Source: https://ailoot.ai/models/hu/sentence-transformers-all-minilm-l12-v2/
Canonical: https://ailoot.ai/models/hu/sentence-transformers-all-minilm-l12-v2/
Language: hu

# Sentence Transformers: all-MiniLM-L12-v2

[Markdown](https://ailoot.ai/models/hu/sentence-transformers-all-minilm-l12-v2/index.md) · [JSON](https://ailoot.ai/models/hu/sentence-transformers-all-minilm-l12-v2/facts.json)

## [Sentence Transformers: all-MiniLM-L12-v2](https://ailoot.ai/models/hu/sentence-transformers-all-minilm-l12-v2/)

A Sentence Transformers all-MiniLM-L12-v2 mondatokat és rövid bekezdéseket kódol 384 dimenziós vektorokká kereséshez, hasonlósághoz és klaszterezéshez. Referenciareceptje átlagoló poolingot és normalizálást használ, alapértelmezésben 256 szórésznél csonkítva.

- [**Ailoot Ultra · Beágyazások** `POST /v1/embeddings` `sentence-transformers/all-minilm-l12-v2`](https://ailoot.ai/models/hu/sentence-transformers-all-minilm-l12-v2/#method-0)

A modellről

Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.

Az all-MiniLM-L12-v2 a Sentence Transformers mondatokat és rövid bekezdéseket kódoló modellje. Szövegenként egyetlen 384 dimenziós sűrű vektort állít elő szemantikai kereséshez, információ-visszakereséshez, klaszterezéshez és mondathasonlósághoz. A modell a MiniLM-L12-H384-uncased alapmodellt használja, és egymilliárd mondatpárból álló gyűjteményen finomhangolták kontrasztív tanulással.

#### A visszakeresni kívánt egységet kódolja

Olyan mondatot vagy rövid bekezdést használjon, amely egy hasznos gondolatot fejez ki. Termékleírások gyűjteményénél tartsa meg a tulajdonságot és a terméket megkülönböztető feltételt: a „The adapter connects a wired headset to a USB-C port” informatívabb, mint az „Audio accessory”. A rekordazonosítót és eredeti leírást a vektor mellett tárolja.

A keresési lekérdezés ezután összehasonlítható a kódolt leírásokkal. Végső választás bemutatása előtt ellenőrizze a visszaadott jelöltekben a pontos követelményeket, például csatlakozótípust vagy eszközkompatibilitást. A vektor a szöveg jelentését reprezentálja; a környező keresőalkalmazás visszakeresi a megfelelő rekordokat.

#### Átlagoló pooling és normalizált vektorok

A közzétett kódolási példa figyelmi maszkkal átlagolja a tokenreprezentációkat, így a kitöltő pozíciók nem járulnak hozzá az átlaghoz. Ezután L2-normalizálást alkalmaz. E lépések a mondatvektor előállításának referenciareceptjéhez tartoznak, nem tetszőleges token kivételére szóló utasítások az alapul szolgáló transzformerből.

A modell, pooling és normalizálás konfigurációját tartsa következetesen azonosan az indexelt szövegek és új lekérdezések között. A kapott 384 komponensű reprezentációk koszinuszhasonlósággal összehasonlíthatók. E konfigurációt rögzítse a gyűjtemény mellett; egy másik 384 dimenziós kódoló nem válik kompatibilissé pusztán attól, hogy vektorai azonos hosszúságúak.

#### Alapértelmezett bemeneti hossz és tanítási hatókör

A gyártó alapértelmezett csonkítást ad meg 256 szórész fölött. Ez tokenizálókorlát, nem hétköznapi szavak vagy karakterek száma. Hosszabb rekordnál összefüggő rövid szakaszokat válasszon, és őrizze meg az egyes szakaszok értelmezéséhez szükséges címsort vagy azonosító részletet.

