Source: https://ailoot.ai/models/ru/sentence-transformers-paraphrase-minilm-l6-v2/ Canonical: https://ailoot.ai/models/ru/sentence-transformers-paraphrase-minilm-l6-v2/ Language: ru # Sentence Transformers: paraphrase-MiniLM-L6-v2 [Markdown](https://ailoot.ai/models/ru/sentence-transformers-paraphrase-minilm-l6-v2/index.md) · [JSON](https://ailoot.ai/models/ru/sentence-transformers-paraphrase-minilm-l6-v2/facts.json) ## [Sentence Transformers: paraphrase-MiniLM-L6-v2](https://ailoot.ai/models/ru/sentence-transformers-paraphrase-minilm-l6-v2/) Sentence Transformers paraphrase-MiniLM-L6-v2 отображает предложения и короткие абзацы в 384-мерные векторы для семантического поиска и кластеризации. Опубликованная конфигурация использует усредняющий пулинг и настройку длины последовательности 128 токенов. - [**Ailoot Ultra · Эмбеддинги** `POST /v1/embeddings` `sentence-transformers/paraphrase-minilm-l6-v2`](https://ailoot.ai/models/ru/sentence-transformers-paraphrase-minilm-l6-v2/#method-0) О модели Описание раскрывает возможности модели. Доступные в Ailoot входные данные, результаты и параметры выбранного метода перечислены ниже. paraphrase-MiniLM-L6-v2 — модель эмбеддингов Sentence Transformers для предложений и коротких абзацев. Она отображает каждый текст в 384-мерное пространство плотных векторов; среди заявленных производителем задач — семантический поиск и кластеризация. Опубликованная архитектура объединяет трансформер с усредняющим пулингом; настроенная длина последовательности — 128 токенов. #### Представляйте фрагмент, который хотите сравнить Подготовьте реальное предложение или короткий абзац, сохраняя предмет и важные условия. Практическая коллекция может содержать по-разному сформулированные вопросы или краткие описания связанных тем. Создайте эмбеддинг каждой записи и сохраните исходную формулировку и идентификатор, чтобы последующее сравнение могло вернуть сам текст. Например, несколько вопросов справки могут описывать одну трудность разными терминами. Этап сравнения сходства может сблизить этих кандидатов, после чего их формулировки можно проверить на соответствие реальной проблеме. Эмбеддинг — числовое представление, используемое в этом сравнении; сам он не пишет перефразировку и не присваивает окончательную метку кластера. #### Усредняющий пулинг и использование векторов Пример прямого кодирования производителя учитывает маску внимания при усреднении представлений токенов, исключая позиции заполнения. Архитектура явно выбирает усредняющий пулинг и не выбирает CLS или пулинг по максимуму. Сохраняйте этот рецепт пулинга вместе с моделью при подготовке сопоставимых векторов. Каждое возвращённое представление имеет 384 компонента. Индекс или этап кластеризации работает с этими векторами с выбранной конфигурацией сходства, а исходная запись остаётся доступной для проверки. Сохраняйте одну модель, подготовку входа и настройки сравнения для сравниваемых элементов. Другая модель, возвращающая 384 значения, не образует то же пространство эмбеддингов только на основании этой формы. #### Короткие входы в опубликованной конфигурации Эталонная конфигурация Sentence Transformer использует максимальную длину последовательности 128 токенов. Подготовьте длинный источник как короткие связные единицы вместо одного слишком большого абзаца. Предложению с правилом может требоваться исключение из следующего предложения; сохраняйте эту небольшую единицу вместе, когда она помещается. Количество слов или символов напрямую не устанавливает токенную длину. Для набора коротких описаний сохраняйте имена и различающие свойства, важные для сравнения. Запись только с расплывчатой категорией бывает трудно отделить от других записей такого типа. Храните связь с источником вне вектора, чтобы возвращённого кандидата можно было проверить по исходному материалу. #### Результаты поиска и кластеризации В семантическом поиске представляйте запрос и материалы корпуса этой же моделью и возвращайте кандидатные записи с исходным текстом. В кластеризации другой этап формирует группы из векторов. Проверяйте записи рядом с границей кластера, прежде чем использовать группировку как продуктовое