An Múnla codestral-embed
Ar an leathanach seo
Leabaithe Speisialaithe do Chód
Cé go bhfuil mistral-embed deartha don teanga nádúrtha, is múnla leabaithe é codestral-embed atá optamaithe go sonrach do theangacha ríomhchlárúcháin. Tuigeann sé comhréir, séimeaintic agus loighic an chóid, rud a fhágann go bhfuil sé i bhfad níos fearr ná múnla téacs ginearálta d’aon tasc a bhaineann le cód foinseach.
Is féidir leat an difríocht a fheiceáil i gcás simplí. Dhá fheidhm a dhéanann an rud céanna—ceann amháin scríofa le lúb for agus an ceann eile ag baint úsáide as tuiscint liosta (list comprehension)—nach bhfuil ach beagán comhchosúil eatarthu ó thaobh na dtócan de. Feiceann múnla téacs iad mar dhá bhloc poncaíochta ar leith; tugann múnla atá oilte ar chód iad le chéile toisc go bhfuil foghlamtha aige go sloinneann an dá fhoirm seo an rún céanna.
Sonraíochtaí Teicniúla
Tá an múnla codestral-embed difriúil ó mistral-embed ar roinnt bealaí tábhachtacha:
| Gné | codestral-embed | mistral-embed |
|---|---|---|
| Toisí Réamhshocraithe | 1536 | 1024 |
| Uasmhéid Toisí | 3072 (dúbailte an réamhshocraithe) | — |
| Cineálacha Aschuir | float, int8, uint8, binary, ubinary | — |
| Optamú | Oilte ar chód foinseach ilteangach | Teanga nádúrtha |
Is é an tsolúbthacht seo i dtoisí agus i gcineálacha aschuir a dhealaíonn an dá mhúnla óna chéile i ndáiríre. Sroicheann innéacs cód milliún veicteoir go tapa, agus is mór an tionchar ar an mbille bonneagair nuair is féidir leat a meáchan a laghdú faoi cheathair.
Úsáid Bhunúsach
Tá an API comhionann le mistral-embed, seachas ainm an mhúnla codestral-embed. Ní athraíonn aon rud eile i do chód glaonna, rud a ligeann duit an dá mhúnla a rith sa tionscadal céanna trí pharaiméadar amháin a choigeartú.
from mistralai.client import Mistral
client = Mistral(api_key=api_key)
# Snippets cód a ionchódú
response = client.embeddings.create(
model="codestral-embed",
inputs=[
"def fibonacci(n): return n if n <= 1 else fibonacci(n-1) + fibonacci(n-2)",
"function fibonacci(n) { return n <= 1 ? n : fibonacci(n-1) + fibonacci(n-2); }",
"public int fibonacci(int n) { return n <= 1 ? n : fibonacci(n-1) + fibonacci(n-2); }",
],
)
for i, data in enumerate(response.data):
print(f"Snippet {i+1}: vector of {len(data.embedding)} dimensions")
# Snippet 1: vector of 1536 dimensions
# Snippet 2: vector of 1536 dimensions
# Snippet 3: vector of 1536 dimensions
Tabhair faoi deara go gcuireann na trí shnippet seo an loighic chéanna (Fibonacci) i bhfeidhm i dtrí theanga éagsúla. Beidh a gcuid leabaithe an-chóngarach d’ainneoin na ndifríochtaí comhréire. Cuireann an airí seo cuardach tras-teangach ar chumas: ar bhunachar cód ilteangach, is féidir le forbróir Python an cur i bhfeidhm Java atá uathu a aimsiú gan focal amháin Java a bheith ar eolas acu.
An Paraiméadar output_dimension
Is féidir leat méid na veicteoire a laghdú chun spás stórála a shábháil, ar chostas caillteanais bheag cruinnis:
# Toisí laghdaithe (512 in ionad 1536)
response = client.embeddings.create(
model="codestral-embed",
output_dimension=512,
inputs=["def hello(): print('Hello, World!')"],
)
embedding = response.data[0].embedding
print(f"Dimensions: {len(embedding)}") # 512
Is iad na chéad toisí den veicteoir an chuid is faisnéisí. Tá an múnla deartha ionas go gcoimeádann na chéad n toise an méid uasta faisnéise, rud a ligeann don laghdú seo gan cailliúint chatastrófach. Le focail eile, ní hionann veicteoir a ghearradh agus trian den bhrí a chaitheamh ar lár go randamach: coimeádann tú an comhartha lárnach agus cailleann tú an nuansa, rud atá fós oiriúnach go hiomlán do bhabhta scagtha tosaigh.
