mistralai

Mistral: Mistral Embed 2312

mistralai/mistral-embed-2312

Nossa análise

Análise com auxílio de IA baseada nas fontes abaixo. A adequação é uma avaliação editorial; teste com suas próprias tarefas.

O catálogo da OpenRouter descreve mistralai/mistral-embed-2312 como um modelo de embeddings da Mistral AI desenvolvido no fim de 2023 para dados de texto. Ele aceita texto e retorna embeddings, com comprimento de contexto listado de 8.192 e vetores de 1.024 dimensões. O catálogo o posiciona para busca semântica e geração aumentada por recuperação; este pacote fornece apenas metadados de catálogo, sem medições independentes nem avaliações de cargas de trabalho para este modelo exato na evidência fornecida.[1]

Pontos fortes

Especialização em embeddings de texto relatada pelo catálogo.[1]
Aceita texto como entrada e retorna vetores de embeddings.[1]
Comprimento de contexto listado de 8.192 e vetores de saída de 1.024 dimensões.[1]

Limitações

Somente metadados do catálogo da OpenRouter foram fornecidos; um cartão independente do modelo não estava disponível neste pacote de fontes.[1]
Não foram incluídos resultados medidos de benchmarks nem de cargas específicas, portanto a eficácia deve ser validada nos dados pretendidos.[1]

Onde usar

Considere para busca semântica em coleções de texto, sujeito à validação da carga de trabalho.[1]
Considere como componente de embeddings para recuperação em pipelines RAG compatíveis com o comprimento de contexto listado.[1]

Fontes

[1] OpenRouter catalog · Mistral: Mistral Embed 2312Fontes consultadas: 13 de nov. de 2026

Sobre este modelo

A descrição abaixo é o texto original fornecido pelo OpenRouter, no idioma da fonte.

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...

Especificações

ID do modelo: mistralai/mistral-embed-2312
Criador: mistralai
Adicionado ao OpenRouter: 31.10.2025
Comprimento de contexto: 8,192
Modalidade: text->embeddings
Modalidades de entrada: text
Modalidades de saída: embeddings
Preço por token: USD por 1M de tokens: entrada $0.100 / saída $0
Corte de conhecimento: —
Data de expiração: —

Tarefas e capacidades

Uma nota aparece apenas quando a fonte fornece uma medição correspondente para aquela tarefa, o modelo está ativo e a coorte tem pelo menos 10 modelos comparáveis. A coluna de capacidade lista fatos declarados pela fonte — formatos compatíveis, raciocínio e parâmetros de ferramentas — que não são qualidade medida.

Tarefa	Nota	Capacidade declarada pela fonte
Qualidade geral	Sem medição	—
Programação	Sem medição	—
Agentes	Sem medição	—
Escrita	Sem medição	—
Raciocínio	Sem medição	—
Análise de documentos	Sem medição	—
Visão	Sem medição	—
Geração de imagens	Sem medição	—
Áudio	Sem medição	—
Vídeo	Sem medição	—
Embeddings	Sem medição	saída: embeddings

Avaliações

Não há avaliações fornecidas para este modelo.

Como funcionam as notas

Cada nota compara um modelo apenas com outros modelos avaliados pela mesma fonte e métrica no snapshot atual. S é o top 10%, A os 20% seguintes, B os 30% seguintes e C o restante. Modelos sem medição publicada aparecem como não avaliados — um formato compatível nunca implica qualidade medida.

S — S — top 10% da coorte
A — A — próximos 20% da coorte
B — B — próximos 30% da coorte
C — C — abaixo da faixa B

Provedores

Estatísticas opcionais de provedores ao vivo do OpenRouter. Valores ausentes são desconhecidos, não zero.

Provedor	Comprimento de contexto	Preço entrada /1M	Preço saída /1M	Latência p50 (30m, s)	Taxa p50 (30m, tok/s)	Disponibilidade (30m)
Mistral	8,192	$0.100	$0	—	—	100%
Mistral	8,192	$0.110	$0	—	—	100%

Dados de provedores obtidos: 13.11.2026

Nenhum artigo publicado identifica este modelo ainda.