решение или автоматическую метку. Полезный выход — компактное представление короткого текста, связанное с исходной записью. Эта конкретная контрольная точка paraphrase-MiniLM-L6-v2 имеет собственную конфигурацию пулинга и последовательности. all-MiniLM и многоязычные варианты paraphrase — отдельные профили моделей; их обучение, языковой охват или входные настройки не подразумеваются общим именем MiniLM. **Ailoot Ultra · Эмбеддинги** `POST /v1/embeddings` `sentence-transformers/paraphrase-minilm-l6-v2` [`sentence-transformers/paraphrase-minilm-l6-v2`](https://ailoot.ai/models/ru/#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` ### Начало Sentence Transformers paraphrase-MiniLM-L6-v2 отображает предложения и короткие абзацы в 384-мерные векторы для семантического поиска и кластеризации. Опубликованная конфигурация использует усредняющий пулинг и настройку длины последовательности 128 токенов. Допустимые входные данные Текст · token\_ids Результаты embedding ### Доступно в Ailoot · входные данные и методы **Ailoot Ultra · Эмбеддинги** `POST /v1/embeddings` Входные данные `text`, `token_ids` Результат `embedding` Выходной формат json | Поле | Тип | Требование | Значения и ограничения | По умолчанию | | --- | --- | --- | --- | --- | | Поле`model` | Тип`string` | ТребованиеОбязательно | Значения и ограничения sentence-transformers/paraphrase-minilm-l6-v2 | По умолчанию— | | Поле`input` | Тип`string\|string[]\|integer[]\|integer[][]` | ТребованиеОбязательно | Значения и ограничения Минимум элементов: 1 Условия: Непустой однородный пакет. ID токенов — неотрицательные целые числа. Входной бюджет: Максимум: 512 · Текстовая единица: байты UTF8 · Единица токенов: элементы массива токенов | По умолчанию— | | Поле`encoding_format` | Тип`string` | ТребованиеНеобязательно | Значения и ограничения float | По умолчаниюfloat | | Поле`dimensions` | Тип`integer` | ТребованиеНе поддерживается | Значения и ограничения Минимум: 1 | По умолчанию— | | Поле`user` | Тип`json_value` | ТребованиеНеобязательно | Значения и ограничения Условия: Source допускает это поле метаданных JSON; точная семантика у исходного поставщика зависит от модели. | По умолчанию— | | Поле`session_id` | Тип`json_value` | ТребованиеНеобязательно | Значения и ограничения Условия: Source допускает это поле метаданных JSON; точная семантика у исходного поставщика зависит от модели. | По умолчанию— | | Поле`trace` | Тип`json_value` | ТребованиеНеобязательно | Значения и ограничения Условия: Source допускает это поле метаданных JSON; точная семантика у исходного поставщика зависит от модели. | По умолчанию— | | Поле`provider` | Тип`object` | ТребованиеНеобязательно | Значения и ограничения Условия: provider.options отклоняется | По умолчанию— | Сочетания входных материалов **text\_to\_embedding** Параметры и жизненный цикл метода | Параметр | Контракт | | --- | --- | | Параметр`content_type` | Контрактapplication/json | | Параметр`required` | Контрактmodel, input | | Параметр`input_shapes` | Контрактstring, string\[\], nonnegative\_integer\_token\_array, nonnegative\_integer\_token\_array\[\] | | Параметр`encoding_format` | Контрактfloat | | Параметр`dimensions_override` | Контрактfalse | | Параметр`max_input_budget_units` | Контракт512 | | Параметр`multimodal_objects` | Контрактfalse | | Параметр`material_types` | Контрактtext, token\_ids | Жизненный цикл: `synchronous_json` Сохраняйте индекс и размерность каждого вектора. Название мультимодальной модели не означает допуск объектов изображений на этом конкретном маршруте. ### Тарифы Тарифная справка не добавляет режимы запроса. Поддерживаемые параметры указаны для выбранного метода. Быстрый режим Не указано При выборе быстрого режима Режим flex Не указано При выборе режима flex Максимальная интенсивность рассуждений Не указано При максимальной интенсивности рассуждений с корректировкой по умолчанию (default) #### Ставки Ailoot #### Цены по конфигурациям | Конфигурация | Шкала ставок | Плата | | --- | --- | --- | | КонфигурацияБазовые ставки за токены | Шкала ставокБазовая ставка | Плата Вход · Входные токены **$0.00001** / 1K токенов Выход · Выходные токены **$0** / 1K токенов Вход · Чтение кэша **—** / 1K токенов Вход · Запись в кэш **—** / 1K токенов Вход · Запись в кэш, 1 час **—** / 1K токенов | Ailoot резервирует расчётную сумму перед запросом. После получения результата списывает итоговую плату по измеренному расходу. Для окончательного списания за потоковый ответ используется итоговая запись расхода. [Как работают резервирование и расчёт →](https://ailoot.ai/docs/ru/billing/reserve/) ### Примеры запросов #### Ailoot Ultra · Эмбеддинги curlPython SDK ```bash set -eu : "${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) ``` ### Получить и сохранить результаты #### Ailoot Ultra · Эмбеддинги json ##### Сохраняйте все готовые результаты Сохраняйте каждый полностью полученный ответ, файл и элемент содержимого. Сохраняйте каждый вектор с его индексом. Число векторов должно совпадать с числом входных элементов; размерности должны быть согласованы. ##### Если нужно проверить исходный ответ Отдельный эндпоинт заданий эмбеддингов не вводится. Поля ответа | Поле | Тип | | --- | --- | | Поле`object` | Типstring | | Поле`model` | Типstring | | Поле`data[].index` | Типinteger | | Поле`data[].embedding` | Типfinite float\[\] | | Поле`usage` | Типobject | Ошибки и дальнейшие шаги | Ответ | Условие | Следующий шаг | | --- | --- | --- | | Ответ400 · `invalid_request_error` | УсловиеНеверные обязательные поля, представление материалов или значение параметра | Следующий шагИсправьте указанные поля перед новым запросом на создание. | ### Псевдонимы #### Псевдонимы моделей **Ailoot Ultra** [`sentence-transformers/paraphrase-minilm-l6-v2`](https://ailoot.ai/models/ru/#m=sentence-transformers%2Fparaphrase-minilm-l6-v2&route=Ultra&caller=sentence-transformers%2Fparaphrase-minilm-l6-v2&fmt=embeddings) #### Псевдонимы путей метода Используйте пути методов, указанные выше. #### Связанные ID для вызова [`sentence-transformers/paraphrase-minilm-l6-v2`](https://ailoot.ai/models/ru/#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 Какие входные данные и результаты доступны? `POST /v1/embeddings` · `sentence-transformers/paraphrase-minilm-l6-v2`: `text`, `token_ids` → `embedding` Какие поля использует запрос? `POST /v1/embeddings` · `sentence-transformers/paraphrase-minilm-l6-v2`: `model`, `input`, `encoding_format`, `provider` Какие ограничения действуют? `POST /v1/embeddings` · `sentence-transformers/paraphrase-minilm-l6-v2`: `input.budget.maximum`: `512` (байты UTF8); `input.min_items`: `1` Подключите Ailoot к Claude Code, OpenCode, Hermes или своему приложению. ## Компания и портфель её проектов Компания и портфель её проектов: миллионы клиентов; продажи на миллиарды ежемесячно. ## Покупайте токены со скидкой. Скидка по подписке для регулярной работы. Промокоды — до 50% на покупку токенов. Подписка Выберите тариф со скидкой для своих регулярных запросов. Промокод до 50% Введите код при покупке. Цена пересчитается с учётом действующей акции. Расходы в истории Модель, токены и сумма сохраняются для каждого запроса. [Выбрать подписку](https://ailoot.ai/docs/ru/billing/subscriptions/) · [Посмотреть цены моделей](https://ailoot.ai/models/ru/) ## Подключайте API к продукту, который вы продаёте. SaaS, приложения и боты — по оферте и лицензионному договору Ailoot. Для перепродажи запросите реселлерскую лицензию. Коммерческое приложение Встраивайте генерацию текста, картинок, видео и звука в платные функции своего сервиса. Лицензия для реселлера Пришлите описание проекта и схему доступа. Запросите письменные условия использования и перепродажи. Документы на сайте Оферта, лицензионный договор и политика обработки данных доступны до подключения. [Запросить реселлерскую лицензию](mailto:support@ailoot.ai) · [Оферта и лицензионный договор](https://ailoot.ai/legal/offer?lang=ru) ## Ailoot · Компания и портфель её проектов Ailoot опирается на накопленный опыт работы, большую клиентскую базу, стабильный сервис и постоянный контроль KPI. Компания и портфель её проектов: миллионы клиентов; продажи на миллиарды ежемесячно. Этот опыт Ailoot использует для API-доступа к нейросетям в продуктах клиентов, агентах, приложениях и автоматизациях.