قیمت استفاده از میسترال Embed چقدر است؟

هزینه بر اساس مصرف محاسبه میشود: ۰٫۱ دلار به ازای هر یک میلیون توکن ورودی. هیچ هزینهی ثابت ماهانهای وجود ندارد و فقط بابت متنی که تبدیل به بردار میکنید پرداخت میکنید.

آیا میسترال Embed با کد OpenAI سازگار است؟

بله. هرمز یک API سازگار با OpenAI ارائه میدهد و شما از همان مسیر استاندارد embeddings استفاده میکنید. تنها کافی است آدرس پایه را به هرمز تغییر دهید و کلید هرمز را جایگزین کنید؛ کتابخانههای موجود شما بدون بازنویسی کار میکنند.

میسترال Embed برای چه کاری استفاده میشود؟

برای جستوجوی معنایی، تولید افزودهشده با بازیابی (RAG)، خوشهبندی اسناد و رتبهبندی نتایج؛ هر جا که لازم است متنها را بر اساس معنا مقایسه کنید نه واژههای دقیق.

آیا میسترال Embed متن تولید میکند؟

خیر. این یک مدل بردارسازی است که برای هر ورودی یک بردار خروجی میدهد. برای گفتوگو یا تولید متن باید از یک مدل متنی میسترال استفاده کنید؛ میسترال Embed سمتِ جستوجو و بازیابی را برعهده میگیرد.

Mistral: Mistral Embed 2312: مدل هوش مصنوعی

میسترال Embed متن را به بردارهای متراکم برای جست‌وجوی معنایی و RAG تبدیل می‌کند، با پنجره‌ی ورودی ۸ هزار توکنی. از داخل ایران و از طریق هرمز.

پنجره زمینه:: 8,192 توکن
ورودی:: $0.1 / هر ۱M توکن
خروجی:: $0 / هر ۱M توکن
نوع:: embedding

امبدینگ

میسترال Embed یک مدل بردارسازیِ متن از خانواده‌ی میسترال است که برای جست‌وجوی معنایی و تولید افزوده‌شده با بازیابی (RAG) طراحی شده است. این مدل متن را به بردارهای عددی متراکم نگاشت می‌کند تا بخش‌هایی با معنای مشابه نزدیک هم قرار بگیرند؛ همین پایه‌ی جست‌وجو و بازیابیِ خوب است.

کاربردهای رایج آن ساختِ پایگاه دانش برای RAG، جست‌وجوی مبتنی بر شباهت، خوشه‌بندی اسناد و رتبه‌بندی نتایج است. پنجره‌ی ورودی ۸ هزار توکنی به شما اجازه می‌دهد در هر فراخوانی بخش‌های نسبتاً بلند را بردارسازی کنید. این مدل از طریق هرمز و با یک API سازگار با OpenAI ارائه می‌شود؛ کافی است آدرس پایه (base URL) را به هرمز تغییر دهید و کلید هرمز را قرار دهید تا کد موجود شما با SDK اوپن‌ای‌آی بدون تغییر کار کند.

قیمت‌گذاری بر پایه‌ی مصرف است: ۰٫۱ دلار به ازای هر یک میلیون توکن ورودی. هرمز دسترسی پایدار به این مدل را از داخل ایران فراهم می‌کند، بدون نیاز به کارت اعتباری خارجی یا ابزارهای دور زدن تحریم.

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...

شروع سریع

curl https://api.hormouz.net/v1/embeddings \
  -H "Authorization: Bearer ng-YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"mistralai/mistral-embed-2312","input":"The quick brown fox"}'

مشخصات

سازنده	Mistral AI
نوع	امبدینگ
پنجره زمینه	۸٬۱۹۲ توکن
قیمت	$0.10/M in · $0.00/M out
نوع API	embeddings

نمونه کد

cURL

curl https://api.hormouz.net/v1/embeddings \
  -H "Authorization: Bearer ng-YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"mistralai/mistral-embed-2312","input":"The quick brown fox"}'

Python

from openai import OpenAI
client = OpenAI(api_key="ng-YOUR_API_KEY", base_url="https://api.hormouz.net/v1")
resp = client.embeddings.create(model="mistralai/mistral-embed-2312", input="The quick brown fox")
print(resp.data[0].embedding)

JavaScript

import OpenAI from "openai";
const client = new OpenAI({ apiKey: "ng-YOUR_API_KEY", baseURL: "https://api.hormouz.net/v1" });
const resp = await client.embeddings.create({
  model: "mistralai/mistral-embed-2312",
  input: "The quick brown fox",
});
console.log(resp.data[0].embedding);

خرید API Mistral: Mistral Embed 2312 با پرداخت ریالی

با کارت بانکی ایرانی اعتبار بخرید؛ کارت ارزی و حساب خارجی لازم نیست.
با یک کلید هرمز به Mistral: Mistral Embed 2312 و بیش از ۶۰۰ مدل دیگر دسترسی دارید و فقط به اندازه‌ی مصرف می‌پردازید.
بدون فیلترشکن و بدون خطر بن شدن حساب؛ کافی است آدرس پایه را به api.hormouz.net/v1 تغییر دهید.

ساخت حساب

استفاده از طریق هرمز

با یک کلید API به این مدل و بیش از ۶۰۰ مدل دیگر وصل شوید و مصرف هر مدل را تا سطح هر درخواست ببینید.

درخواست دسترسی شرکتی

سوالات متداول

قیمت استفاده از میسترال Embed چقدر است؟: هزینه بر اساس مصرف محاسبه می‌شود: ۰٫۱ دلار به ازای هر یک میلیون توکن ورودی. هیچ هزینه‌ی ثابت ماهانه‌ای وجود ندارد و فقط بابت متنی که تبدیل به بردار می‌کنید پرداخت می‌کنید.
چطور از داخل ایران به میسترال Embed دسترسی داشته باشم؟: کافی است در هرمز حساب بسازید و یک کلید API بگیرید. هرمز دسترسی پایدار به این مدل را از داخل ایران فراهم می‌کند، بدون نیاز به کارت اعتباری خارجی یا ابزارهای دور زدن تحریم.
آیا میسترال Embed با کد OpenAI سازگار است؟: بله. هرمز یک API سازگار با OpenAI ارائه می‌دهد و شما از همان مسیر استاندارد embeddings استفاده می‌کنید. تنها کافی است آدرس پایه را به هرمز تغییر دهید و کلید هرمز را جایگزین کنید؛ کتابخانه‌های موجود شما بدون بازنویسی کار می‌کنند.
میسترال Embed برای چه کاری استفاده می‌شود؟: برای جست‌وجوی معنایی، تولید افزوده‌شده با بازیابی (RAG)، خوشه‌بندی اسناد و رتبه‌بندی نتایج؛ هر جا که لازم است متن‌ها را بر اساس معنا مقایسه کنید نه واژه‌های دقیق.
آیا میسترال Embed متن تولید می‌کند؟: خیر. این یک مدل بردارسازی است که برای هر ورودی یک بردار خروجی می‌دهد. برای گفت‌وگو یا تولید متن باید از یک مدل متنی میسترال استفاده کنید؛ میسترال Embed سمتِ جست‌وجو و بازیابی را برعهده می‌گیرد.

به‌روزرسانی: 2026-10-13