Cookieを使用しています. Cookieとブラウザストレージは、ログイン状態の維持と設定の保存に使われます。許可いただいた場合は、サイトの利用状況も計測します。はいつでも変更できます。詳しくはCookieポリシーをご覧ください。

初めてですか？使い方をご紹介しますプレイグラウンド、モデル、APIキーを1分でご案内します。

Codestral Embed 2505 vs Text Embedding 3 Small：API料金・コンテキスト・機能を比較 · api14

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

api14カタログの最新のUSD料金と機能をもとに、Mistral: Codestral Embed 2505（$0.52 / 100万トークン (≈ ￥83)）とOpenAI: Text Embedding 3 Small（$0.07 / 100万トークン (≈ ￥11)）を並べて比較します。どちらも同じOpenAI互換APIで動作します。

仕様

	Mistral: Codestral Embed 2505	OpenAI: Text Embedding 3 Small
プロバイダー	Mistral	OpenAI
入力	$0.52 / 100万トークン (≈ ￥83)	$0.07 / 100万トークン (≈ ￥11)
コンテキストウィンドウ	8,192	8,192
最大出力	6,553	7,372
入力	text	text
出力	embeddings	embeddings
ツール呼び出し
構造化出力
推論の調整
追加日	2025/10/30	2025/10/30

主な違い

OpenAI: Text Embedding 3 Smallは入力トークンが87%安くなっています。

詳しく見る

Mistral: Codestral Embed 2505 は Mistral の埋め込みモデルであり、OpenAI: Text Embedding 3 Small は OpenAI の埋め込みモデルです。どちらも埋め込みカテゴリに属しており、つまりテキストを受け取ってチャットの返答を生成するのではなく、ベクトルを返します。どちらも汎用のチャットモデルではないため、回答の下書きや会話のためにどちらかを呼び出すことはありません。検索、クラスタリング、重複排除、分類のためにテキストの数値表現が必要なときに呼び出すことになります。

この2つのモデルは、ここで最も重要な仕様においてほぼ同等です。どちらも入力モダリティとしてテキストのみを受け付け、出力モダリティとして埋め込みのみを返すため、比較すべきマルチモーダルの違いはありません。どちらもコンテキスト長は 8192 トークンであり、1回の呼び出しで埋め込めるテキスト量はどちらも同じです。どちらもサポートされるパラメータを公開していないため、リクエスト時に追加オプションで調整することはできません。記載されている定性的な違いは入力価格に関するもので、OpenAI のモデルの方が2つの中で安価です。出力価格は両者で実質的に違いがないため、コスト差があるとすれば入力側から生じます。

ほとんどの埋め込みタスクでは、能力の範囲がほぼ同一であるため、選択は生の能力ではなく適合性で決まります。コード、識別子、あるいは自然言語とソースコードが混在するテキストを埋め込む場合は、その系譜を考えれば Codestral Embed 2505 が自然な候補です。セマンティック検索、ドキュメントに対する検索、ユーザーテキストのクラスタリングのために通常の散文を埋め込む場合は、Text Embedding 3 Small が妥当なデフォルトであり、入力において安価な選択肢です。これは入力量が支配的となる大規模なコーパスを埋め込む場合に重要です。コーパスが大規模で主にプレーンテキストであれば、入力価格の差が OpenAI モデルを選ぶ主な実用的な理由になります。コーパスがコード中心であれば、まず試すべきは Mistral のモデルです。

どちらのモデルを api14 経由で呼び出すのも同じ操作です。API は OpenAI 互換であるため、既存のクライアントを api14 のベース URL に向け、テキストを埋め込みエンドポイントに送信し、model フィールドを使用したい id に設定します。Mistral のモデルを使うには、model id を mistralai/codestral-embed-2505 に設定します。OpenAI のモデルを使うには、openai/text-embedding-3-small に設定します。リクエスト内の他の部分は変わらず、レスポンスの形も同じであるため、その1つの文字列を編集するだけで両者を切り替えられます。そのため、本格的に採用する前に、両方を自分のデータに対してベンチマークするのは低コストで行えます。

入力コストが高いにもかかわらず、Mistral のモデルの方が依然として良い選択となるケースがあります。テキストが主にコードまたはコードに近いものであり、その種のコンテンツに対する結果のベクトルの品質を重視する場合、Codestral モデルはその素材のために作られたものであり、入力価格の差は吸収する価値があるかもしれません。逆に、ワークロードが大量のプレーンテキストであり、入力トークンあたりのコストが決め手となる場合は、OpenAI のモデルを選ぶべきです。両者は同じコンテキスト長と同じ入力・出力モダリティを共有しているため、コンテンツの種類と入力コストだけで決定できます。

文字列1つで切り替え

どちらのモデルも同じエンドポイントとリクエスト形式を使います。modelの値を"mistralai/codestral-embed-2505"から"openai/text-embedding-3-small"に変えるだけで、プロンプト、ストリーミング、ツールはそのまま動きます。

Mistral: Codestral Embed 2505の詳細とプレイグラウンド →OpenAI: Text Embedding 3 Smallの詳細とプレイグラウンド →

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 対 OpenAI: Text Embedding 3 Small

仕様

主な違い

詳しく見る

文字列1つで切り替え

その他の比較