (≈ ₹6.62)) की आमने-सामने तुलना। दोनों एक ही OpenAI-compatible API से चलते हैं।

स्पेसिफिकेशन

	Mistral: Codestral Embed 2505	OpenAI: Text Embedding 3 Small
प्रोवाइडर	Mistral	OpenAI
इनपुट	$0.52 / 1M टोकन (≈ ₹49.63)	$0.07 / 1M टोकन (≈ ₹6.62)
संदर्भ विंडो	8,192	8,192
अधिकतम आउटपुट	6,553	7,372
इनपुट	text	text
आउटपुट	embeddings	embeddings
टूल कॉलिंग
संरचित आउटपुट
Reasoning नियंत्रण
जोड़ा गया	30 अक्टू॰ 2025	30 अक्टू॰ 2025

मुख्य अंतर

OpenAI: Text Embedding 3 Small इनपुट tokens पर 87% सस्ता है।

विस्तार से

Mistral: Codestral Embed 2505, Mistral का एक embeddings मॉडल है, और OpenAI: Text Embedding 3 Small, OpenAI का एक embeddings मॉडल है। दोनों embeddings श्रेणी में आते हैं, जिसका अर्थ है कि वे टेक्स्ट लेते हैं और चैट उत्तर उत्पन्न करने के बजाय वेक्टर लौटाते हैं। इनमें से कोई भी सामान्य प्रयोजन का चैट मॉडल नहीं है, इसलिए आप उत्तर का मसौदा तैयार करने या बातचीत करने के लिए इनमें से किसी को भी नहीं बुलाएंगे। आप उन्हें तब बुलाएंगे जब आपको खोज, क्लस्टरिंग, डुप्लिकेट हटाने या वर्गीकरण के लिए टेक्स्ट का संख्यात्मक प्रतिनिधित्व चाहिए।

यहां सबसे महत्वपूर्ण विशिष्टताओं पर दोनों मॉडल करीब हैं। दोनों टेक्स्ट को अपने एकमात्र इनपुट मोडैलिटी के रूप में स्वीकार करते हैं और दोनों embeddings को अपने एकमात्र आउटपुट मोडैलिटी के रूप में लौटाते हैं, इसलिए तौलने के लिए कोई मल्टीमॉडल अंतर नहीं है। दोनों की संदर्भ लंबाई 8192 टोकन है, जिसका अर्थ है कि एक कॉल में आप जितना टेक्स्ट embed कर सकते हैं वह दोनों तरफ समान है। दोनों कोई समर्थित पैरामीटर उजागर नहीं करते हैं, इसलिए आप अनुरोध के समय अतिरिक्त विकल्पों के साथ उन्हें ट्यून नहीं कर सकते। सूचीबद्ध एक गुणात्मक अंतर इनपुट मूल्य पर है, जहां OpenAI मॉडल दोनों में से सस्ता है। आउटपुट मूल्य निर्धारण उनके बीच अर्थपूर्ण रूप से भिन्न नहीं है, इसलिए लागत का अंतर, जो भी है, इनपुट पक्ष से आता है।

अधिकांश embedding कार्यों के लिए चुनाव कच्ची क्षमता के बजाय उपयुक्तता पर निर्भर करता है, क्योंकि क्षमता का दायरा लगभग समान है। यदि आप कोड, पहचानकर्ता, या प्राकृतिक भाषा को स्रोत के साथ मिलाने वाला टेक्स्ट embed कर रहे हैं, तो Codestral Embed 2505 अपनी विरासत को देखते हुए स्वाभाविक उम्मीदवार है। यदि आप सामान्य गद्य को सिमेंटिक खोज, दस्तावेज़ीकरण पर पुनर्प्राप्ति, या उपयोगकर्ता टेक्स्ट की क्लस्टरिंग के लिए embed कर रहे हैं, तो Text Embedding 3 Small एक उचित डिफ़ॉल्ट है, और यह इनपुट पर सस्ता विकल्प है, जो तब मायने रखता है जब आप बड़े कॉर्पस embed कर रहे हों जहां इनपुट मात्रा हावी होती है। यदि आपका कॉर्पस बड़ा और ज्यादातर सादा टेक्स्ट है, तो इनपुट मूल्य का अंतर OpenAI मॉडल के लिए मुख्य व्यावहारिक तर्क है। यदि आपका कॉर्पस कोड से भारी है, तो Mistral मॉडल पहले आजमाने वाला है।

api14 के माध्यम से किसी भी मॉडल को बुलाना एक ही क्रिया है। API OpenAI संगत है, इसलिए आप अपने मौजूदा क्लाइंट को api14 बेस URL पर इंगित करते हैं, अपना टेक्स्ट embeddings एंडपॉइंट पर भेजते हैं, और model फ़ील्ड को उस id पर सेट करते हैं जो आप चाहते हैं। Mistral मॉडल का उपयोग करने के लिए, model id को mistralai/codestral-embed-2505 पर सेट करें। OpenAI मॉडल का उपयोग करने के लिए, इसे openai/text-embedding-3-small पर सेट करें। अनुरोध में और कुछ नहीं बदलता है, और प्रतिक्रिया का आकार समान है, इसलिए आप उस एक स्ट्रिंग को संपादित करके उनके बीच स्विच कर सकते हैं। यह प्रतिबद्ध होने से पहले अपने स्वयं के डेटा के विरुद्ध दोनों को बेंचमार्क करना सस्ता बनाता है।

एक मामला ऐसा है जहां Mistral मॉडल अभी भी बेहतर चयन है, भले ही इसकी इनपुट पर अधिक लागत आती है। यदि आपका टेक्स्ट मुख्य रूप से कोड या कोड से जुड़ा है, और आप उस प्रकार की सामग्री के लिए परिणामी वेक्टर की गुणवत्ता की परवाह करते हैं, तो Codestral मॉडल उस सामग्री के लिए बनाया गया है, और इनपुट मूल्य का अंतर सहने योग्य हो सकता है। इसके विपरीत, यदि आपका कार्यभार उच्च मात्रा में सादा टेक्स्ट है और प्रति इनपुट टोकन लागत निर्णायक कारक है, तो OpenAI मॉडल वह है जिसे चुनना चाहिए। चूंकि दोनों समान संदर्भ लंबाई और समान इनपुट और आउटपुट मोडैलिटी साझा करते हैं, आप अकेले सामग्री प्रकार और इनपुट लागत पर निर्णय ले सकते हैं।

एक string से बदलें

दोनों मॉडल एक ही endpoint और request ढांचा इस्तेमाल करते हैं। model की वैल्यू "mistralai/codestral-embed-2505" से "openai/text-embedding-3-small" करें, prompts, streaming और tools पहले की तरह काम करते रहेंगे।

Mistral: Codestral Embed 2505 विवरण और प्लेग्राउंड →OpenAI: Text Embedding 3 Small विवरण और प्लेग्राउंड →

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": "openai/text-embedding-3-small",
  "input": [
    "The quick brown fox",
    "Lorem ipsum"
  ]
});
console.log(result.data.map((d) => d.embedding.length));

Mistral: Codestral Embed 2505 बनाम OpenAI: Text Embedding 3 Small

स्पेसिफिकेशन

मुख्य अंतर

विस्तार से

एक string से बदलें

और तुलनाएं