Mistral揭露高级代码嵌入模型的表现优于OpenAI，并在现实世界检索任务中汇总

Mistral用Codestral Embed进入嵌入竞技场

随着企业检索增强发电（RAG）的继续吸引人，市场在嵌入模型中的创新已经成熟。输入米斯特拉尔（Mistral），这家法国人工智能公司以在人工智能开发方面的界限而闻名。最近，他们推出了Codestral Embed，他们的首次亮相嵌入模型是专门为代码量身定制的。

根据Mistral的说法，Codestral嵌入了跨基准等基准等现有模型。该模型在检索现实世界代码数据方面发挥最亮度，在检索方案中提供了令人印象深刻的性能。 CodeStral Embed以每百万个代币为0.15美元可供开发人员使用，为增强与代码相关的应用程序提供了负担得起又强大的选择。

在最近的公告中，Mistral自豪地说，Codestral Embed超过了领先的代码嵌入式，例如Voyage Code 3，Cohere Embered v4.0和OpenAI的OpenAI文本嵌入3大型。这一大胆的主张引起了科技界的关注，引发了对X（以前为Twitter）等平台的讨论。

超级兴奋地宣布@Mistralai Codestral Embed，这是我们的第一个嵌入模型，专门用于代码。

它对于在现实世界代码数据上检索用例特别表现尤其出色。 pic.twitter.com/et321crnli

- 索菲亚·杨（Sophia Yang）博士（@sophiamyang）2025年5月28日

Codestral Embed是Mistral的Codestral编码模型家族的一部分，生成将代码和数据转换为数值表示形式的嵌入，使其非常适合抹布。该模型具有输出维度和精确度的灵活性，在检索质量和存储成本之间提供平衡。正如Mistral指出的那样，即使嵌入256和INT8精确度的Codestral均优于竞争对手的模型。

基准性能

Mistral将CODESTRAL嵌入通过严格的测试上的基准，例如SWE-Bench和GitHub的Text2Code。在这两种情况下，与行业领先的嵌入模型相比，该模型都表现出卓越的性能。

潜在用例

Mistral设想Codestral嵌入在高性能代码检索和语义理解中的表现。该模型迎合了几种关键用例：

• 抹布：促进更快的任务和代理流程的信息检索。
• 语义代码搜索：开发人员可以使用自然语言查询找到代码片段，简化文档系统和编码副驾驶等平台上的工作流程。
• 相似性搜索：有助于确定重复或类似的代码段，并帮助企业执行重复使用策略。
• 代码分析：通过基于功能或结构分组代码来支持语义聚类，从而可以深入了解代码体系结构。

市场动态和竞争

米斯特拉尔（Mistral）进入嵌入空间的竞争正在加剧。该公司一直在积极扩展其产品，推出了Mistral Medium 3（其旗舰大语模型（LLM）的中型版本），并引入了用于建立面向任务的代理商的代理API。

行业观察者正在注意。一些观察者指出，米斯特拉尔的时机与嵌入行业的竞争加剧相符。尽管Codestral嵌入与Openai和Cohere等巨头的封闭式模型竞争，但它也面临着来自Qodo-Embed-1-1.5 B.的开源替代品的激烈竞争。

VentureBeat与Mistral联系，以获取有关Codestral Embed许可选项的更多详细信息，从而强调了对这项新兴技术的日益兴趣。

一个有希望的未来

Codestral嵌入位置本身是嵌入景观中的强大竞争者，因此将其专注于特定于代码的优化和竞争价格。随着开发商继续寻求与代码相关的挑战的创新解决方案，Mistral的最新产品可能会推出一个利基市场，在这个迅速发展的领域中推动它向前发展。