Source: https://ailoot.ai/models/hu/sentence-transformers-all-minilm-l6-v2/ Canonical: https://ailoot.ai/models/hu/sentence-transformers-all-minilm-l6-v2/ Language: hu # Sentence Transformers: all-MiniLM-L6-v2 [Markdown](https://ailoot.ai/models/hu/sentence-transformers-all-minilm-l6-v2/index.md) · [JSON](https://ailoot.ai/models/hu/sentence-transformers-all-minilm-l6-v2/facts.json) ## [Sentence Transformers: all-MiniLM-L6-v2](https://ailoot.ai/models/hu/sentence-transformers-all-minilm-l6-v2/) A Sentence Transformers all-MiniLM-L6-v2 mondatokat és rövid bekezdéseket reprezentál 384 dimenziós vektorokként szemantikai kereséshez, klaszterezéshez és hasonlósághoz. Közzétett receptje átlagoló poolingot kombinál L2-normalizálással és 256 szórészes alapbeállítással. - [**Ailoot Ultra · Beágyazások** `POST /v1/embeddings` `sentence-transformers/all-minilm-l6-v2`](https://ailoot.ai/models/hu/sentence-transformers-all-minilm-l6-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-L6-v2 a Sentence Transformers mondatokat és rövid bekezdéseket kódoló modellje. Minden szöveget 384 dimenziós sűrű vektorra képez le visszakereséshez, klaszterezéshez és mondathasonlósághoz. A modellt a MiniLM-L6-H384-uncased alapmodellből finomhangolták kontrasztív tanulással egy egymilliárd mondatpárból álló gyűjteményen. #### Készítsen elő tömör, értelmes rekordokat Válassza ki a keresési eredményben megjelenítendő mondatot vagy bekezdést. GYIK-gyűjteménynél őrizze meg a kérdést és a témáját megkülönböztető rövid magyarázatot. Az elfelejtett jelszó visszaállításáról szóló részlet tartsa meg a visszaállítási eljárást, ne szűküljön egyetlen elszigetelt szóra, például „Fiók”. Hosszú cikknél összefüggő rövid szakaszokat indexeljen, és őrizze meg forráshelyeiket. A jelölt szakaszokat a lekérdezés vektorának a tárolt reprezentációkkal való összehasonlításával keresse vissza, majd mutassa meg az eredeti részleteket, hogy az olvasó megvizsgálhassa a tényleges utasításokat. #### A mondatreprezentáció előállítása A gyártó közvetlen kódolási receptje figyelmi maszkkal átlagolja a tokenreprezentációkat, kizárva a kitöltő pozíciókat az átlagból. Ezután L2-normalizálást alkalmaz. E lépések állítják elő az összehasonlításhoz használt mondatbeágyazást; az alapul szolgáló transzformer egyedi tokenreprezentációi más szerepet töltenek be. Minden kimenet 384 komponensű. A gyűjtemény építésekor és a későbbi lekérdezések kódolásakor ugyanazt a checkpointot, poolingot és normalizálást használja. A kapott vektorokat koszinuszhasonlósággal lehet összehasonlítani. A hasonlósági érték e beállítás mellett a jelöltek rangsorolására hasznos, az eredeti szöveg pedig meghatározza, hogy egy jelölt megválaszolja-e a kérdést. #### Hossz és kiadáshatárok A közzétett alapbeállítás csonkítja a 256 szórésznél hosszabb bemenetet. Ez a tokenizálóegység nem felel meg közvetlenül hétköznapi szónak vagy karakternek. A fontos feltételeket tartsa az indexelt egységen belül, a hosszú eljárást pedig kódolás előtt értelmes határoknál bontsa fel. A tanítási szekvenciákat 128 tokenre korlátozták. Ez a tanítási beállítás különálló a kódoláshoz használt 256 szórészes alapértéktől. Szokatlanul hosszú vagy speciális részleteknél reprezentatív lekérdezés–szövegrészlet-példákkal értékelje a visszakeresést, ne feltételezze, hogy a bemeneti korláton belüli hossz minden részlet egyenlő kezelését garantálja. A pontos L6-v2 kiadás angol beágyazási profil. Az L12-v2 és paraphrase-MiniLM kiadásoknak külön modellazonosságuk és konfigurációjuk van. Közös MiniLM nevük vagy 384 dimenziós kimenetük nem igazol felcserélhető vektorokat. #### Keresés, hasonlóság és csoportosítás Ismétlődő kérdések ellenőrzéséhez keressen vissza hasonló kérdéseket, és rekordok összevonása előtt hasonlítsa össze tényleges megfogalmazásukat. A „Can I reset my password?” és a „Can an administrator reset another user’s password?” kapcsolódó témákra, de eltérő jogosultságokra vonatkoznak. E különbséget őrizze meg a kódolt szövegben és az ellenőrzési lépésben. Klaszterezésnél a beágyazásokat egy csoportosítási folyamat numerikus bemeneteként használja, majd csoportelnevezés előtt vizsgáljon meg reprezentatív rekordokat. Ez a modell vektorokat szolgáltat, nem írott klasztercímkéket vagy generált GYIK-választ. Hasznos eredménye rövid forrásszövegrészlet tömör reprezentációja, amely az eredeti rekordhoz kapcsolva marad. **Ailoot Ultra · Beágyazások** `POST /v1/embeddings` `sentence-transformers/all-minilm-l6-v2` [`sentence-transformers/all-minilm-l6-v2`](https://ailoot.ai/models/hu/#m=sentence-transformers%2Fall-minilm-l6-v2&route=Ultra&caller=sentence-transformers%2Fall-minilm-l6-v2&fmt=embeddings) Sentence Transformers /`sentence-transformers/all-minilm-l6-v2` ### Kezdő lépések A Sentence Transformers all-MiniLM-L6-v2 mondatokat és rövid bekezdéseket reprezentál 384 dimenziós vektorokként szemantikai kereséshez, klaszterezéshez és hasonlósághoz. Közzétett receptje átlagoló poolingot kombinál L2-normalizálással és 256 szórészes alapbeállítással. 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-l6-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-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/all-minilm-l6-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-l6-v2`](https://ailoot.ai/models/hu/#m=sentence-transformers%2Fall-minilm-l6-v2&route=Ultra&caller=sentence-transformers%2Fall-minilm-l6-v2&fmt=embeddings) #### Metódusútvonalak álnevei Használja a fent látható metódusútvonalakat. #### Kapcsolódó modellazonosítók [`sentence-transformers/all-minilm-l6-v2`](https://ailoot.ai/models/hu/#m=sentence-transformers%2Fall-minilm-l6-v2&route=Ultra&caller=sentence-transformers%2Fall-minilm-l6-v2&fmt=embeddings) FAQ · Sentence Transformers: all-MiniLM-L6-v2 Milyen bemenetek és eredmények érhetők el? `POST /v1/embeddings` · `sentence-transformers/all-minilm-l6-v2`: `text`, `token_ids` → `embedding` Mely mezőket használja a kérés? `POST /v1/embeddings` · `sentence-transformers/all-minilm-l6-v2`: `model`, `input`, `encoding_format`, `provider` Milyen korlátok érvényesek? `POST /v1/embeddings` · `sentence-transformers/all-minilm-l6-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.