Source: https://ailoot.ai/models/fr-ca/sentence-transformers-paraphrase-minilm-l6-v2/ Canonical: https://ailoot.ai/models/fr-ca/sentence-transformers-paraphrase-minilm-l6-v2/ Language: fr-ca # Sentence Transformers: paraphrase-MiniLM-L6-v2 [Markdown](https://ailoot.ai/models/fr-ca/sentence-transformers-paraphrase-minilm-l6-v2/index.md) · [JSON](https://ailoot.ai/models/fr-ca/sentence-transformers-paraphrase-minilm-l6-v2/facts.json) ## [Sentence Transformers: paraphrase-MiniLM-L6-v2](https://ailoot.ai/models/fr-ca/sentence-transformers-paraphrase-minilm-l6-v2/) Sentence Transformers paraphrase-MiniLM-L6-v2 projette des phrases et de courts paragraphes en vecteurs de 384 dimensions pour la recherche sémantique et le regroupement. Sa configuration publiée utilise une agrégation par moyenne et un réglage de séquence de 128 tokens. - [**Ailoot Ultra · Embeddings** `POST /v1/embeddings` `sentence-transformers/paraphrase-minilm-l6-v2`](https://ailoot.ai/models/fr-ca/sentence-transformers-paraphrase-minilm-l6-v2/#method-0) À propos du modèle Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous. paraphrase-MiniLM-L6-v2 est un modèle de plongement de Sentence Transformers pour les phrases et les courts paragraphes. Il projette chaque texte dans un espace vectoriel dense de 384 dimensions, la recherche sémantique et le regroupement figurant parmi les tâches annoncées par le fabricant. L’architecture publiée associe un transformer à une agrégation par moyenne ; sa longueur de séquence configurée est de 128 tokens. #### Représenter le passage à comparer Préparez la phrase ou le court paragraphe réel en gardant intacts le sujet et les conditions importantes. Une collection concrète peut contenir des questions formulées différemment ou de brèves descriptions de sujets liés. Encodez chaque enregistrement et conservez sa formulation d’origine et son identifiant, afin qu’une comparaison ultérieure puisse renvoyer le texte lui-même. Par exemple, plusieurs questions d’aide peuvent décrire la même difficulté avec des termes différents. Une étape de similarité peut rapprocher ces candidats, après quoi leurs formulations peuvent être examinées pour identifier le problème réel. Le plongement est la représentation numérique utilisée dans cette comparaison ; il ne rédige pas de paraphrase et n’attribue pas de lui-même un libellé de groupe définitif. #### Agrégation par moyenne et utilisation des vecteurs L’exemple d’encodage direct du fabricant tient compte du masque d’attention lorsqu’il calcule la moyenne des représentations des tokens, en excluant les positions de remplissage. Son architecture sélectionne explicitement l’agrégation par moyenne et ne sélectionne ni l’agrégation CLS ni l’agrégation par maximum. Gardez cette recette d’agrégation avec le modèle lorsque vous préparez des vecteurs comparables. Chaque représentation renvoyée possède 384 composantes. Une étape d’indexation ou de regroupement utilise ces vecteurs selon une configuration de similarité choisie, tandis que l’enregistrement source sous-jacent reste disponible pour vérification. Gardez le même modèle, la même préparation d’entrée et les mêmes réglages de comparaison pour les éléments comparés. Un autre modèle renvoyant 384 valeurs n’appartient pas, sur la seule base de cette forme, au même espace de plongement. #### Des entrées courtes dans la configuration publiée La configuration de référence Sentence Transformer utilise une longueur de séquence maximale de 128 tokens. Préparez une longue source en unités courtes et cohérentes, plutôt qu’en un seul paragraphe surdimensionné. Une phrase contenant une règle peut nécessiter l’exception figurant dans la phrase suivante ; conservez cette petite unité ensemble lorsqu’elle tient dans la fenêtre. Un nombre de mots ou de caractères ne permet pas d’établir directement la longueur en tokens. Pour un ensemble de descriptions courtes, préservez les noms et les propriétés distinctives importantes pour la comparaison. Un enregistrement ne contenant qu’une catégorie vague peut être difficile à distinguer des autres enregistrements de ce type. Stockez l’association à la source en dehors du vecteur, afin qu’un candidat renvoyé puisse être vérifié au regard du matériau d’origine. #### Résultats de recherche et de regroupement En recherche sémantique, représentez la requête et le matériau du corpus avec ce même modèle et renvoyez les enregistrements candidats avec leur texte source. En regroupement, une autre étape forme des groupes à partir des vecteurs. Examinez les enregistrements proches de la frontière d’un groupe avant d’utiliser le regroupement comme décision produit ou comme libellé automatique. La sortie utile est une représentation compacte du texte court liée à son enregistrement d’origine. Cette version exacte