Source: https://ailoot.ai/models/pl/sentence-transformers-paraphrase-minilm-l6-v2/
Canonical: https://ailoot.ai/models/pl/sentence-transformers-paraphrase-minilm-l6-v2/
Language: pl

# Sentence Transformers: paraphrase-MiniLM-L6-v2

[Markdown](https://ailoot.ai/models/pl/sentence-transformers-paraphrase-minilm-l6-v2/index.md) · [JSON](https://ailoot.ai/models/pl/sentence-transformers-paraphrase-minilm-l6-v2/facts.json)

## [Sentence Transformers: paraphrase-MiniLM-L6-v2](https://ailoot.ai/models/pl/sentence-transformers-paraphrase-minilm-l6-v2/)

Sentence Transformers paraphrase-MiniLM-L6-v2 mapuje zdania i krótkie akapity na wektory o 384 wymiarach do wyszukiwania semantycznego i grupowania. Opublikowana konfiguracja używa uśredniania reprezentacji i długości sekwencji 128 tokenów.

- [**Ailoot Ultra · Reprezentacje wektorowe** `POST /v1/embeddings` `sentence-transformers/paraphrase-minilm-l6-v2`](https://ailoot.ai/models/pl/sentence-transformers-paraphrase-minilm-l6-v2/#method-0)

O modelu

Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.

paraphrase-MiniLM-L6-v2 to model osadzeń Sentence Transformers dla zdań i krótkich akapitów. Mapuje każdy tekst na gęstą przestrzeń wektorową o 384 wymiarach, a wyszukiwanie semantyczne i grupowanie należą do zadań wskazanych przez producenta. Opublikowana architektura łączy transformer z uśrednianiem reprezentacji; skonfigurowana długość sekwencji wynosi 128 tokenów.

#### Reprezentuj fragment, który chcesz porównać

Przygotuj rzeczywiste zdanie lub krótki akapit, zachowując temat i ważne warunki. Praktyczny zbiór może zawierać różnie sformułowane pytania lub krótkie opisy powiązanych tematów. Osadź każdy rekord i zachowaj jego pierwotne sformułowania oraz identyfikator, aby późniejsze porównanie mogło zwrócić sam tekst.

Na przykład kilka pytań do działu wsparcia może opisywać tę samą trudność różnymi terminami. Etap oceny podobieństwa może zebrać takich kandydatów, po czym ich sformułowania można sprawdzić pod kątem rzeczywistego problemu. Osadzenie jest reprezentacją liczbową używaną w tym porównaniu; samo nie pisze parafrazy ani nie przypisuje ostatecznej etykiety grupy.

#### Uśrednianie i wykorzystanie wektorów

Bezpośredni przykład kodowania producenta uwzględnia maskę uwagi podczas uśredniania reprezentacji tokenów, wykluczając pozycje dopełnienia. Architektura jawnie wybiera uśrednianie i nie wybiera agregacji CLS ani maksimum. Zachowaj tę recepturę agregacji z modelem przy przygotowaniu porównywalnych wektorów.

Każda zwrócona reprezentacja ma 384 składowe. Etap indeksowania lub grupowania pracuje z tymi wektorami przy wybranej konfiguracji podobieństwa, a źródłowy rekord pozostaje dostępny do przeglądu. Zachowaj ten sam model, przygotowanie wejścia i ustawienia porównania dla porównywanych elementów. Inny model zwracający 384 wartości nie jest na podstawie samego kształtu tą samą przestrzenią osadzeń.

#### Krótkie wejścia w opublikowanej konfiguracji

Referencyjna konfiguracja Sentence Transformer używa maksymalnej długości sekwencji 128 tokenów. Przygotuj długie źródło jako krótkie spójne jednostki, a nie jeden zbyt długi akapit. Zdanie zawierające regułę może potrzebować wyjątku z następnego zdania; zachowaj tę małą jednostkę razem, jeśli się mieści. Liczba słów lub znaków nie określa bezpośrednio długości w tokenach.

W zbiorze krótkich opisów zachowaj nazwy i cechy odróżniające, które mają znaczenie dla porównania. Rekord zawierający tylko niejasną kategorię może być trudny do oddzielenia od innych rekordów tego typu. Przechowuj powiązanie ze źródłem poza wektorem, aby zwróconego kandydata dało się sprawdzić względem pierwotnego materiału.

#### Wyniki wyszukiwania i grupowania

W wyszukiwaniu semantycznym reprezentuj zapytanie i materiał korpusu tym samym modelem oraz zwracaj rekordy kandydatów z tekstem źródłowym. Przy grupowaniu inny etap tworzy grupy z wektorów. Analizuj rekordy blisko granicy grupy, zanim użyjesz grupowania do decyzji produktowej lub automatycznej etykiety.

Użyteczne wyjście to kompaktowa reprezentacja krótkiego tekstu powiązana z pierwotnym rekordem. Ten konkretny punkt kontrolny paraphrase-MiniLM-L6-v2 ma własną konfigurację agregacji i sekwencji. Warianty all-MiniLM i wielojęzyczne paraphrase są odrębnymi profilami modeli; ich trening, zakres językowy i ustawienia wejścia nie wynikają ze wspólnej nazwy MiniLM.

