Source: https://ailoot.ai/models/nl-be/sentence-transformers-all-minilm-l12-v2/ Canonical: https://ailoot.ai/models/nl-be/sentence-transformers-all-minilm-l12-v2/ Language: nl-be # Sentence Transformers: all-MiniLM-L12-v2 [Markdown](https://ailoot.ai/models/nl-be/sentence-transformers-all-minilm-l12-v2/index.md) · [JSON](https://ailoot.ai/models/nl-be/sentence-transformers-all-minilm-l12-v2/facts.json) ## [Sentence Transformers: all-MiniLM-L12-v2](https://ailoot.ai/models/nl-be/sentence-transformers-all-minilm-l12-v2/) Sentence Transformers all-MiniLM-L12-v2 codeert zinnen en korte alinea's in 384-dimensionale vectoren voor zoeken, gelijkenis en clustering. Het referentierecept gebruikt mean pooling en normalisatie, met standaard afkappen bij 256 wordpieces. - [**Ailoot Ultra · Embeddings** `POST /v1/embeddings` `sentence-transformers/all-minilm-l12-v2`](https://ailoot.ai/models/nl-be/sentence-transformers-all-minilm-l12-v2/#method-0) Over het model Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode. all-MiniLM-L12-v2 is een encoder van Sentence Transformers voor zinnen en korte alinea's. Het produceert één 384-dimensionale dense vector per tekst voor semantisch zoeken, informatieopvraging, clustering en zinsgelijkenis. Het model gebruikt de MiniLM-L12-H384-uncased-basisarchitectuur en is gefinetuned met contrastief leren op een verzameling van een miljard zinsparen. #### Codeer de eenheid die u wilt ophalen Gebruik een zin of korte alinea die één bruikbaar idee uitdrukt. Bewaar bij een verzameling productbeschrijvingen de eigenschap en voorwaarde die het item onderscheiden: “De adapter verbindt een bedrade headset met een USB-C-poort” is informatiever dan “Audioaccessoire”. Sla de recordidentifier en oorspronkelijke beschrijving bij de vector op. Een zoekvraag kan vervolgens met de gecodeerde beschrijvingen worden vergeleken. Onderzoek de geretourneerde kandidaten op exacte vereisten zoals connectortype of apparaatcompatibiliteit voordat u een definitieve keuze presenteert. De vector vertegenwoordigt de betekenis van de tekst; de omringende zoektoepassing haalt de bijbehorende records op. #### Mean pooling en genormaliseerde vectoren Het gepubliceerde codeervoorbeeld middelt tokenrepresentaties met het attention-masker, zodat paddingposities niet aan het gemiddelde bijdragen. Vervolgens past het L2-normalisatie toe. Die stappen maken deel uit van het referentierecept om de zinsvector te verkrijgen en zijn geen instructie om een willekeurig token uit de onderliggende transformer te nemen. Houd de model-, pooling- en normalisatieconfiguratie consistent tussen geïndexeerde teksten en nieuwe zoekvragen. De resulterende representaties met 384 componenten kunnen met cosinusgelijkenis worden vergeleken. Bewaar die configuratie bij de verzameling; een andere 384-dimensionale encoder wordt niet compatibel omdat de vectoren toevallig dezelfde lengte hebben. #### Standaardinvoerlengte en trainingsbereik De maker specificeert standaard afkappen boven 256 wordpieces. Dat is een tokenizerlimiet, geen aantal gewone woorden of tekens. Kies voor een langer record samenhangende korte secties en behoud de kop of het identificerende detail dat nodig is om elke sectie te interpreteren. De trainingsprocedure van het model gebruikte sequenties tot 128 tokens. Die trainingsinstelling staat los van de gepubliceerde standaard van 256 wordpieces tijdens codering. Een passage die binnen de standaard past kan nog steeds sterk verschillen van het korte zinsmateriaal dat tijdens de training is gebruikt, dus beoordeel lange of gespecialiseerde beschrijvingen met representatieve voorbeelden. #### Workflows voor gelijkenis en clustering Bij een verzameling supportberichten kunnen embeddings numerieke invoer voor een groeperingsfase leveren. Beoordeel verschillende berichten uit elke voorgestelde groep en berichten bij de grens voordat u een menselijk leesbaar label toekent. Haal bij beoordeling van dubbele inhoud vergelijkbare records op en vergelijk hun daadwerkelijke bewoordingen; twee passages kunnen hetzelfde onderwerp bespreken maar verschillende instructies geven. Deze