mistralai

Mistral: Mistral Embed 2312

mistralai/mistral-embed-2312

Nuestro análisis

Análisis asistido por IA basado en las fuentes siguientes. La idoneidad es una valoración editorial; compruébala con tus propias tareas.

El catálogo de OpenRouter describe mistralai/mistral-embed-2312 como un modelo de embeddings de Mistral AI desarrollado a finales de 2023 para datos de texto. Acepta texto y devuelve embeddings, con una longitud de contexto indicada de 8.192 y vectores de 1.024 dimensiones. El catálogo lo orienta a búsqueda semántica y generación aumentada por recuperación; este paquete solo aporta metadatos del catálogo, no mediciones independientes ni evaluaciones de cargas de trabajo para este modelo exacto en la evidencia suministrada.[1]

Puntos fuertes

Especialización en embeddings de texto reportada por el catálogo.[1]
Acepta texto como entrada y devuelve vectores de embeddings.[1]
Longitud de contexto indicada de 8.192 y vectores de salida de 1.024 dimensiones.[1]

Limitaciones

Solo se proporcionaron metadatos del catálogo de OpenRouter; no había una ficha independiente del modelo en este paquete de fuentes.[1]
No se incluyeron resultados medidos de benchmarks ni de cargas específicas, por lo que su eficacia debe validarse con los datos previstos.[1]

Dónde utilizarlo

Considérelo para búsqueda semántica sobre colecciones de texto, sujeto a validación de la carga de trabajo.[1]
Considérelo como componente de embeddings para recuperación en pipelines RAG que respeten la longitud de contexto indicada.[1]

Fuentes

[1] OpenRouter catalog · Mistral: Mistral Embed 2312Fuentes consultadas: 13 nov 2026

Sobre este modelo

La descripción siguiente es el texto original aportado por OpenRouter, en el idioma de la fuente.

Mistral Embed is a specialized embedding model for text data, optimized for semantic search and RAG applications. Developed by Mistral AI in late 2023, it produces 1024-dimensional vectors that effectively...

Especificaciones

ID del modelo: mistralai/mistral-embed-2312
Creador: mistralai
Añadido a OpenRouter: 31.10.2025
Longitud de contexto: 8,192
Modalidad: text->embeddings
Modalidades de entrada: text
Modalidades de salida: embeddings
Precio por token: USD por 1M de tokens: entrada $0.100 / salida $0
Corte de conocimiento: —
Fecha de expiración: —

Tareas y capacidades

Una nota aparece solo cuando la fuente aporta una medición correspondiente para esa tarea, el modelo está activo y la cohorte tiene al menos 10 modelos comparables. La columna de capacidad muestra hechos declarados por la fuente — formatos compatibles, razonamiento y parámetros de herramientas — que no son calidad medida.

Tarea	Nota	Capacidad declarada por la fuente
Calidad general	Sin medición	—
Programación	Sin medición	—
Agentes	Sin medición	—
Escritura	Sin medición	—
Razonamiento	Sin medición	—
Análisis de documentos	Sin medición	—
Visión	Sin medición	—
Generación de imágenes	Sin medición	—
Audio	Sin medición	—
Vídeo	Sin medición	—
Embeddings	Sin medición	salida: embeddings

Evaluaciones

No hay evaluaciones aportadas para este modelo.

Cómo funcionan las notas

Cada nota compara un modelo solo con otros modelos evaluados por la misma fuente y métrica en la instantánea actual. S es el 10% superior, A el siguiente 20%, B el siguiente 30% y C el resto. Los modelos sin medición publicada aparecen como no evaluados: un formato compatible nunca implica calidad medida.

S — S — 10% superior de la cohorte
A — A — siguiente 20% de la cohorte
B — B — siguiente 30% de la cohorte
C — C — por debajo de la franja B

Proveedores

Estadísticas opcionales de proveedores en vivo desde OpenRouter. Los valores ausentes son desconocidos, no cero.

Proveedor	Longitud de contexto	Precio entrada /1M	Precio salida /1M	Latencia p50 (30m, s)	Rendimiento p50 (30m, tok/s)	Disponibilidad (30m)
Mistral	8,192	$0.100	$0	—	—	100%
Mistral	8,192	$0.110	$0	—	—	100%

Datos de proveedores obtenidos: 13.11.2026

Ningún artículo publicado identifica aún este modelo.