Mistral Embed 2312
Red Neuronal
Mistral Embed 2312: embeddings de Mistral AI, vectores de 1024 dimensiones para búsqueda semántica y sistemas RAG.
Características
- Entrada
- texto
- Salida
- vectores (embeddings)
- Tamaño del contexto
- 8 192 tokens
- Dimensiones del vector
- 1 024
Costo del prompt
(por 1M tokens)
Cómo funciona Mistral Embed 2312?
Mistral Embed 2312 es un modelo de embeddings especializado de Mistral AI, lanzado a finales de 2023. Convierte texto en vectores de 1024 dimensiones, aptos para indexación en Qdrant, pgvector y otras bases de datos vectoriales. En BotHub, el modelo se conecta mediante una API compatible con OpenAI, por lo que cambiar de modelo no requiere reescribir la integración. El acceso está disponible sin VPN ni tarjetas extranjeras, con pago en rublos por uso de tokens. Tiene múltiples aplicaciones: búsqueda semántica en documentación y bases de conocimiento, capa de recuperación para asistentes RAG, agrupación de tickets de soporte, deduplicación de productos y clasificación de fragmentos antes de enviarlos a un modelo generativo.Preguntas frecuentes sobre Mistral Embed 2312
Puede usar los resultados generados con fines comerciales. Todos los derechos sobre el contenido creado le pertenecen. La única restricción: asegúrese de que la solicitud no incluya material de terceros protegido por derechos de autor. El usuario es responsable de respetar los derechos sobre los datos de entrada.
mistral-embed-2312 convierte texto en vectores, siendo la base para búsqueda semántica, RAG, agrupación, deduplicación, clasificación y recomendaciones. Su contexto de 8192 tokens permite codificar fragmentos completos de documentos, no solo frases cortas. Los vectores resultantes se almacenan fácilmente en Qdrant, pgvector u otro almacenamiento vectorial.
Produce un vector numérico de dimensión fija; en Mistral Embed son 1024 valores, no texto. La calidad de búsqueda depende de qué tan cerca estén en el espacio vectorial los fragmentos relacionados semánticamente. La respuesta llega como un array de números a través de una API compatible con OpenAI y se integra directamente en la base vectorial.
No se ha observado razonamiento paso a paso en nuestros datos, y para un embedder no es una tarea propia: no mantiene un diálogo, sino que codifica el significado del texto en un vector. La lógica sobre los fragmentos encontrados la construye su aplicación o un modelo generativo independiente, que puede conectarse en la misma ventana de BotHub.
En nuestros datos no se observa llamada a funciones ni salida JSON estructurada: el modelo devuelve vectores, no argumentos de herramientas. Si el escenario requiere llamadas a herramientas (tool calls), utilice un modelo generativo junto a él; la API compatible con OpenAI de BotHub permite cambiarlo sin reescribir la integración.
No se admite la entrada de imágenes, audio o video en nuestros datos: se ingresa texto que se convierte en vector. Para escenarios multimodales, elija un modelo adecuado del catálogo; las solicitudes se realizarán a través de la misma clave y endpoint, sin necesidad de una integración separada.
No tenemos datos sobre los idiomas admitidos, por lo que no podemos garantizar la precisión específicamente en ruso; es más fiable probarlo con su propio corpus comparando la cercanía de fragmentos relacionados semánticamente. El acceso al modelo desde Rusia funciona sin VPN ni tarjetas extranjeras, con pago en rublos mediante tarjetas rusas según el uso.