exacte L12-v2-editie is een Engels zinsembeddingprofiel. Zij is onderscheiden van all-MiniLM-L6-v2 en de paraphrase-MiniLM-checkpoints. Gedeelde familienamen dragen hun sequentieconfiguratie of poolingrecept niet over. Gebruik de compacte dense vectoren samen met bronrecords en taakspecifieke evaluatie in plaats van een gelijkeniswaarde als geverifieerd antwoord of definitieve redactionele beslissing te behandelen. **Ailoot Ultra · Embeddings** `POST /v1/embeddings` `sentence-transformers/all-minilm-l12-v2` [`sentence-transformers/all-minilm-l12-v2`](https://ailoot.ai/models/nl-be/#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` ### Aan de slag Sentence Transformers all-MiniLM-L12-v2 codeert zinnen en korte alinea's in 384-dimensionale vectoren voor zoeken, gelijkenis en clustering. Het referentierecept gebruikt mean pooling en normalisatie, met standaard afkappen bij 256 wordpieces. Toegestane invoer Tekst · token\_ids Resultaten embedding ### Beschikbaar in Ailoot · invoer en methoden **Ailoot Ultra · Embeddings** `POST /v1/embeddings` Invoer `text`, `token_ids` Uitvoer `embedding` Uitvoerformaat json | Veld | Type | Vereiste | Waarden en limieten | Standaard | | --- | --- | --- | --- | --- | | Veld`model` | Type`string` | VereisteVereist | Waarden en limieten sentence-transformers/all-minilm-l12-v2 | Standaard— | | Veld`input` | Type`string\|string[]\|integer[]\|integer[][]` | VereisteVereist | Waarden en limieten Minimumaantal items: 1 Voorwaarden: Niet-lege homogene batch. Token-ID's zijn niet-negatieve gehele getallen. Invoerbudget: Maximum: 512 · Teksteenheid: UTF8-bytes · Tokeneenheid: elementen van de token-array | Standaard— | | Veld`encoding_format` | Type`string` | VereisteOptioneel | Waarden en limieten float | Standaardfloat | | Veld`dimensions` | Type`integer` | VereisteNiet ondersteund | Waarden en limieten Minimum: 1 | Standaard— | | Veld`user` | Type`json_value` | VereisteOptioneel | Waarden en limieten Voorwaarden: De bron staat dit JSON-metadataveld toe; de precieze betekenis bij de achterliggende leverancier is modelspecifiek. | Standaard— | | Veld`session_id` | Type`json_value` | VereisteOptioneel | Waarden en limieten Voorwaarden: De bron staat dit JSON-metadataveld toe; de precieze betekenis bij de achterliggende leverancier is modelspecifiek. | Standaard— | | Veld`trace` | Type`json_value` | VereisteOptioneel | Waarden en limieten Voorwaarden: De bron staat dit JSON-metadataveld toe; de precieze betekenis bij de achterliggende leverancier is modelspecifiek. | Standaard— | | Veld`provider` | Type`object` | VereisteOptioneel | Waarden en limieten Voorwaarden: provider.options geweigerd | Standaard— | Combinaties van invoermaterialen **text\_to\_embedding** Methodeparameters en levenscyclus | Parameter | Contract | | --- | --- | | Parameter`content_type` | Contractapplication/json | | Parameter`required` | Contractmodel, input | | Parameter`input_shapes` | Contractstring, string\[\], nonnegative\_integer\_token\_array, nonnegative\_integer\_token\_array\[\] | | Parameter`encoding_format` | Contractfloat | | Parameter`dimensions_override` | Contractfalse | | Parameter`max_input_budget_units` | Contract512 | | Parameter`multimodal_objects` | Contractfalse | | Parameter`material_types` | Contracttext, token\_ids | Levenscyclus: `synchronous_json` Bewaar elke vectorindex en -dimensie. Ook bij een multimodale modelnaam zijn afbeeldingsobjecten op dit specifieke pad niet toegestaan. ### Tarieven Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode. Snelle modus Niet opgegeven Wanneer de snelle modus geselecteerd is Flex-modus Niet opgegeven Wanneer de flex-modus geselecteerd is Maximale redeneerinspanning Niet opgegeven Wanneer voor maximale redeneerinspanning de default-aanpassing wordt gebruikt #### Ailoot-tarieven #### Prijzen per configuratie | Configuratie | Tariefstaffel | Kosten | | --- | --- | --- | | ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Kosten Invoer · Invoertokens **$0.00001** / 1K tokens Uitvoer · Uitvoertokens **$0** / 1K tokens Invoer · Cache lezen **—** / 1K tokens Invoer · Cache