Toise a Roghnú
Úsáid na luachanna seo mar threoir de réir chomhthéacs do thionscadail. Éilíonn cuardach ardchruinnis ar chorpas measartha socruithe difriúla ó innéacs atá ag rith ar mheaisín atá teoranta ó thaobh acmhainní de:
# Moltaí de réir cás úsáide
DIMENSIONS = {
"high_precision_search": 3072, # Cáilíocht uasta
"general_use": 1536, # Réamhshocraithe, comhréir mhaith
"large_volume": 768, # Comhréir idir stóráil agus cáilíocht
"prototype": 512, # Forbairt thapa
"embedded": 256, # Srialacha cuimhne dian
}
An Paraiméadar output_dtype
Rialaíonn an cineál aschuir cruinneas agus méid na luachanna. Áit a laghdaíonn output_dimension líon na luachanna, laghdaíonn output_dtype meáchan gach ceann acu. Tá an dá ghiaráil seo neamhspleách agus carnach.
# Float (réamhshocraithe) - cruinneas uasta
response_float = client.embeddings.create(
model="codestral-embed",
output_dtype="float",
inputs=["def add(a, b): return a + b"],
)
# Int8 - 4 huaire níos dlúithe ná float32
response_int8 = client.embeddings.create(
model="codestral-embed",
output_dtype="int8",
inputs=["def add(a, b): return a + b"],
)
# Binary - an-dlúth
response_binary = client.embeddings.create(
model="codestral-embed",
output_dtype="binary",
inputs=["def add(a, b): return a + b"],
)
Toise agus Dtype a Chomhcheangal
Is féidir leat an dá pharaiméadar a chomhcheangal le haghaidh rialaithe cruinn. Déanann an dá ghla thíos an cheist SQL chéanna a ionchódú agus léiríonn siad foircinn an speictrim: díreoidh an chéad cheann ar innéacs éadrom a ndéantar ceisteanna air go leanúnach, agus freastalaíonn an dara ceann ar chuardach tagartha áit a bhfuil tábhacht le gach pointe cruinnis.
# Dlúth agus tapa: 512 toise in int8
response = client.embeddings.create(
model="codestral-embed",
output_dimension=512,
output_dtype="int8",
inputs=["SELECT * FROM users WHERE active = true"],
)
# Ardcháilíocht: 3072 toise i float
response = client.embeddings.create(
model="codestral-embed",
output_dimension=3072,
output_dtype="float",
inputs=["SELECT * FROM users WHERE active = true"],
)
Seo riail le bunú anois: caithfidh na veicteoirí in d’inneacs agus na veicteoirí i do cheisteanna na paraiméadair chéanna a bheith acu go beacht. Ní hamháin go dtugann tú torthaí bochta má ionchódaíonn tú corpas i 512 toise agus ansin má dhéanann tú ceisteanna i 1536; cruthaíonn sé earráid nó scóir gan bhrí.
Teangacha Tacaíochta
Oibríonn codestral-embed le gach teanga ríomhchlárúcháin choitianta. Ar an taobh feidhmchláir, cumhdaíonn sé Python, JavaScript, agus TypeScript, chomh maith le Java, C, C++, C#, Go, agus Rust. Maidir le sonraí agus cur i láthair, láimhseálann an múnla SQL, HTML, agus CSS. Maidir le huirlisí agus cumraíocht, bainistíonn sé Shell/Bash, YAML, agus JSON—agus go leor eile, go héifeachtach aon teanga atá i láthair sna sonraí oiliúna. Go praiticiúil, is féidir stór tipiciúil ina bhfuil meascán de Python, teimpléid HTML, imirceacha SQL, agus manifest YAML a innéacsú go hiomlán le múnla amháin.
Príomhphointí
- Tá
codestral-embedoptamaithe do chód foinseach, ní do theanga nádúrtha - 1536 toise de réir réamhshocraithe, inscálaithe suas go 3072
- Ligeann an paraiméadar
output_dimensionduit méid na veicteoire a laghdú - Rialaíonn an paraiméadar
output_dtypean cruinneas (float, int8, binary, srl.) - Tuigeann an múnla séimeaintic an chóid beag beann ar an teanga