A modell tanítási eljárása legfeljebb 128 tokenes szekvenciákat használt. Ez a tanítási beállítás különálló a kódoláskori közzétett 256 szórészes alapértéktől. Az alapértékbe beleférő részlet még jelentősen eltérhet a tanításhoz használt rövid mondatanyagtól, ezért hosszú vagy speciális leírásokat reprezentatív példákkal értékeljen.

#### Hasonlósági és klaszterezési munkafolyamatok

Ügyfélszolgálati üzenetek készleténél a beágyazások numerikus bemenetet adhatnak egy csoportosítási lépésnek. Ember által olvasható címke kiosztása előtt ellenőrizzen több üzenetet minden javasolt csoportból és annak határa közeléből. Duplikált tartalom ellenőrzéséhez keressen vissza hasonló rekordokat, és hasonlítsa össze tényleges megfogalmazásukat; két részlet ugyanazt a tárgyat érintheti, mégis eltérő utasításokat adhat.

Ez a pontos L12-v2 kiadás angol mondatbeágyazási profil. Különbözik az all-MiniLM-L6-v2 és a paraphrase-MiniLM checkpointoktól. A közös modellcsaládnevek alapján nem vihető át a szekvenciakonfiguráció vagy a poolingrecept. Tömör, sűrű vektorait forrásrekordokkal és feladatspecifikus értékeléssel együtt használja, ne tekintsen egy hasonlósági értéket igazolt válasznak vagy végleges szerkesztői döntésnek.

**Ailoot Ultra · Beágyazások** `POST /v1/embeddings` `sentence-transformers/all-minilm-l12-v2`

[`sentence-transformers/all-minilm-l12-v2`](https://ailoot.ai/models/hu/#m=sentence-transformers%2Fall-minilm-l12-v2&route=Ultra&caller=sentence-transformers%2Fall-minilm-l12-v2&fmt=embeddings)

Sentence Transformers /`sentence-transformers/all-minilm-l12-v2`

### Kezdő lépések

A Sentence Transformers all-MiniLM-L12-v2 mondatokat és rövid bekezdéseket kódol 384 dimenziós vektorokká kereséshez, hasonlósághoz és klaszterezéshez. Referenciareceptje átlagoló poolingot és normalizálást használ, alapértelmezésben 256 szórésznél csonkítva.

Elfogadott bemenetek

Szöveg · token\_ids

Eredmények

embedding

### Elérhető az Ailootban · bemenetek és metódusok

**Ailoot Ultra · Beágyazások** `POST /v1/embeddings`

Bemenet

`text`, `token_ids`

Kimenet

`embedding`

Kimeneti formátum

json

| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
| --- | --- | --- | --- | --- |
| Mező`model` | Típus`string` | KövetelményKötelező | Értékek és korlátok sentence-transformers/all-minilm-l12-v2 | Alapértelmezett— |
| Mező`input` | Típus`string\|string[]\|integer[]\|integer[][]` | KövetelményKötelező | Értékek és korlátok Minimális elemszám: 1 Feltételek: Nem üres, homogén köteg. A tokenazonosítók nemnegatív egész számok. Bemeneti keret: Maximum: 512 · Szövegegység: UTF8-bájtok · Tokenegység: tokentömb elemei | Alapértelmezett— |
| Mező`encoding_format` | Típus`string` | KövetelményOpcionális | Értékek és korlátok float | Alapértelmezettfloat |
| Mező`dimensions` | Típus`integer` | KövetelményNem támogatott | Értékek és korlátok Minimum: 1 | Alapértelmezett— |
| Mező`user` | Típus`json_value` | KövetelményOpcionális | Értékek és korlátok Feltételek: A forrás engedélyezi ezt a JSON-metaadatmezőt; a szolgáltatónál érvényes pontos jelentése modellenként eltér. | Alapértelmezett— |
| Mező`session_id` | Típus`json_value` | KövetelményOpcionális | Értékek és korlátok Feltételek: A forrás engedélyezi ezt a JSON-metaadatmezőt; a szolgáltatónál érvényes pontos jelentése modellenként eltér. | Alapértelmezett— |
| Mező`trace` | Típus`json_value` | KövetelményOpcionális | Értékek és korlátok Feltételek: A forrás engedélyezi ezt a JSON-metaadatmezőt; a szolgáltatónál érvényes pontos jelentése modellenként eltér. | Alapértelmezett— |
| Mező`provider` | Típus`object` | KövetelményOpcionális | Értékek és korlátok Feltételek: A provider.options elutasítva | Alapértelmezett— |

