Mistral: Codestral Embed 2505 kontra Perplexity: Embed V1 4B
Porównanie Mistral: Codestral Embed 2505 (0,52 USD / 1M tokenów (≈ 2,06 zł)) i Perplexity: Embed V1 4B (0,11 USD / 1M tokenów (≈ 0,41 zł)) obok siebie na podstawie aktualnych cen w USD i możliwości z katalogu api14. Oba działają przez to samo API zgodne z OpenAI.
Specyfikacja
| Mistral: Codestral Embed 2505 | Perplexity: Embed V1 4B | |
|---|---|---|
| Dostawca | Mistral | Perplexity |
| Wejście | 0,52 USD / 1M tokenów (≈ 2,06 zł) | 0,11 USD / 1M tokenów (≈ 0,41 zł) |
| Okno kontekstu | 8192 | 32 000 |
| Maks. wyjście | 6553 | 28 800 |
| Wejście | text | text |
| Wyjście | embeddings | embeddings |
| Wywołania narzędzi | ||
| Ustrukturyzowane wyjście | ||
| Sterowanie rozumowaniem | ||
| Dodano | 30 paź 2025 | 16 mar 2026 |
Najważniejsze różnice
- Perplexity: Embed V1 4B jest o 80% tańszy na tokenach wejściowych.
- Perplexity: Embed V1 4B przyjmuje 3.9× więcej kontekstu (32 000 tokenów).
Szczegółowo
Mistral: Codestral Embed 2505 to model embeddingowy od Mistral, wydany 2025-10-30. Perplexity: Embed V1 4B to model embeddingowy od Perplexity, wydany 2026-03-16. Oba należą do kategorii embeddings, więc żaden z nich nie generuje uzupełnień czatu ani wolnego tekstu. Każdy przyjmuje tekst na wejściu i zwraca embeddingi na wyjściu, co czyni je elementami składowymi potoków wyszukiwania, wyszukiwania informacji, grupowania, deduplikacji i podobnych, a nie asystentami, z którymi się rozmawia.
Najwyraźniejsza różnica między nimi to długość kontekstu. Codestral Embed 2505 przyjmuje do 8192 tokenów na wejście, natomiast Embed V1 4B przyjmuje do 32000 tokenów. To około czterokrotna różnica i ma znaczenie, gdy pojedynczy dokument, plik źródłowy lub transkrypcja jest na tyle długi, że w przeciwnym razie trzeba by go dzielić. Pod względem modalności oba są identyczne: tekst na wejściu, embeddingi na wyjściu, nic więcej. Żaden nie wymienia żadnych obsługiwanych parametrów, więc nie należy oczekiwać, że możliwe do dostrojenia opcje, takie jak wymiary czy opcje poolingu, będą udostępniane przez API. Porównanie jakościowe wskazuje również Embed V1 4B jako tańszą stronę wejściową, podczas gdy ceny wyjścia nie różnią się między nimi w istotny sposób.
W codziennej pracy wybór zwykle sprowadza się do rozmiaru wejścia i kosztu. Jeśli tworzysz embeddingi krótkich zapytań, nazw funkcji, komunikatów commit, tytułów zgłoszeń lub małych fragmentów kodu, Codestral Embed 2505 jest rozsądnym wyborem, a jego okno 8192 tokenów jest więcej niż wystarczające. Jeśli tworzysz embeddingi całych plików, długich stron dokumentacji, wątków wsparcia lub kontekstu wielu plików w jednym przebiegu, Embed V1 4B jest lepszym wyborem, ponieważ jego okno 32000 tokenów pozwala uniknąć agresywnego dzielenia na fragmenty, a dodatkowo jest tańszy z dwóch na wejściu. Dzielenie na fragmenty nie jest darmowe: dodaje kod przetwarzania wstępnego, może przeciąć spójną jednostkę na pół i zwielokrotnia liczbę wektorów, które przechowujesz i przeszukujesz. Większe okno może całkowicie usunąć tę pracę w przypadku wielu korpusów.
Wywoływanie któregokolwiek z tych modeli przez api14 działa tak samo, ponieważ brama udostępnia API zgodne z OpenAI. Kierujesz swojego istniejącego klienta na bazowy URL api14, wysyłasz tekst do endpointu embeddings ze swoim kluczem api14 i ustawiasz pole model na identyfikator, którego chcesz użyć. Przełączanie między nimi to zmiana jednej linii: użyj "mistralai/codestral-embed-2505" dla modelu Mistral lub "perplexity/pplx-embed-v1-4b" dla modelu Perplexity. Kształty żądania i odpowiedzi pozostają takie same, więc możesz utrzymać jedną ścieżkę kodu i wybierać model dla danego obciążenia albo uruchomić oba i porównać jakość wyszukiwania na własnych danych.
Nadal istnieją przypadki, w których Codestral Embed 2505 jest właściwym wyborem. Jeśli twoje dane wejściowe są konsekwentnie krótkie i chcesz pozostać przy Mistral, lub jeśli już standaryzujesz się na modelach Mistral w innych miejscach swojego stosu, pokrywa ten obszar bez żadnej wady związanej z długością kontekstu. Ponieważ żaden model nie udostępnia obsługiwanych parametrów i oba obsługują wyłącznie tekst, praktyczna decyzja sprowadza się do długości wejścia, kosztu wejścia i preferencji dostawcy, a aktualna tabela cen na tej stronie jest miejscem, w którym należy sprawdzić bieżące liczby przed podjęciem decyzji.
Zmień jednym ciągiem znaków
Oba modele używają tego samego endpointu i tej samej struktury żądania. Zmień wartość model z "mistralai/codestral-embed-2505" na "perplexity/pplx-embed-v1-4b", prompty, streaming i narzędzia działają dalej.
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": "perplexity/pplx-embed-v1-4b",
"input": [
"The quick brown fox",
"Lorem ipsum"
]
});
console.log(result.data.map((d) => d.embedding.length));
Więcej porównań
- Amazon: Titan Multimodal Embeddings G1 kontra Amazon: Titan Embeddings G1 - Text
- Amazon: Titan Multimodal Embeddings G1 kontra Amazon: Titan Text Embeddings V2
- Amazon: Titan Multimodal Embeddings G1 kontra Cohere: Embed 5 Fast
- Amazon: Titan Multimodal Embeddings G1 kontra Cohere: Embed 5 Pro
- Amazon: Titan Embeddings G1 - Text kontra Amazon: Titan Text Embeddings V2
- Amazon: Titan Embeddings G1 - Text kontra Cohere: Embed 5 Fast
- Amazon: Titan Embeddings G1 - Text kontra Cohere: Embed 5 Pro
- Amazon: Titan Text Embeddings V2 kontra Cohere: Embed 5 Fast