Вы можете использовать результаты генерации в коммерческих целях. Все права на созданный контент принадлежат вам. Единственное ограничение: убедитесь, что в запросе не использовались защищённые авторским правом материалы третьих сторон. Ответственность за соблюдение прав на входные данные лежит на пользователе.

codestral-embed-2505 от Mistral превращает код и текст в векторы. Отсюда и задачи: семантический поиск по репозиторию, RAG по документации, кластеризация и дедупликация фрагментов, поиск похожих функций, классификация. Контекстное окно 8192 токена — хватает на крупный файл или связанный блок кода целиком.

На выходе не текст, а числовой вектор фиксированной размерности. Такие эмбеддинги складывают в векторные базы — Qdrant, pgvector, Milvus, — сравнивают косинусной близостью и получают ранжированный список похожих фрагментов. Точную размерность смотрите в ответе API на первом запросе.

В наших данных отметки о рассуждениях перед ответом нет, да и задача у модели другая: она не формулирует ответ, а считает векторное представление входа. Логику поверх результатов строит ваш код или генеративная модель, подключённая к тому же API.

В наших данных вызов функций и структурированный вывод не отмечены — для эмбеддингов это не основной сценарий. При этом ответ API приходит обычным JSON с массивом векторов, так что разобрать его в пайплайне и сохранить в базу несложно.

В наших данных приём чего-либо кроме текста не отмечен, поэтому рассчитывайте на текст и код. Если проекту нужны мультимодальные входы, в BotHub через единый OpenAI-совместимый API вы переключитесь на подходящую модель, не переписывая интеграцию.

Данных о языках у нас нет, поэтому обещать точность мы не будем — проверьте на своём корпусе. Практичный приём: прогоняйте и запросы, и документы через одну и ту же модель, тогда векторы останутся сопоставимыми, а поиск предсказуемым.