paraphrase-MiniLM-L6-v2 possède sa propre configuration d’agrégation et de séquence. Les variantes all-MiniLM et paraphrase multilingues sont des profils de modèle distincts ; leur entraînement, leur couverture linguistique ou leurs réglages d’entrée ne sont pas impliqués par le seul nom MiniLM partagé. **Ailoot Ultra · Embeddings** `POST /v1/embeddings` `sentence-transformers/paraphrase-minilm-l6-v2` [`sentence-transformers/paraphrase-minilm-l6-v2`](https://ailoot.ai/models/fr-ca/#m=sentence-transformers%2Fparaphrase-minilm-l6-v2&route=Ultra&caller=sentence-transformers%2Fparaphrase-minilm-l6-v2&fmt=embeddings) Sentence Transformers /`sentence-transformers/paraphrase-minilm-l6-v2` ### Pour commencer Sentence Transformers paraphrase-MiniLM-L6-v2 projette des phrases et de courts paragraphes en vecteurs de 384 dimensions pour la recherche sémantique et le regroupement. Sa configuration publiée utilise une agrégation par moyenne et un réglage de séquence de 128 tokens. Entrées acceptées Texte · token\_ids Résultats embedding ### Disponible dans Ailoot · entrées et méthodes **Ailoot Ultra · Embeddings** `POST /v1/embeddings` Entrée `text`, `token_ids` Sortie `embedding` Format de sortie json | Champ | Type | Exigence | Valeurs et limites | Par défaut | | --- | --- | --- | --- | --- | | Champ`model` | Type`string` | ExigenceObligatoire | Valeurs et limites sentence-transformers/paraphrase-minilm-l6-v2 | Par défaut— | | Champ`input` | Type`string\|string[]\|integer[]\|integer[][]` | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 Conditions: Lot homogène non vide. Les identifiants de jetons sont des entiers positifs ou nuls. Budget d’entrée : Maximum: 512 · Unité de texte: octets UTF8 · Unité de jetons: éléments du tableau de jetons | Par défaut— | | Champ`encoding_format` | Type`string` | ExigenceFacultatif | Valeurs et limites float | Par défautfloat | | Champ`dimensions` | Type`integer` | ExigenceNon pris en charge | Valeurs et limites Minimum: 1 | Par défaut— | | Champ`user` | Type`json_value` | ExigenceFacultatif | Valeurs et limites Conditions: Le code source autorise ce champ de métadonnées JSON ; sa sémantique exacte en amont dépend du modèle. | Par défaut— | | Champ`session_id` | Type`json_value` | ExigenceFacultatif | Valeurs et limites Conditions: Le code source autorise ce champ de métadonnées JSON ; sa sémantique exacte en amont dépend du modèle. | Par défaut— | | Champ`trace` | Type`json_value` | ExigenceFacultatif | Valeurs et limites Conditions: Le code source autorise ce champ de métadonnées JSON ; sa sémantique exacte en amont dépend du modèle. | Par défaut— | | Champ`provider` | Type`object` | ExigenceFacultatif | Valeurs et limites Conditions: provider.options est refusé | Par défaut— | Combinaisons d’éléments d’entrée **text\_to\_embedding** Paramètres et cycle de vie de la méthode | Paramètre | Contrat | | --- | --- | | Paramètre`content_type` | Contratapplication/json | | Paramètre`required` | Contratmodel, input | | Paramètre`input_shapes` | Contratstring, string\[\], nonnegative\_integer\_token\_array, nonnegative\_integer\_token\_array\[\] | | Paramètre`encoding_format` | Contratfloat | | Paramètre`dimensions_override` | Contratfalse | | Paramètre`max_input_budget_units` | Contrat512 | | Paramètre`multimodal_objects` | Contratfalse | | Paramètre`material_types` | Contrattext, token\_ids | Cycle de vie : `synchronous_json` Conservez tous les indices et toutes les dimensions des vecteurs. Un nom de modèle multimodal n’autorise pas les objets image sur ce chemin précis. ### Tarifs Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée. Mode rapide Non précisé Lorsque le mode rapide est sélectionné Mode Flex Non précisé Lorsque le mode flex est sélectionné Effort de raisonnement maximal Non précisé Lorsque l’effort de raisonnement maximal utilise l’ajustement par défaut (default) #### Tarifs Ailoot #### Prix par configuration | Configuration | Barème tarifaire | Coût | | --- | --- | --- | | ConfigurationTarifs de base des jetons | Barème tarifaireTarif de base | Coût Entrée · Jetons en entrée **$0.00001** / 1K jetons Sortie · Jetons en sortie **$0** / 1K jetons Entrée · Lecture du cache **—** / 1K jetons Entrée · Écriture dans le cache **—** / 1K jetons Entrée · Écriture dans le cache, 1 h **—** / 1K jetons | Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. [Fonctionnement de la réservation et du débit →](https://ailoot.ai/docs/fr-ca/billing/reserve/) ### Exemples de requêtes #### Ailoot Ultra · Embeddings curlPython SDK ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" python3 - <<'PY_REQUEST' import json,os from pathlib import Path p=json.loads('{"model": "sentence-transformers/paraphrase-minilm-l6-v2", "input": ["First document", "Second