Source: https://ailoot.ai/models/nl/sentence-transformers-all-minilm-l6-v2/ Canonical: https://ailoot.ai/models/nl/sentence-transformers-all-minilm-l6-v2/ Language: nl # Sentence Transformers: all-MiniLM-L6-v2 [Markdown](https://ailoot.ai/models/nl/sentence-transformers-all-minilm-l6-v2/index.md) · [JSON](https://ailoot.ai/models/nl/sentence-transformers-all-minilm-l6-v2/facts.json) ## [Sentence Transformers: all-MiniLM-L6-v2](https://ailoot.ai/models/nl/sentence-transformers-all-minilm-l6-v2/) Sentence Transformers all-MiniLM-L6-v2 representeert zinnen en korte alinea's als 384-dimensionale vectoren voor semantisch zoeken, clustering en gelijkenis. Het gepubliceerde recept combineert mean pooling met L2-normalisatie en een standaardlengte van 256 wordpieces. - [**Ailoot Ultra · Embeddings** `POST /v1/embeddings` `sentence-transformers/all-minilm-l6-v2`](https://ailoot.ai/models/nl/sentence-transformers-all-minilm-l6-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-L6-v2 is een encoder van Sentence Transformers voor zinnen en korte alinea's. Het zet elke tekst om in een 384-dimensionale dense vector voor informatieopvraging, clustering en zinsgelijkenis. Het model is vanuit de MiniLM-L6-H384-uncased-basisarchitectuur gefinetuned met contrastief leren op een verzameling van een miljard zinsparen. #### Bereid beknopte, betekenisvolle records voor Kies de zin of alinea die in een zoekresultaat moet verschijnen. Bewaar voor een FAQ-verzameling de vraag en de korte uitleg die het onderwerp onderscheidt. Een passage over het opnieuw instellen van een vergeten wachtwoord moet de resetprocedure behouden in plaats van te worden gereduceerd tot een los woord zoals “Account”. Indexeer bij een lang artikel samenhangende korte secties en bewaar hun bronlocaties. Haal kandidaatsecties op door de vector van de zoekvraag met de opgeslagen representaties te vergelijken en toon daarna de oorspronkelijke passages, zodat de lezer de daadwerkelijke instructies kan onderzoeken. #### Verkrijg de zinsrepresentatie Het rechtstreekse codeerrecept van de maker middelt tokenrepresentaties met het attention-masker en sluit paddingposities van het gemiddelde uit. Vervolgens past het L2-normalisatie toe. Die stappen produceren de zinsembedding die voor vergelijking wordt gebruikt; individuele tokenrepresentaties uit de onderliggende transformer hebben een andere rol. Elke uitvoer heeft 384 componenten. Gebruik hetzelfde checkpoint, dezelfde pooling en normalisatie bij het opbouwen van de verzameling en het coderen van latere zoekvragen. Cosinusgelijkenis kan de resulterende vectoren vergelijken. Een gelijkeniswaarde is bruikbaar om kandidaten onder die opzet te rangschikken, terwijl de oorspronkelijke tekst bepaalt of een kandidaat de vraag beantwoordt. #### Lengte- en editiegrenzen De gepubliceerde standaard kapt invoer langer dan 256 wordpieces af. Die tokenizereenheid komt niet rechtstreeks overeen met een gewoon woord of teken. Houd belangrijke voorwaarden binnen de geïndexeerde eenheid en splits een lange procedure vóór het coderen bij betekenisvolle grenzen. Trainingssequenties waren beperkt tot 128 tokens. Die trainingsinstelling staat los van de standaard van 256 wordpieces die voor het coderen wordt gebruikt. Gebruik bij ongewoon lange of gespecialiseerde passages representatieve zoekvraag-passagevoorbeelden om het zoekgedrag te beoordelen in plaats van aan te nemen dat passen binnen de invoergrens een gelijke behandeling van elk detail garandeert. De exacte L6-v2-editie is een Engels embeddingprofiel. De L12-v2- en paraphrase-MiniLM-edities hebben afzonderlijke modelidentiteiten en configuraties. Hun gedeelde MiniLM-naam of 384-dimensionale uitvoer stelt geen uitwisselbare vectoren vast. #### Zoeken, gelijkenis en groepering Haal voor beoordeling van dubbele vragen vergelijkbare vragen op en vergelijk de daadwerkelijke bewoordingen voordat u records samenvoegt. “Kan ik mijn wachtwoord opnieuw instellen?” en “Kan een beheerder het wachtwoord van een andere gebruiker opnieuw instellen?” betreffen verwante onderwerpen maar