**Ailoot Ultra · Reprezentacje wektorowe** `POST /v1/embeddings` `sentence-transformers/paraphrase-minilm-l6-v2`

[`sentence-transformers/paraphrase-minilm-l6-v2`](https://ailoot.ai/models/pl/#m=sentence-transformers%2Fparaphrase-minilm-l6-v2&route=Ultra&caller=sentence-transformers%2Fparaphrase-minilm-l6-v2&fmt=embeddings)

Sentence Transformers /`sentence-transformers/paraphrase-minilm-l6-v2`

### Start

Sentence Transformers paraphrase-MiniLM-L6-v2 mapuje zdania i krótkie akapity na wektory o 384 wymiarach do wyszukiwania semantycznego i grupowania. Opublikowana konfiguracja używa uśredniania reprezentacji i długości sekwencji 128 tokenów.

Akceptowane dane wejściowe

Tekst · token\_ids

Wyniki

embedding

### Dostępne w Ailoot · dane wejściowe i metody

**Ailoot Ultra · Reprezentacje wektorowe** `POST /v1/embeddings`

Wejście

`text`, `token_ids`

Wyjście

`embedding`

Format wyjściowy

json

| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
| --- | --- | --- | --- | --- |
| Pole`model` | Typ`string` | WymaganieWymagane | Wartości i limity sentence-transformers/paraphrase-minilm-l6-v2 | Domyślnie— |
| Pole`input` | Typ`string\|string[]\|integer[]\|integer[][]` | WymaganieWymagane | Wartości i limity Minimalna liczba elementów: 1 Warunki: Niepusta, jednorodna partia danych. Identyfikatory tokenów są nieujemnymi liczbami całkowitymi. Budżet wejścia: Maksimum: 512 · Jednostka tekstu: bajty UTF8 · Jednostka tokenów: elementy tablicy tokenów | Domyślnie— |
| Pole`encoding_format` | Typ`string` | WymaganieOpcjonalne | Wartości i limity float | Domyślniefloat |
| Pole`dimensions` | Typ`integer` | WymaganieNieobsługiwane | Wartości i limity Minimum: 1 | Domyślnie— |
| Pole`user` | Typ`json_value` | WymaganieOpcjonalne | Wartości i limity Warunki: Źródło dopuszcza to pole metadanych JSON; dokładna semantyka po stronie dostawcy zależy od modelu. | Domyślnie— |
| Pole`session_id` | Typ`json_value` | WymaganieOpcjonalne | Wartości i limity Warunki: Źródło dopuszcza to pole metadanych JSON; dokładna semantyka po stronie dostawcy zależy od modelu. | Domyślnie— |
| Pole`trace` | Typ`json_value` | WymaganieOpcjonalne | Wartości i limity Warunki: Źródło dopuszcza to pole metadanych JSON; dokładna semantyka po stronie dostawcy zależy od modelu. | Domyślnie— |
| Pole`provider` | Typ`object` | WymaganieOpcjonalne | Wartości i limity Warunki: Odrzucono provider.options | Domyślnie— |

Kombinacje materiałów wejściowych

**text\_to\_embedding**

Parametry i cykl życia metody

| Parametr | Kontrakt |
| --- | --- |
| Parametr`content_type` | Kontraktapplication/json |
| Parametr`required` | Kontraktmodel, input |
| Parametr`input_shapes` | Kontraktstring, string\[\], nonnegative\_integer\_token\_array, nonnegative\_integer\_token\_array\[\] |
| Parametr`encoding_format` | Kontraktfloat |
| Parametr`dimensions_override` | Kontraktfalse |
| Parametr`max_input_budget_units` | Kontrakt512 |
| Parametr`multimodal_objects` | Kontraktfalse |
| Parametr`material_types` | Kontrakttext, token\_ids |

Cykl życia: `synchronous_json`

Zachowaj indeks i liczbę wymiarów każdego wektora.

Nawet jeśli nazwa modelu wskazuje na multimodalność, ta konkretna ścieżka nie obsługuje obiektów obrazów.

### Cennik

Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.

Tryb szybki

Nie określono Gdy wybrany jest tryb szybki

Tryb flex

Nie określono Gdy wybrany jest tryb flex

Maksymalna intensywność rozumowania

Nie określono Gdy dla maksymalnej intensywności rozumowania stosowana jest domyślna korekta (default)

#### Stawki Ailoot

#### Ceny według konfiguracji

| Konfiguracja | Tabela stawek | Opłata |
| --- | --- | --- |
| KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Opłata Wejście · Tokeny wejściowe **$0.00001** / 1K tokenów Wyjście · Tokeny wyjściowe **$0** / 1K tokenów Wejście · Odczyt cache **—** / 1K tokenów Wejście · Zapis do cache **—** / 1K tokenów Wejście · Zapis do cache, 1 godz. **—** / 1K tokenów |

Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. [Jak działają rezerwacja i rozliczenie →](https://ailoot.ai/docs/pl/billing/reserve/)

### Przykładowe żądania

#### Ailoot Ultra · Reprezentacje wektorowe

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/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
```

```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/paraphrase-minilm-l6-v2',input=["First document","Second document"])
print(result)
for item in result.data:print(item.index,item.embedding)
```

### Odbieranie i zapisywanie wyników

#### Ailoot Ultra · Reprezentacje wektorowe

json

##### Zachowaj wszystkie ukończone wyniki

Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.

Zachowaj każdy wektor wraz z jego indeksem. Liczba wektorów musi być równa liczbie elementów wejściowych; wszystkie wektory muszą mieć tę samą liczbę wymiarów.

##### Jeśli trzeba sprawdzić pierwotną odpowiedź

Nie wprowadzono endpointu zadań generowania osadzeń.

Pola odpowiedzi

| Pole | Typ |
| --- | --- |
| Pole`object` | Typstring |
| Pole`model` | Typstring |
| Pole`data[].index` | Typinteger |
| Pole`data[].embedding` | Typfinite float\[\] |
| Pole`usage` | Typobject |

Błędy i dalsze kroki

| Odpowiedź | Warunek | Następny krok |
| --- | --- | --- |
| Odpowiedź400 · `invalid_request_error` | WarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametru | Następny krokPopraw wskazane pola przed nowym żądaniem utworzenia. |

### Aliasy

#### Aliasy modelu

**Ailoot Ultra** [`sentence-transformers/paraphrase-minilm-l6-v2`](https://ailoot.ai/models/pl/#m=sentence-transformers%2Fparaphrase-minilm-l6-v2&route=Ultra&caller=sentence-transformers%2Fparaphrase-minilm-l6-v2&fmt=embeddings)

#### Aliasy ścieżek metod

Użyj ścieżek metod podanych powyżej.

#### Powiązane ID modeli

[`sentence-transformers/paraphrase-minilm-l6-v2`](https://ailoot.ai/models/pl/#m=sentence-transformers%2Fparaphrase-minilm-l6-v2&route=Ultra&caller=sentence-transformers%2Fparaphrase-minilm-l6-v2&fmt=embeddings)

FAQ · Sentence Transformers: paraphrase-MiniLM-L6-v2

Jakie dane wejściowe i wyniki są dostępne?

`POST /v1/embeddings` · `sentence-transformers/paraphrase-minilm-l6-v2`: `text`, `token_ids` → `embedding`

Jakich pól używa żądanie?

`POST /v1/embeddings` · `sentence-transformers/paraphrase-minilm-l6-v2`: `model`, `input`, `encoding_format`, `provider`

Jakie limity obowiązują?

`POST /v1/embeddings` · `sentence-transformers/paraphrase-minilm-l6-v2`: `input.budget.maximum`: `512` (bajty UTF8); `input.min_items`: `1`

Połącz Ailoot z Claude Code, OpenCode, Hermes albo własną aplikacją.

## Firma i jej portfel projektów

Firma i jej portfel projektów: miliony klientów; miesięczna sprzedaż liczona w miliardach.

## Kupuj tokeny z rabatem.

Rabat subskrypcji do regularnej pracy. Kody promocyjne — do 50% na tokeny.

Subskrypcja

Wybierz plan z rabatem do regularnych żądań.

Kod promocyjny do 50%

Wpisz kod przy zakupie. Cena zostanie przeliczona według aktualnej promocji.

Koszty w historii

Model, tokeny i kwota są zapisywane dla każdego żądania.

[Wybierz subskrypcję](https://ailoot.ai/docs/pl/billing/subscriptions/) · [Sprawdź ceny modeli](https://ailoot.ai/models/pl/)

## Połącz API z produktem, który sprzedajesz.

SaaS, aplikacje i boty na warunkach oferty i umowy licencyjnej Ailoot. Do odsprzedaży poproś o licencję resellerską.

Aplikacja komercyjna

Wbuduj generowanie tekstu, obrazów, wideo i dźwięku w płatne funkcje usługi.

Licencja resellerska

Prześlij opis projektu i schemat dostępu. Poproś o pisemne warunki używania i odsprzedaży.

Dokumenty na stronie

Oferta, umowa licencyjna i polityka przetwarzania danych są dostępne przed połączeniem.

[Poproś o licencję resellerską](mailto:support@ailoot.ai) · [Oferta i umowa licencyjna](https://ailoot.ai/legal/offer?lang=pl)

## Ailoot · Firma i jej portfel projektów





Ailoot opiera się na zgromadzonym doświadczeniu operacyjnym, szerokiej bazie klientów, stabilnej usłudze i stałej kontroli KPI.





Firma i jej portfel projektów: miliony klientów; miesięczna sprzedaż liczona w miliardach.





Ailoot wykorzystuje to doświadczenie operacyjne, zapewniając dostęp przez API do funkcji AI w produktach klientów, agentach, aplikacjach i automatyzacjach.