Bemeneti anyagok kombinációi

**text\_to\_embedding**

Metódus paraméterei és életciklusa

| Paraméter | Szerződés |
| --- | --- |
| Paraméter`content_type` | Szerződésapplication/json |
| Paraméter`required` | Szerződésmodel, input |
| Paraméter`input_shapes` | Szerződésstring, string\[\], nonnegative\_integer\_token\_array, nonnegative\_integer\_token\_array\[\] |
| Paraméter`encoding_format` | Szerződésfloat |
| Paraméter`dimensions_override` | Szerződésfalse |
| Paraméter`max_input_budget_units` | Szerződés512 |
| Paraméter`multimodal_objects` | Szerződésfalse |
| Paraméter`material_types` | Szerződéstext, token\_ids |

Életciklus: `synchronous_json`

Őrizze meg minden vektor indexét és dimenzióját.

A multimodális modell neve ezen a pontos útvonalon nem teszi lehetővé képobjektumok használatát.

### Díjcsomagok

A díjszabás nem ad új kérési lehetőségeket. A támogatott paraméterek a kiválasztott módszernél szerepelnek.

Gyors mód

Nincs megadva Ha a gyors mód van kiválasztva

Flex mód

Nincs megadva Ha a flex mód van kiválasztva

Maximális gondolkodási ráfordítás

Nincs megadva Ha a maximális gondolkodási ráfordításra a default beállításhoz tartozó korrekció vonatkozik

#### Ailoot-díjak

#### Árak beállításonként

| Beállítás | Díjtáblázat | Díj |
| --- | --- | --- |
| BeállításTokenenkénti alapárak | DíjtáblázatAlapdíj | Díj Bemenet · Bemeneti tokenek **$0.00001** / 1K token Kimenet · Kimeneti tokenek **$0** / 1K token Bemenet · Gyorsítótár olvasása **—** / 1K token Bemenet · Írás a gyorsítótárba **—** / 1K token Bemenet · Írás a gyorsítótárba, 1 óra **—** / 1K token |

Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. [A foglalás és az elszámolás működése →](https://ailoot.ai/docs/hu/billing/reserve/)

