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।

Mistral: Mistral Embed 2312

mistralai/mistral-embed-2312

Embeddingsइनपुट: text8K31 अक्टू॰ 2025 को जोड़ा गया

playground में खोलें Mistral: Mistral Embed 2312 के लिए API key पाएं

Mistral: Mistral Embed 2312 अभी आज़माएं

ऊपर दी गई कीमतों पर आपके बैलेंस से चलता है। नए अकाउंट मुफ्त उपयोग से शुरू होते हैं।

इसे इस्तेमाल करने के लिए साइन इन करेंमुफ्त अकाउंट बनाएं

इनपुट (हर लाइन में एक)

नतीजे यहां दिखेंगे।

आज 5 में से 5 मुफ्त मैसेज बाकी, मुफ्त अकाउंट से अतिरिक्त मुफ्त उपयोग और API key मिलती है।मुफ्त अकाउंट बनाएं साइन इनसेशन लागत $0.00

Mistral: Mistral Embed 2312 एक नज़र में

इनपुट कीमत 34 Embeddings मॉडल के मीडियन से 400% ज़्यादा है।

Mistral: Mistral Embed 2312 के बारे में

Mistral Embed 2312, Mistral का एक embedding मॉडल है, जो api14 पर मॉडल id mistralai/mistral-embed-2312 के अंतर्गत सूचीबद्ध है। यह embeddings श्रेणी में आता है, जिसका अर्थ है कि इसका काम चैट उत्तर उत्पन्न करना नहीं, बल्कि टेक्स्ट को वेक्टर में बदलना है। Mistral AI ने इसे टेक्स्ट डेटा के लिए एक विशेष मॉडल के रूप में विकसित किया, और इसके लिए दर्ज प्रदाता रिलीज़ दिनांक 2025-10-31 है।

मॉडल अपने एकमात्र इनपुट के रूप में टेक्स्ट लेता है और अपने एकमात्र आउटपुट के रूप में embeddings लौटाता है। यह 1024-आयामी वेक्टर उत्पन्न करता है, जो वह प्रतिनिधित्व है जिसे आप संग्रहीत करते हैं और तब तुलना करते हैं जब आपको टेक्स्ट के टुकड़ों के बीच समानता चाहिए होती है। कॉन्टेक्स्ट विंडो 8192 टोकन है, और अधिकतम आउटपुट 6553 के रूप में सूचीबद्ध है। यहाँ कोई चैट कम्पलीशन व्यवहार नहीं है, कोई टूल कॉलिंग नहीं है और कोई इमेज या ऑडियो हैंडलिंग नहीं है, इसलिए आपको इसे एक बड़ी पाइपलाइन में विशुद्ध रूप से टेक्स्ट से वेक्टर घटक के रूप में मानना चाहिए।

ये क्षमताएँ उपयोगों के एक काफी विशिष्ट समूह की ओर संकेत करती हैं। Semantic search स्पष्ट उपयोग है: अपने दस्तावेज़ों को एक बार embed करें, अनुरोध के समय क्वेरी को embed करें, और कीवर्ड ओवरलैप के बजाय वेक्टर समानता के आधार पर रैंक करें। Retrieval augmented generation दूसरा मुख्य उपयुक्त क्षेत्र है, जहाँ embeddings एक retriever को फीड करते हैं जो किसी अलग generation मॉडल को प्रासंगिक अंश प्रदान करता है। चूँकि मॉडल को semantic search और RAG के लिए अनुकूलित किया गया था, यह clustering, deduplication और classification कार्यों के लिए भी उपयुक्त है जहाँ आपको लिखित उत्तर के बजाय टेक्स्ट का एक निश्चित संख्यात्मक प्रतिनिधित्व चाहिए होता है।

