Sentence Transformers: all-MiniLM-L12-v2

Sentence Transformers all-MiniLM-L12-v2는 검색, 유사도 비교, 군집화를 위해 문장과 짧은 문단을 384차원 벡터로 인코딩합니다. 참조 방식은 평균 풀링과 정규화를 사용하며, 기본적으로 256 워드피스에서 입력을 잘라냅니다.

Ailoot Ultra · 임베딩 POST /v1/embeddings sentence-transformers/all-minilm-l12-v2

모델 소개

이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.

all-MiniLM-L12-v2는 문장과 짧은 문단을 위한 Sentence Transformers 인코더입니다. 의미 검색, 정보 검색, 군집화, 문장 유사도를 위해 텍스트마다 384차원 밀집 벡터 하나를 생성합니다. MiniLM-L12-H384-uncased 백본을 사용하며, 10억 개 문장 쌍 컬렉션에서 대조 학습으로 미세조정됐습니다.

검색할 단위 인코딩하기

유용한 생각 하나를 표현하는 문장이나 짧은 문단을 사용하세요. 제품 설명 컬렉션에서는 항목을 구별하는 기능과 조건을 유지하세요. “이 어댑터는 유선 헤드셋을 USB-C 포트에 연결합니다”가 “오디오 액세서리”보다 더 많은 정보를 줍니다. 레코드 식별자와 원래 설명을 벡터 옆에 저장하세요.

검색 질의는 인코딩된 설명과 비교할 수 있습니다. 최종 선택을 제시하기 전에 반환된 후보에서 커넥터 유형이나 장치 호환성 같은 정확한 요구 사항을 살펴보세요. 벡터는 텍스트의 의미를 표현하며, 주변 검색 애플리케이션이 해당 레코드를 검색합니다.

평균 풀링과 정규화 벡터

공개된 인코딩 예제는 어텐션 마스크로 토큰 표현을 평균 내므로, 패딩 위치는 평균에 기여하지 않습니다. 그런 다음 L2 정규화를 적용합니다. 이 단계들은 문장 벡터를 얻기 위한 참조 방식의 일부이며, 기반 트랜스포머에서 임의의 토큰을 가져오라는 지시가 아닙니다.

색인한 텍스트와 새 질의 사이에서 모델, 풀링, 정규화 구성을 일관되게 유지하세요. 결과인 384개 성분 표현은 코사인 유사도로 비교할 수 있습니다. 컬렉션과 함께 그 구성을 기록하세요. 다른 384차원 인코더가 벡터 길이가 같다는 이유만으로 호환되는 것은 아닙니다.

기본 입력 길이와 학습 범위

제조사는 256 워드피스를 넘으면 기본적으로 잘린다고 명시합니다. 이는 토크나이저 한도이며, 일반 단어나 글자 수가 아닙니다. 더 긴 레코드는 의미적으로 연결된 짧은 섹션을 선택하고, 각 섹션을 해석하는 데 필요한 제목이나 식별 정보를 보존하세요.

모델의 학습 절차는 최대 128토큰의 시퀀스를 사용했습니다. 그 학습 설정은 공개된 인코딩 시점의 256 워드피스 기본값과 별개입니다. 기본값 안에 들어가는 지문이라도 학습에 사용된 짧은 문장 자료와 상당히 다를 수 있으므로, 길거나 전문적인 설명은 대표 예시로 평가하세요.

유사도와 군집화 워크플로

지원 메시지 집합에서는 임베딩이 그룹화 단계의 수치 입력을 제공할 수 있습니다. 사람이 읽을 수 있는 레이블을 부여하기 전에 제안된 각 그룹의 여러 메시지와 경계 근처 메시지를 검토하세요. 중복 콘텐츠 검토에서는 비슷한 레코드를 검색하고 실제 표현을 비교하세요. 두 지문이 같은 주제를 다루면서도 다른 지침을 제시할 수 있습니다.

이 정확한 L12-v2 에디션은 영어 문장 임베딩 프로필입니다. all-MiniLM-L6-v2 및 paraphrase-MiniLM 체크포인트와 구분됩니다. 계열명이 같다고 시퀀스 구성이나 풀링 방식이 그대로 적용되는 것은 아닙니다. 유사도 값을 검증된 답변이나 최종 편집 결정으로 취급하기보다, 간결한 밀집 벡터를 원본 레코드 및 작업별 평가와 함께 사용하세요.