### Példakérések

#### Ailoot Ultra · Beágyazások

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/all-minilm-l12-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/all-minilm-l12-v2',input=["First document","Second document"])
print(result)
for item in result.data:print(item.index,item.embedding)
```

### Eredmények fogadása és mentése

#### Ailoot Ultra · Beágyazások

json

##### Őrizzen meg minden elkészült eredményt

Őrizzen meg minden teljes visszaadott választ, fájlt és tartalomrészt.

Őrizzen meg minden vektort az indexével együtt. A vektorok számának meg kell egyeznie a bemenetek számával; a dimenzióknak egységesnek kell lenniük.

##### Ha az eredeti választ ellenőrizni kell

Nem kerül bevezetésre külön beágyazási feladatvégpont.

Válaszmezők

| Mező | Típus |
| --- | --- |
| Mező`object` | Típusstring |
| Mező`model` | Típusstring |
| Mező`data[].index` | Típusinteger |
| Mező`data[].embedding` | Típusfinite float\[\] |
| Mező`usage` | Típusobject |

Hibák és következő lépések

| Válasz | Feltétel | Következő lépés |
| --- | --- | --- |
| Válasz400 · `invalid_request_error` | FeltételÉrvénytelen kötelező mezők, az anyag érvénytelen reprezentációja vagy érvénytelen paraméterérték | Következő lépésJavítsa a jelzett mezőket egy új létrehozási kérés előtt. |

### Álnevek

#### Modell álnevei

**Ailoot Ultra** [`sentence-transformers/all-minilm-l12-v2`](https://ailoot.ai/models/hu/#m=sentence-transformers%2Fall-minilm-l12-v2&route=Ultra&caller=sentence-transformers%2Fall-minilm-l12-v2&fmt=embeddings)

#### Metódusútvonalak álnevei

Használja a fent látható metódusútvonalakat.

#### Kapcsolódó modellazonosítók

[`sentence-transformers/all-minilm-l12-v2`](https://ailoot.ai/models/hu/#m=sentence-transformers%2Fall-minilm-l12-v2&route=Ultra&caller=sentence-transformers%2Fall-minilm-l12-v2&fmt=embeddings)

FAQ · Sentence Transformers: all-MiniLM-L12-v2

Milyen bemenetek és eredmények érhetők el?

`POST /v1/embeddings` · `sentence-transformers/all-minilm-l12-v2`: `text`, `token_ids` → `embedding`

Mely mezőket használja a kérés?

`POST /v1/embeddings` · `sentence-transformers/all-minilm-l12-v2`: `model`, `input`, `encoding_format`, `provider`

Milyen korlátok érvényesek?

`POST /v1/embeddings` · `sentence-transformers/all-minilm-l12-v2`: `input.budget.maximum`: `512` (UTF8-bájtok); `input.min_items`: `1`

Csatlakoztassa az Ailootot a Claude Code-hoz, OpenCode-hoz, Hermeshez vagy saját alkalmazásához.

## A vállalat és projektportfóliója

A vállalat és projektportfóliója: ügyfelek milliói; havi értékesítés milliárdos nagyságrendben.

## Vásároljon tokeneket kedvezménnyel.

Előfizetési kedvezmény rendszeres munkához. Promókódok — akár 50% tokenvásárlási kedvezmény.

Előfizetés

Válasszon kedvezményes tarifát a rendszeres kéréseihez.

Promókód akár 50%-ig

Vásárláskor adja meg a kódot. Az ár az érvényes akció szerint újraszámolódik.

Költségek az előzményekben

Minden kéréshez megmarad a modell, a tokenek és az összeg.

[Előfizetés kiválasztása](https://ailoot.ai/docs/hu/billing/subscriptions/) · [Modellárak megtekintése](https://ailoot.ai/models/hu/)

## Csatlakoztassa az API-t az értékesített termékéhez.

SaaS, alkalmazások és botok — az Ailoot ajánlati feltételei és licencszerződése alapján. Viszonteladáshoz kérjen viszonteladói licencet.

Kereskedelmi alkalmazás

Építsen szöveg-, kép-, videó- és hanggenerálást szolgáltatása fizetős funkcióiba.

Viszonteladói licenc

Küldje el a projekt leírását és a hozzáférés módját. Kérjen írásos használati és viszonteladási feltételeket.

Dokumentumok a weboldalon

Az ajánlati feltételek, licencszerződés és adatkezelési szabályzat már a csatlakoztatás előtt elérhető.

[Viszonteladói licenc kérése](mailto:support@ailoot.ai) · [Ajánlati feltételek és licencszerződés](https://ailoot.ai/legal/offer?lang=hu)

## Ailoot · A vállalat és projektportfóliója





Az Ailoot felhalmozott működési tapasztalatra, széles ügyfélkörre, stabil szolgáltatásra és folyamatos KPI-ellenőrzésre épít.





A vállalat és projektportfóliója: ügyfelek milliói; havi értékesítés milliárdos nagyságrendben.





Az Ailoot ezt a működési tapasztalatot használja az ügyfelek termékeiben, ágenseiben, alkalmazásaiban és automatizálásaiban elérhető AI-funkciók API-hozzáféréséhez.