आप इसे api14 के OpenAI-संगत API के माध्यम से मॉडल id mistralai/mistral-embed-2312 का उपयोग करके कॉल करते हैं, इसलिए मौजूदा OpenAI क्लाइंट लाइब्रेरीज़ केवल base URL और key बदलने के साथ काम करती हैं। उपयोग करने के लिए embeddings endpoint ही है, और आप अपना टेक्स्ट input फ़ील्ड में भेजते हैं। ध्यान दें कि इस मॉडल की समर्थित पैरामीटर सूची खाली है, इसलिए dimensions या encoding format जैसे अतिरिक्त ट्यूनिंग विकल्पों के स्वीकार किए जाने पर निर्भर न रहें; मॉडल id और input भेजें, और प्रतिक्रिया से वेक्टर वापस पढ़ें।

ध्यान में रखने योग्य एक व्यावहारिक सीमा 8192 टोकन का कॉन्टेक्स्ट है। बहुत लंबे दस्तावेज़ों को embedding से पहले chunks में विभाजित करना आवश्यक है, और chunking रणनीति retrieval गुणवत्ता को मॉडल चयन से अधिक प्रभावित करेगी। साथ ही, चूँकि यह मॉडल केवल embeddings उत्पन्न करता है, यह अपने आप प्रश्नों का उत्तर नहीं दे सकता या टेक्स्ट नहीं लिख सकता। यदि आपका कार्य retrieval के बजाय generation, summarisation या conversation है, तो एक chat या instruction मॉडल अधिक उपयुक्त है, और Mistral Embed 2312 पाइपलाइन में उससे पहले का स्थान रखता है जहाँ टेक्स्ट को किसी खोजने योग्य चीज़ में बदला जाता है।

Mistral: Mistral Embed 2312 API कैसे कॉल करें

अपने dashboard में API key बनाएं।
अपनी भाषा के लिए आधिकारिक openai SDK इंस्टॉल करें।
baseURL को https://api14.com/api/v1 और model को "mistralai/mistral-embed-2312" पर सेट करें।

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": "mistralai/mistral-embed-2312",
  "input": [
    "The quick brown fox",
    "Lorem ipsum"
  ]
});
console.log(result.data.map((d) => d.embedding.length));

स्पेसिफिकेशन

Context लंबाई: 8,192
अधिकतम आउटपुट: 6,553
इनपुट: text
आउटपुट: embeddings

api14 पर requests · पिछले 7 दिन

Mistral: Mistral Embed 2312: अक्सर पूछे जाने वाले सवाल

Mistral: Mistral Embed 2312 API की कीमत कितनी है?: Mistral: Mistral Embed 2312 की कीमत इनपुट $0.35 / 1M tokens है। शुल्क आपके USD बैलेंस से सिर्फ सफल requests के लिए कटता है; फेल हुई requests मुफ्त हैं।
Mistral: Mistral Embed 2312 की context window कितनी है?: Mistral: Mistral Embed 2312 हर request में 8,192 tokens तक पढ़ता है, prompt, इतिहास और दस्तावेज़ मिलाकर। यह हर जवाब में 6,553 आउटपुट tokens तक लिखता है।
Mistral: Mistral Embed 2312 क्या कर सकता है?: Mistral: Mistral Embed 2312 text स्वीकार करता है और embeddings लौटाता है।
अपने कोड से Mistral: Mistral Embed 2312 कैसे कॉल करूं?: किसी भी OpenAI SDK को https://api14.com/api/v1 पर पॉइंट करें और model को "mistralai/mistral-embed-2312" पर सेट करें, कोड में और कोई बदलाव नहीं। इस पेज के कोड पैनल से तैयार उदाहरण कॉपी करें।
Mistral: Mistral Embed 2312 के विकल्प क्या हैं?: मिलती-जुलती कीमत वाले Embeddings मॉडल: OpenAI: Text Embedding Ada 002, VoyageAI by MongoDB: voyage-code-4, VoyageAI by MongoDB: voyage-multimodal-3.5। सभी एक ही API key से चलते हैं, इसलिए बदलना बस एक string बदलना है।

Mistral: Mistral Embed 2312 कम्युनिटी

नया टॉपिक

इस कम्युनिटी में अभी कोई टॉपिक नहीं है। Mistral: Mistral Embed 2312 के बारे में पहला टॉपिक खोलें।