codestral-embed

Oversikt. Codestral Embed er den første kodespecialiserte innbyggingsmodellen fra Mistral AI, lansert 28. mai 2025 og distribuert utelukkende gjennom Mistral sitt API og Batch API som et produkt med lukkede vekter. Den tar imot tekst eller kode opp til et kontekstvindu på 8 192 token og returnerer en numerisk innbyggingsvektor i stedet for generert tekst. Utviklere bruker den når de trenger koderepresentasjoner for søk, klynging eller gjenfinning i en kodebase, der en generell innbyggingsmodell ville fanget opp semantikk med lavere presisjon.

Viktigste styrker. Modellen produserer vektorer i matrjosjka-stil: standarddimensjonene på 1 536 kan kortes ned til et hvilket som helst mindre antall, der de mest relevante komponentene bevares først, opp til maksimalt 3 072 dimensjoner. Utdata kan hentes som float, int8, uint8, binary eller ubinary, noe som lar en utvikler avveie lagringsplass og sammenligningskostnad mot presisjon uten å bygge inn på nytt. Mistral posisjonerer modellen for kodeinnhentingsoppgaver og anbefaler å dele opp kildekoden i biter på omtrent 3 000 tegn med 1 000 tegns overlapp for å holde innhentingskvaliteten stabil på tvers av filgrenser.

Når du bør bruke den. Bruk den til kodeinnhenting og semantisk søk i repositorier, der en kodespecialisert innbygging gir mer nyttige nærmeste-nabo-resultater enn en tekstmodell. Matrjosjka-utdataene gjør den godt egnet når du trenger å variere innbyggingsdimensjonen per indeks eller nivå – vektorer i full bredde for et høypresisjonslager, avkortede binære vektorer for et raskt første filter. Kontekstvinduet på 8 192 token passer for hele funksjoner eller flerfilsbiter, og det kodespecialiserte formålet er bedre tilpasset tekst med mange identifikatorer og mye syntaks enn et generelt innbyggingsendepunkt.

Begrensninger. Modellen er utelukkende for innebygging: den returnerer vektorer og kan verken generere tekst, kalle verktøy eller fungere som en chat- eller resonneringsmodell, til tross for at den bærer Codestral-navnet. Inndata er bare tekst og kode – det er ingen støtte for bilder eller lyd. Kontekstvinduet er 8 192 token, og Mistral har ikke oppgitt antall parametere, arkitektur eller når treningsdataene slutter, så modellens interne kapasitet og aktualitet kan ikke vurderes ut fra dokumentasjonen.

Suverenitetsnotat. Codestral Embed er bygget av Mistral AI, en fransk modellskaper uten eksponering mot CLOUD Act, og betjenes utelukkende gjennom Mistral sitt API uten offentlige vekter. Et endepunktnivå med datalokasjon i EU er tilgjengelig for suveren ruting der data må forbli innenfor EU.