Sentence Transformers: paraphrase-MiniLM-L6-v2

Sentence Transformers paraphrase-MiniLM-L6-v2는 의미 검색과 군집화를 위해 문장과 짧은 문단을 384차원 벡터로 변환합니다. 공개된 구성은 평균 풀링과 128토큰 시퀀스 설정을 사용합니다.

Ailoot Ultra · 임베딩 POST /v1/embeddings sentence-transformers/paraphrase-minilm-l6-v2

모델 소개

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

paraphrase-MiniLM-L6-v2는 문장과 짧은 문단을 위한 Sentence Transformers 임베딩 모델입니다. 각 텍스트를 384차원 밀집 벡터 공간으로 매핑하며, 제조사가 명시한 작업에는 의미 검색과 군집화가 포함됩니다. 공개된 아키텍처는 트랜스포머와 평균 풀링을 결합하고, 설정된 시퀀스 길이는 128토큰입니다.

비교하려는 지문 표현하기

실제 문장이나 짧은 문단을 준비하고, 주제와 중요한 조건을 온전히 유지하세요. 실제 컬렉션에는 표현이 서로 다른 질문이나 관련 주제의 짧은 설명을 담을 수 있습니다. 각 레코드를 임베딩하고 원문 및 식별자를 보관해, 후속 비교에서 텍스트 자체를 반환할 수 있도록 하세요.

예를 들어 여러 도움말 질문이 서로 다른 용어로 같은 어려움을 설명할 수 있습니다. 유사도 단계에서 이러한 후보를 모은 뒤, 실제 문제가 무엇인지 표현을 살펴볼 수 있습니다. 임베딩은 그 비교에 사용하는 수치 표현입니다. 스스로 패러프레이즈를 작성하거나 최종 군집 레이블을 부여하지는 않습니다.

평균 풀링과 벡터 활용

제조사의 직접 인코딩 예제는 토큰 표현의 평균을 계산할 때 어텐션 마스크를 반영해 패딩 위치를 제외합니다. 아키텍처는 평균 풀링을 명시적으로 선택하고, CLS나 최대 풀링은 선택하지 않습니다. 비교 가능한 벡터를 준비할 때에는 이 풀링 방식을 모델과 함께 유지하세요.

반환되는 각 표현에는 384개 성분이 있습니다. 색인이나 군집화 단계는 선택한 유사도 구성으로 이 벡터를 사용하며, 기반이 되는 원본 레코드는 검토할 수 있도록 남겨둡니다. 비교하는 항목 전반에 같은 모델, 입력 준비, 비교 설정을 사용하세요. 다른 모델이 384개 값을 반환하더라도, 그 형태만으로 같은 임베딩 공간이라고 할 수는 없습니다.

공개된 구성의 짧은 입력

참조 Sentence Transformer 구성은 최대 시퀀스 길이로 128토큰을 사용합니다. 긴 원문은 지나치게 큰 문단 하나가 아니라 의미적으로 연결된 짧은 단위로 준비하세요. 규칙을 담은 문장에는 다음 문장의 예외가 필요할 수 있습니다. 범위 안에 들어오면 그 작은 단위를 함께 보존하세요. 단어 수나 글자 수만으로 토큰 길이가 직접 정해지지는 않습니다.

짧은 설명의 집합에서는 비교에 중요한 이름과 구별되는 속성을 보존하세요. 모호한 범주만 담은 레코드는 같은 유형의 다른 레코드와 분리하기 어려울 수 있습니다. 반환된 후보를 원본 자료와 대조할 수 있도록 출처 연결을 벡터 외부에 저장하세요.

검색과 군집화 결과

의미 검색에서는 같은 모델로 질의와 코퍼스 자료를 표현하고, 원문과 함께 후보 레코드를 반환하세요. 군집화에서는 다른 단계가 벡터로 그룹을 만듭니다. 그룹화를 제품 결정이나 자동 레이블로 사용하기 전에 군집 경계 근처의 레코드를 살펴보세요.

유용한 출력은 원본 레코드에 연결된 짧은 텍스트의 간결한 표현입니다. 이 정확한 paraphrase-MiniLM-L6-v2 체크포인트에는 고유한 풀링 및 시퀀스 구성이 있습니다. all-MiniLM과 다국어 paraphrase 변형은 별도의 모델 프로필입니다. 공통 MiniLM 이름만으로 학습, 언어 범위, 입력 설정이 정해지지는 않습니다.

Ailoot Ultra · 임베딩 POST /v1/embeddings sentence-transformers/paraphrase-minilm-l6-v2

sentence-transformers/paraphrase-minilm-l6-v2

Sentence Transformers /sentence-transformers/paraphrase-minilm-l6-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/paraphrase-minilm-l6-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/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

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)

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/paraphrase-minilm-l6-v2

메서드 경로 별칭

위에 표시된 메서드 경로를 사용하세요.

Sentence Transformers: paraphrase-MiniLM-L6-v2