Mistral: Codestral Embed 2505

Mistral Codestral Embed 2505, Mistral से एक embeddings मॉडल है, जिसे 30 अक्टूबर 2025 को जारी किया गया और api14 पर मॉडल id mistralai/codestral-embed-2505 के तहत प्रकाशित किया गया। यह chat श्रेणी के बजाय embeddings श्रेणी में आता है, जिसका मतलब है कि यह बातचीत करने या लिखित उत्तर उत्पन्न करने के लिए नहीं बनाया गया है। इसके बजाय यह इनपुट को ऐसे vectors में बदलता है जो अर्थ दर्शाते हैं, और Mistral इसे विशेष रूप से कोड के लिए डिज़ाइन किया गया बताता है।

मॉडल अपने एकमात्र इनपुट के रूप में text स्वीकार करता है और अपने एकमात्र आउटपुट के रूप में embeddings लौटाता है, जिसका context window 8192 tokens है। यह एक ही pass में एक बड़े function, एक class, या एक documentation section को embed करने के लिए पर्याप्त जगह है। यह किसी भी supported sampling parameter की घोषणा नहीं करता, जो embedding endpoints के लिए सामान्य है जहाँ temperature और समान नियंत्रण लागू नहीं होते; आप अपना इनपुट भेजते हैं और परिणामी vector पढ़ते हैं। max output फ़ील्ड 6553 के रूप में सूचीबद्ध है।

चूंकि यह कोड के लिए tuned है, सबसे सीधे उपयोग के मामले वही हैं जो Mistral बताता है: कोड databases और repositories को embed करना, और ऐसे coding assistants को शक्ति देना जिन्हें मजबूत retrieval की आवश्यकता होती है। व्यवहार में यह एक monorepo में semantic search, लगभग समान snippets की deduplication, समानता के आधार पर फ़ाइलों की clustering, और वह retrieval layer बनाना शामिल करता है जो प्रासंगिक कोड को coding assistant में फीड करता है। सामान्य text embedding संभव है क्योंकि इनपुट plain text है, लेकिन मॉडल का घोषित फोकस source code और उसके आसपास के retrieval workloads हैं।

api14 के माध्यम से इसे कॉल करना उसी तरह काम करता है जैसे platform पर किसी भी अन्य मॉडल के साथ, क्योंकि api14 एक OpenAI-compatible API प्रदान करता है। आप अपने मौजूदा OpenAI client को api14 base URL पर इंगित करते हैं, अपनी api14 key प्रदान करते हैं, और embeddings endpoint पर मॉडल id के रूप में mistralai/codestral-embed-2505 पास करते हैं। इस मॉडल के लिए कोई अतिरिक्त parameters supported के रूप में सूचीबद्ध नहीं हैं, इसलिए मॉडल id और आपके इनपुट text वाला एक सीधा request ही आपको चाहिए। यदि आपके पास पहले से OpenAI SDK के विरुद्ध लिखा हुआ embedding कोड है, तो बदलाव अनिवार्य रूप से base URL, key, और model string है।

विचार करने वाली मुख्य बात श्रम का विभाजन है। यह मॉडल vectors उत्पन्न करता है, prose नहीं, इसलिए ऐसे कार्य के लिए जिसमें generated explanations, code completion, या agent behaviour चाहिए, इसके साथ एक chat मॉडल आवश्यक है, जिसमें Codestral Embed retrieval चरण संभालता है। जहाँ आपका workload विशुद्ध रूप से कोड या text पर semantic matching है और 8192 token context के भीतर फिट बैठता है, वहाँ यह मॉडल उपयुक्त विकल्प है।