verschillende bevoegdheden. Behoud dat onderscheid in de gecodeerde tekst en in de beoordelingsfase. Gebruik voor clustering de embeddings als numerieke invoer voor een groeperingsproces en onderzoek vervolgens representatieve records voordat u een groep een naam geeft. Dit model levert vectoren in plaats van geschreven clusterlabels of een gegenereerd FAQ-antwoord. Het bruikbare resultaat is een compacte representatie van een korte bronpassage die aan het oorspronkelijke record gekoppeld blijft. **Ailoot Ultra · Embeddings** `POST /v1/embeddings` `sentence-transformers/all-minilm-l6-v2` [`sentence-transformers/all-minilm-l6-v2`](https://ailoot.ai/models/nl/#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` ### Aan de slag Sentence Transformers all-MiniLM-L6-v2 representeert zinnen en korte alinea's als 384-dimensionale vectoren voor semantisch zoeken, clustering en gelijkenis. Het gepubliceerde recept combineert mean pooling met L2-normalisatie en een standaardlengte van 256 wordpieces. Toegestane invoer Tekst · token\_ids Resultaten embedding ### Beschikbaar in Ailoot · invoer en methoden **Ailoot Ultra · Embeddings** `POST /v1/embeddings` Invoertypen `text`, `token_ids` Uitvoertypen `embedding` Uitvoerformaat json | Veld | Type | Vereiste | Waarden en limieten | Standaard | | --- | --- | --- | --- | --- | | Veld`model` | Type`string` | VereisteVereist | Waarden en limieten sentence-transformers/all-minilm-l6-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 exacte betekenis bij de upstreamprovider verschilt per model. | Standaard— | | Veld`session_id` | Type`json_value` | VereisteOptioneel | Waarden en limieten Voorwaarden: De bron staat dit JSON-metadataveld toe; de exacte betekenis bij de upstreamprovider verschilt per model. | Standaard— | | Veld`trace` | Type`json_value` | VereisteOptioneel | Waarden en limieten Voorwaarden: De bron staat dit JSON-metadataveld toe; de exacte betekenis bij de upstreamprovider verschilt per model. | 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. Een multimodale modelnaam houdt niet in dat afbeeldingsobjecten op dit specifieke pad zijn toegestaan. ### Tarieven Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode. Snelle modus Niet opgegeven Wanneer de snelle modus is geselecteerd Flexmodus Niet opgegeven Wanneer de modus flex is geselecteerd Maximale redeneerinspanning Niet opgegeven Wanneer bij 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 **$0** / 1K tokens Invoer · Cache lezen **—** / 1K tokens Invoer · Cache schrijven **—** / 1K tokens Invoer · Cache schrijven, 1 uur **—** / 1K tokens | Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. [Zo werken reservering en afrekening →](https://ailoot.ai/docs/nl/billing/reserve/) ### Voorbeeldverzoeken #### Ailoot Ultra · Embeddings curlPython SDK ```bash set -eu : "${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-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) ``` ### 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 geïntroduceerd. 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-l6-v2`](https://ailoot.ai/models/nl/#m=sentence-transformers%2Fall-minilm-l6-v2&route=Ultra&caller=sentence-transformers%2Fall-minilm-l6-v2&fmt=embeddings) #### Aliasnamen voor methodepaden Gebruik de hierboven getoonde methodepaden. #### Gerelateerde aanroeper-ID’s [`sentence-transformers/all-minilm-l6-v2`](https://ailoot.ai/models/nl/#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 Welke invoer en resultaten zijn beschikbaar? `POST /v1/embeddings` · `sentence-transformers/all-minilm-l6-v2`: `text`, `token_ids` → `embedding` Welke velden gebruikt het verzoek? `POST /v1/embeddings` · `sentence-transformers/all-minilm-l6-v2`: `model`, `input`, `encoding_format`, `provider` Welke limieten gelden? `POST /v1/embeddings` · `sentence-transformers/all-minilm-l6-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/billing/subscriptions/) · [Bekijk modelprijzen](https://ailoot.ai/models/nl/) ## 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) ## 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.