การเริ่มต้นของฝรั่งเศส Mistral AI เมื่อวันพุธที่ผ่านมาเปิดตัว Codestral Embed ซึ่งเป็นรูปแบบการฝังเฉพาะรหัสแรกโดยอ้างว่ามีประสิทธิภาพสูงกว่าข้อเสนอของคู่แข่งจาก Openai, Cohere และ Voyage
บริษัท กล่าวว่าโมเดลรองรับเอาต์พุตการฝังที่กำหนดค่าได้ซึ่งมีขนาดที่แตกต่างกันและระดับความแม่นยำช่วยให้ผู้ใช้สามารถจัดการการแลกเปลี่ยนระหว่างประสิทธิภาพการดึงและข้อกำหนดการจัดเก็บข้อมูล
“ Codestral ฝังด้วย Dimension 256 และ Int8 Precision ยังคงทำงานได้ดีกว่ารุ่นใด ๆ จากคู่แข่งของเรา” Mistral AI กล่าวในแถลงการณ์
Codestral Embed ได้รับการออกแบบมาสำหรับกรณีการใช้งานเช่นการสมบูรณ์ของรหัสการแก้ไขหรืองานคำอธิบาย นอกจากนี้ยังสามารถนำไปใช้ในการค้นหาความหมายการตรวจจับซ้ำและการวิเคราะห์ระดับที่เก็บใน codebases ขนาดใหญ่ บริษัท กล่าว
“ Codestral Embed รองรับการจัดกลุ่มรหัสที่ไม่ได้รับการดูแลโดยใช้ฟังก์ชันหรือโครงสร้าง” Mistral AI กล่าวเสริม “ สิ่งนี้มีประโยชน์สำหรับการวิเคราะห์องค์ประกอบที่เก็บข้อมูลการระบุรูปแบบสถาปัตยกรรมฉุกเฉินหรือการป้อนเข้าสู่เอกสารเอกสารอัตโนมัติและระบบการจัดหมวดหมู่”
โมเดลนี้มีให้ผ่าน API ของ Mistral ภายใต้ชื่อ Codestral-Embed-2505 ราคาอยู่ที่ 0.15 ดอลลาร์ต่อล้านโทเค็น มีการเสนอเวอร์ชัน API แบบแบทช์ที่ส่วนลด 50 เปอร์เซ็นต์และการปรับใช้ในสถานที่มีให้บริการผ่านการปรึกษาหารือโดยตรงกับทีม AI ของ บริษัท
การเปิดตัวติดตามล่าสุดของ Mistral การแนะนำตัวแทน APIซึ่ง บริษัท กล่าวว่าเติมเต็ม API การแชทเสร็จสมบูรณ์และมีจุดประสงค์เพื่อลดความซับซ้อนของการพัฒนาแอปพลิเคชันที่ใช้ตัวแทน
ผลประโยชน์ขององค์กรในการฝังตัว
โมเดลการฝังรหัสขั้นสูงกำลังได้รับแรงฉุดเป็นเครื่องมือสำคัญในการพัฒนาซอฟต์แวร์ระดับองค์กรโดยเสนอการปรับปรุงประสิทธิภาพการผลิตคุณภาพรหัสและการจัดการความเสี่ยงในวงจรชีวิตซอฟต์แวร์
“ แบบจำลองเช่นการฝังตัวของ Mistral ของ Mistral เปิดใช้งานการค้นหารหัสความหมายที่แม่นยำและการตรวจจับความคล้ายคลึงกันทำให้องค์กรสามารถระบุรหัสที่นำกลับมาใช้ใหม่ได้อย่างรวดเร็วและใกล้เคียงกับที่เก็บขนาดใหญ่” Prabhu Ram รองประธานกลุ่มวิจัยอุตสาหกรรม “ ด้วยการอำนวยความสะดวกในการดึงข้อมูลโค้ดที่เกี่ยวข้องอย่างรวดเร็วสำหรับการแก้ไขข้อบกพร่องการปรับปรุงคุณสมบัติหรือการ onboarding การฝังตัวเหล่านี้จะช่วยปรับปรุงเวิร์กโฟลว์การบำรุงรักษาอย่างมีนัยสำคัญ”
อย่างไรก็ตามแม้จะมีเกณฑ์มาตรฐานต้นมูลค่าระยะยาวของโมเดลดังกล่าวจะขึ้นอยู่กับว่าพวกเขาทำงานได้ดีเพียงใดในสภาพแวดล้อมการผลิต
ปัจจัยต่าง ๆ เช่นความสะดวกในการบูรณาการความสามารถในการปรับขนาดในระบบองค์กรและความสอดคล้องภายใต้เงื่อนไขการเข้ารหัสในโลกแห่งความเป็นจริงจะมีบทบาทสำคัญในการพิจารณาการยอมรับของพวกเขา
“ รากฐานทางเทคนิคที่แข็งแกร่งของ Codestral Embed และตัวเลือกการปรับใช้ที่ยืดหยุ่นทำให้เป็นโซลูชันที่น่าสนใจสำหรับการพัฒนาซอฟต์แวร์ที่ขับเคลื่อนด้วย AI แม้ว่าผลกระทบในโลกแห่งความเป็นจริงจะต้องมีการตรวจสอบความถูกต้องเกินกว่าผลลัพธ์มาตรฐานเริ่มต้น” Ram กล่าวเสริม
การอ่านเพิ่มเติม