schrijven **—** / 1K tokens Invoer · Cache schrijven, 1 uur **—** / 1K tokens | Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. [Zo werken reservering en afrekening →](https://ailoot.ai/docs/nl-be/billing/reserve/) ### Voorbeeldverzoeken #### Ailoot Ultra · Embeddings curlPython SDK ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" python3 - <<'PY_REQUEST' import json,os from pathlib import Path p=json.loads('{"model": "sentence-transformers/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) ``` ### Resultaten ophalen en opslaan #### Ailoot Ultra · Embeddings json ##### Alle voltooide resultaten bewaren Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel. Bewaar elke vector met zijn index. Het aantal vectoren moet gelijk zijn aan het aantal invoeritems; de dimensies moeten consistent zijn. ##### Als het oorspronkelijke antwoord moet worden gecontroleerd Er wordt geen endpoint voor embeddingtaken toegevoegd. Antwoordvelden | Veld | Type | | --- | --- | | Veld`object` | Typestring | | Veld`model` | Typestring | | Veld`data[].index` | Typeinteger | | Veld`data[].embedding` | Typefinite float\[\] | | Veld`usage` | Typeobject | Fouten en vervolgstappen | Antwoord | Voorwaarde | Volgende stap | | --- | --- | --- | | Antwoord400 · `invalid_request_error` | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. | ### Aliasnamen #### Modelaliasnamen **Ailoot Ultra** [`sentence-transformers/all-minilm-l12-v2`](https://ailoot.ai/models/nl-be/#m=sentence-transformers%2Fall-minilm-l12-v2&route=Ultra&caller=sentence-transformers%2Fall-minilm-l12-v2&fmt=embeddings) #### Aliasnamen voor methodepaden Gebruik de hierboven getoonde methodepaden. #### Gerelateerde aanroeper-ID’s [`sentence-transformers/all-minilm-l12-v2`](https://ailoot.ai/models/nl-be/#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 Welke invoer en resultaten zijn beschikbaar? `POST /v1/embeddings` · `sentence-transformers/all-minilm-l12-v2`: `text`, `token_ids` → `embedding` Welke velden gebruikt het verzoek? `POST /v1/embeddings` · `sentence-transformers/all-minilm-l12-v2`: `model`, `input`, `encoding_format`, `provider` Welke limieten gelden? `POST /v1/embeddings` · `sentence-transformers/all-minilm-l12-v2`: `input.budget.maximum`: `512` (UTF8-bytes); `input.min_items`: `1` Verbind Ailoot met Claude Code, OpenCode, Hermes of je eigen applicatie. ## Het bedrijf en zijn projectenportefeuille Het bedrijf en zijn projectenportefeuille: miljoenen klanten; maandelijkse verkopen in de miljarden. ## Koop tokens met korting. Abonnementsvoordeel voor regelmatig gebruik. Promotiecodes geven tot 50% korting op tokens. Abonnement Kies een abonnement met korting voor je terugkerende verzoeken. Promotiecode tot 50% Vul de code bij aankoop in. De prijs wordt volgens de lopende actie herberekend. Kosten in de geschiedenis Model, tokens en bedrag worden per verzoek bewaard. [Kies een abonnement](https://ailoot.ai/docs/nl-be/billing/subscriptions/) · [Bekijk modelprijzen](https://ailoot.ai/models/nl-be/) ## Verbind de API met het product dat je verkoopt. SaaS, apps en bots volgens de openbare aanbodvoorwaarden en licentieovereenkomst van Ailoot. Vraag voor doorverkoop een resellerlicentie aan. Commerciële applicatie Voeg tekst-, beeld-, video- en geluidsgeneratie aan betaalde functies van je service toe. Resellerlicentie Stuur een projectbeschrijving en toegangsschema. Vraag schriftelijke voorwaarden voor gebruik en doorverkoop. Documenten op de site Aanbodvoorwaarden, licentieovereenkomst en gegevensbeleid zijn vóór het verbinden beschikbaar. [Vraag een resellerlicentie aan](mailto:support@ailoot.ai) · [Aanbodvoorwaarden en licentieovereenkomst](https://ailoot.ai/legal/offer?lang=nl-be) ## Ailoot · Het bedrijf en zijn projectenportefeuille Ailoot bouwt op opgebouwde operationele ervaring, een groot klantenbestand, een stabiele dienst en doorlopende KPI-controle. Het bedrijf en zijn projectenportefeuille: miljoenen klanten; maandelijkse verkopen in de miljarden. Ailoot gebruikt die operationele ervaring voor API-toegang tot AI-functies in klantproducten, agents, applicaties en automatiseringen.