mistral-embedガイド｜ミストラルAI

すべてのモデル
ミストラルAI / mistral-embed

ミストラルAI / mistral-embed

タスク: 埋め込み

モダリティ: テキスト

類似性メトリック: 任意（正規化）

ライセンス: 専有

次元: 1024

最大入力トークン: 8000

価格: 0.10ドル/1Mトークン

mistral-embed入門

8,000トークンのコンテキストウィンドウを持つテキストデータに特化した埋め込みモデル。
セマンティック検索](https://zilliz.com/glossary/semantic-search)とRAGのアプリケーションに最適化されている。
MTEB検索スコア：55.26。

mistral-embedによる埋め込み作成方法

ベクトル埋め込みを作成するには、Mistral AIが提供するPython SDK、Mistral AI Libraryを使うことをお勧めします。

ベクトル埋め込みが生成されると、Zilliz Cloud (Milvusが提供するフルマネージドベクトルデータベースサービス)に保存され、意味類似度検索に利用することができます。以下は、4つの重要なステップである：

1.1.サインアップ Zilliz Cloudアカウントを無料で取得する。 2.サーバーレスクラスターのセットアップ](https://docs.zilliz.com/docs/create-cluster#set-up-a-free-cluster)し、パブリックエンドポイントとAPIキーを取得する。 3.ベクター・コレクションを作成し、ベクター埋め込みを挿入する。 4.**セマンティック検索を実行する。

Mistral AIのSDKを使って埋め込みベクトルを生成し、Zilliz Cloudに挿入して意味検索を行う。

from pymilvus import MilvusClient
from mistralai import Mistral

MISTRALAI_API_KEY = "あなたのミストラル-api-key"
クライアント = Mistral(api_key=MISTRALAI_API_KEY)
ドキュメント = [
   「人工知能は1956年に学問分野として創設された、
   "アラン・チューリングは、AIの実質的な研究を行った最初の人物である"、
        "チューリングはロンドンのマイダベールで生まれ、イングランド南部で育った。"
]
# ドキュメントの埋め込みを生成
results = client.embeddings.create(inputs=docs, model="mistral-embed")
docs_embeddings = [data.embedding for data in results.data].

queries = ["人工知能が創設されたのはいつですか？
          「アラン・チューリングはどこで生まれましたか？］
# クエリの埋め込みを生成する
レスポンス = client.embeddings.create(inputs=queries, model="mistral-embed")
query_embeddings = [data.embedding for data in response.data].

# Public EndpointとAPI KeyでZilliz Cloudに接続する。
client = MilvusClient(
    uri=ZILLIZ_PUBLIC_ENDPOINT、
    token=ZILLIZ_API_KEY)

COLLECTION = "documents"
if client.has_collection(collection_name=COLLECTION)：
    client.drop_collection(collection_name=COLLECTION)
client.create_collection(
    collection_name=COLLECTION、
    dimension=1024、
    auto_id=True)

for doc, embedding in zip(docs, docs_embeddings)：
    client.insert(COLLECTION, {"text": doc, "vector": embedding})
    
results = client.search(
    collection_name=COLLECTION、
    data=query_embeddings、
    consistency_level="Strong"、
    output_fields=["text"])