Ailoot Ultra · 임베딩 POST /v1/embeddings sentence-transformers/all-minilm-l12-v2

sentence-transformers/all-minilm-l12-v2

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

시작하기

허용 입력: 텍스트 · token_ids
결과: embedding

Ailoot에서 사용 가능 · 입력 및 메서드

Ailoot Ultra · 임베딩 POST /v1/embeddings

입력: text, token_ids
출력: embedding
출력 형식: json

필드	유형	요건	값과 한도	기본값
필드`model`	유형`string`	요건필수	값과 한도 sentence-transformers/all-minilm-l12-v2	기본값—
필드`input`	유형`string\|string[]\|integer[]\|integer[][]`	요건필수	값과 한도 최소 항목 수: 1 조건: 비어 있지 않은 동일 형식의 배치입니다. 토큰 ID는 0 이상의 정수입니다. 입력 허용량: 최댓값: 512 · 텍스트 단위: UTF8 바이트 · 토큰 단위: 토큰 배열 요소	기본값—
필드`encoding_format`	유형`string`	요건선택 사항	값과 한도 float	기본값float
필드`dimensions`	유형`integer`	요건지원되지 않음	값과 한도 최솟값: 1	기본값—
필드`user`	유형`json_value`	요건선택 사항	값과 한도 조건: 원본에서 이 JSON 메타데이터 필드를 허용하며, 정확한 업스트림 동작은 모델별로 다릅니다.	기본값—
필드`session_id`	유형`json_value`	요건선택 사항	값과 한도 조건: 원본에서 이 JSON 메타데이터 필드를 허용하며, 정확한 업스트림 동작은 모델별로 다릅니다.	기본값—
필드`trace`	유형`json_value`	요건선택 사항	값과 한도 조건: 원본에서 이 JSON 메타데이터 필드를 허용하며, 정확한 업스트림 동작은 모델별로 다릅니다.	기본값—
필드`provider`	유형`object`	요건선택 사항	값과 한도 조건: provider.options가 거부됨	기본값—

입력 자료 조합

text_to_embedding

메서드 매개변수와 수명 주기

매개변수	명세
매개변수`content_type`	명세application/json
매개변수`required`	명세model, input
매개변수`input_shapes`	명세string, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[]
매개변수`encoding_format`	명세float
매개변수`dimensions_override`	명세false
매개변수`max_input_budget_units`	명세512
매개변수`multimodal_objects`	명세false
매개변수`material_types`	명세text, token_ids

수명 주기: synchronous_json

모든 벡터의 인덱스와 차원을 보관하세요.

모델 이름이 멀티모달이어도 이 특정 경로에서 이미지 객체를 사용할 수 있는 것은 아닙니다.

요금

요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.

빠른 모드: 미지정 빠른 모드를 선택한 경우
Flex 모드: 미지정 flex 모드를 선택한 경우
최대 추론 수준: 미지정 최대 추론 수준에 default 조정값을 적용하는 경우

Ailoot 요금

설정별 가격

설정	요금표	요금
설정토큰의 기본 단가	요금표기본 요금	요금 입력 · 입력 토큰 $0.00001 / 1K 토큰 출력 · 출력 토큰 $0 / 1K 토큰 입력 · 캐시 읽기 — / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰

Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →

요청 예제

Ailoot Ultra · 임베딩

curlPython SDK

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

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)

결과 수신 및 저장

Ailoot Ultra · 임베딩

json

완료된 결과 모두 보관

반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.

모든 벡터를 인덱스와 함께 보관하세요. 벡터 수는 입력 수와 같아야 하며 차원은 일관되어야 합니다.

원래 응답을 확인해야 할 경우

임베딩 작업 엔드포인트는 추가되지 않습니다.

응답 필드

필드	유형
필드`object`	유형string
필드`model`	유형string
필드`data[].index`	유형integer
필드`data[].embedding`	유형finite float[]
필드`usage`	유형object

오류와 다음 단계

응답	조건	다음 단계
응답400 · `invalid_request_error`	조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음	다음 단계새 생성 요청 전에 표시된 필드를 수정하세요.

별칭

모델 별칭

Ailoot Ultra sentence-transformers/all-minilm-l12-v2

메서드 경로 별칭

위에 표시된 메서드 경로를 사용하세요.

Sentence Transformers: all-MiniLM-L12-v2