document"]}') Path("request.json").write_text(json.dumps(p,ensure_ascii=False)) PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \ -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o result.json python3 - <<'PY_RESULT' import json from pathlib import Path r=json.loads(Path("result.json").read_text()) for x in r.get("data",[]): print(json.dumps({"index":x.get("index"),"embedding":x.get("embedding")})) PY_RESULT ``` ```python from openai import OpenAI import os client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0) result=client.embeddings.create(model='sentence-transformers/paraphrase-minilm-l6-v2',input=["First document","Second document"]) print(result) for item in result.data:print(item.index,item.embedding) ``` ### Recevoir et enregistrer les résultats #### Ailoot Ultra · Embeddings json ##### Conserver tous les résultats terminés Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité. Conservez chaque vecteur avec son indice. Le nombre de vecteurs doit être égal au nombre d’entrées ; les dimensions doivent être cohérentes. ##### Si la réponse d’origine doit être vérifiée Aucun point de terminaison dédié aux tâches d’embedding n’est ajouté. Champs de la réponse | Champ | Type | | --- | --- | | Champ`object` | Typestring | | Champ`model` | Typestring | | Champ`data[].index` | Typeinteger | | Champ`data[].embedding` | Typefinite float\[\] | | Champ`usage` | Typeobject | Erreurs et étapes suivantes | Réponse | Condition | Étape suivante | | --- | --- | --- | | Réponse400 · `invalid_request_error` | ConditionChamps obligatoires, représentation des éléments fournis ou valeur de paramètre invalides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. | ### Alias #### Alias du modèle **Ailoot Ultra** [`sentence-transformers/paraphrase-minilm-l6-v2`](https://ailoot.ai/models/fr-ca/#m=sentence-transformers%2Fparaphrase-minilm-l6-v2&route=Ultra&caller=sentence-transformers%2Fparaphrase-minilm-l6-v2&fmt=embeddings) #### Alias des chemins de méthode Utilisez les chemins de méthode indiqués ci-dessus. #### ID d’appel associés [`sentence-transformers/paraphrase-minilm-l6-v2`](https://ailoot.ai/models/fr-ca/#m=sentence-transformers%2Fparaphrase-minilm-l6-v2&route=Ultra&caller=sentence-transformers%2Fparaphrase-minilm-l6-v2&fmt=embeddings) FAQ · Sentence Transformers: paraphrase-MiniLM-L6-v2 Quelles entrées et quels résultats sont disponibles ? `POST /v1/embeddings` · `sentence-transformers/paraphrase-minilm-l6-v2`: `text`, `token_ids` → `embedding` Quels champs la requête utilise-t-elle ? `POST /v1/embeddings` · `sentence-transformers/paraphrase-minilm-l6-v2`: `model`, `input`, `encoding_format`, `provider` Quelles limites s’appliquent ? `POST /v1/embeddings` · `sentence-transformers/paraphrase-minilm-l6-v2`: `input.budget.maximum`: `512` (octets UTF8); `input.min_items`: `1` Connectez Ailoot à Claude Code, OpenCode, Hermes ou à votre application. ## L’entreprise et son portefeuille de projets L’entreprise et son portefeuille de projets : des millions de clients ; des ventes qui se chiffrent en milliards chaque mois. ## Achetez des tokens à prix réduit. Une remise d’abonnement pour le travail régulier. Des codes promo jusqu’à 50% sur l’achat de tokens. Abonnement Choisissez une offre à tarif réduit pour vos requêtes régulières. Code promo jusqu’à 50% Saisissez le code à l’achat. Le prix est recalculé selon la promotion en cours. Dépenses dans l’historique Modèle, tokens et montant sont enregistrés pour chaque requête. [Choisir un abonnement](https://ailoot.ai/docs/fr-ca/billing/subscriptions/) · [Voir les prix des modèles](https://ailoot.ai/models/fr-ca/) ## Connectez l’API au produit que vous vendez. SaaS, applications et bots selon l’offre officielle et le contrat de licence Ailoot. Pour la revente, demandez une licence revendeur. Application commerciale Intégrez la génération de texte, d’images, de vidéo et de son aux fonctions payantes de votre service. Licence revendeur Envoyez la description du projet et le mode d’accès. Demandez des conditions écrites d’utilisation et de revente. Documents sur le site L’offre officielle, le contrat de licence et la politique de traitement des données sont accessibles avant connexion. [Demander une licence revendeur](mailto:support@ailoot.ai) · [Offre officielle et contrat de licence](https://ailoot.ai/legal/offer?lang=fr-ca) ## Ailoot · L’entreprise et son portefeuille de projets Ailoot s’appuie sur une expérience opérationnelle éprouvée, une large clientèle, un service stable et un suivi continu des KPI. L’entreprise et son portefeuille de projets : des millions de clients ; des ventes qui se chiffrent en milliards chaque mois. Ailoot met cette expérience opérationnelle au service de l’accès API aux fonctions d’IA dans les produits des clients, leurs agents, applications et automatisations.