Mistral揭露高級代碼嵌入模型的表現優於OpenAI，並在現實世界檢索任務中匯總

Mistral 以 Codestral Embed 進軍內嵌領域

隨著企業檢索擴增世代 (RAG) 持續受到矚目，嵌入模型的創新市場已經成熟。Mistral 是一家法國人工智能公司，以推進人工智能開發的界限而聞名。最近，他們推出了專為程式碼量身打造的嵌入模型 Codestral Embed。

根據 Mistral 的說法，在 SWE-Bench 等基準測試中，Codestral Embed 的表現優於現有的模型。該模型在擷取真實世界的程式碼資料時表現最為亮眼，在擷取情境中提供令人印象深刻的效能。Codestral Embed 以每百萬個代幣 0.15 美元的價格提供給開發人員，為增強代碼相關應用程式提供了經濟實惠且功能強大的選擇。

在最近的一則公告中，Mistral自豪地表示Codestral Embed超越了領先的代碼嵌入器，如Voyage Code 3、Cohere Embed v4.0和OpenAI的Text Embedding 3 Large。這個大膽的宣稱引起了科技社群的注意，並在 X（前 Twitter）等平台上引發討論。

超興奮地宣布 @MistralAI Codestral Embed，我們第一個專門用於程式碼的嵌入模型。

它在真實世界程式碼資料的檢索用例上表現特別好。

- Sophia Yang 博士 (@sophiamyang) 2025 年 5 月 28 日

Codestral Embed 是 Mistral 的 Codestral 系列編碼模型的一部分，可生成將代碼和資料轉換為數字表示的嵌入，使其成為 RAG 的理想選擇。該模型在輸出尺寸和精確度方面具有彈性，可在檢索品質和儲存成本之間取得平衡。Mistral 指出，即使是 256 維度與 int8 精度的 Codestral Embed 也比競爭對手的模型優勝。

基準效能

Mistral 對 Codestral Embed 進行了嚴格的基準測試，例如 SWE-Bench 和 GitHub 的 Text2Code。在這兩種情況下，模型都比業界領先的嵌入模型表現優異。

潛在用例

Mistral 預期 Codestral Embed 可在高效能程式碼檢索和語意理解方面大放異彩。該模型迎合了幾個關鍵用例：

• RAG：為任務和代理程序提供更快速的資訊檢索。
• 語意程式碼搜尋：開發人員可使用自然語言查詢尋找程式碼片段，簡化文件系統和編碼協同程式等平台上的工作流程。
• 相似性搜尋：協助找出重複或相似的程式碼區段，協助企業執行重複使用政策。
• 程式碼分析：支援語意聚類，可根據功能或結構將代碼分組，以便深入瞭解代碼架構。

市場動態與競爭

Mistral 在競爭日益激烈的情況下進入嵌入式領域。該公司一直積極擴展其產品，推出 Mistral Medium 3 - 旗艦大型語言模型 (LLM) 的中型版本 - 並推出 Agents API，用於建立以任務為導向的代理。

產業觀察家們都注意到了這一點。一些觀察家指出，Mistral 的時機與嵌入式領域的激烈競爭不謀而合。Codestral Embed 在與 OpenAI 和 Cohere 等巨頭的閉源模型競爭的同時，也面臨 Qodo-Embed-1-1.5 B 等開源替代方案的激烈競爭。

VentureBeat 與 Mistral 聯繫，進一步瞭解 Codestral Embed 授權選項的詳細資訊，突顯人們對這項新興技術的興趣與日俱增。

充滿希望的未來

Codestral Embed 著重於特定程式碼的最佳化以及具競爭力的價格，使其成為嵌入式領域的有力競爭者。隨著開發人員不斷尋求創新的解決方案來應付程式碼相關的挑戰，Mistral 的最新產品可能會在這個快速發展的領域中開闢出一席之地，推動其向前邁進。