Sentence Transformers: all-MiniLM-L12-v2
Sentence Transformers all-MiniLM-L12-v2 將句子與短段落編碼成 384 維向量，用於搜尋、相似度比較與分群。參考方式採用平均池化與正規化，預設在 256 個 word piece 處截斷。
關於模型
此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項，依所選方法列於下方。
all-MiniLM-L12-v2 是用於句子與短段落的 Sentence Transformers 編碼器。它為每段文字產生一個 384 維稠密向量，用於語意搜尋、資訊檢索、分群與句子相似度。模型採用 MiniLM-L12-H384-uncased 主幹，並以十億組句子配對進行對比學習微調。
編碼要檢索的單位
請使用表達一個實用概念的句子或短段落。產品說明集合應保留功能與區別項目的條件：「這個轉接器可將有線耳機連接至 USB-C 連接埠」比「音訊配件」更有資訊。請在向量旁儲存記錄識別碼與原始說明。
接著便能比較搜尋查詢與已編碼說明。提出最終選擇前，請檢視回傳候選項是否符合連接器類型或裝置相容性等確切需求。向量表示文字意義，周邊搜尋應用程式則檢索對應記錄。
平均池化與正規化向量
公開編碼範例透過注意力遮罩平均 token 表示，讓填補位置不參與平均，再套用 L2 正規化。這些步驟屬於取得句子向量的參考方式，不是要從底層 Transformer 任意取出一個 token。
請在索引文字與新查詢之間維持一致的模型、池化與正規化設定。產生的 384 分量表示可用餘弦相似度比較。請將設定記錄和資料集合一起保留；另一個 384 維編碼器，不會僅因向量長度相同就變得相容。
預設輸入長度與訓練範圍
製造商指定超過 256 個 word piece 時預設會截斷。這是 tokenizer 限制，不是一般單字數或字元數。較長記錄請選擇語意連貫的短節，並保留解讀各節所需的標題或識別細節。
模型訓練程序使用最長 128 token 的序列。這個訓練設定與公開的編碼時 256 個 word piece 預設值不同。即使段落符合預設值，也可能與訓練使用的短句資料差異很大，因此請用代表性例子評估長篇或專業說明。
相似度與分群工作流程
對於一組客服訊息，嵌入可提供分組階段的數值輸入。指派可讀標籤前，請審查各提議群組中的多則訊息，以及群組邊界附近的訊息。審查重複內容時，請檢索相似記錄並比較實際措辭；兩段文字可能討論同一主題，卻提供不同指示。
這個確切的 L12-v2 版本是英文句子嵌入規格，與 all-MiniLM-L6-v2 及 paraphrase-MiniLM 檢查點不同。共用家族名稱，不代表序列設定或池化方式可直接沿用。請將精簡稠密向量與來源記錄及任務專屬評估一起使用，不要將相似度值當成已驗證答案或最終編輯決策。
Ailoot Ultra · 嵌入向量 POST /v1/embeddings sentence-transformers/all-minilm-l12-v2
sentence-transformers/all-minilm-l12-v2
sentence-transformers/all-minilm-l12-v2入門
Sentence Transformers all-MiniLM-L12-v2 將句子與短段落編碼成 384 維向量，用於搜尋、相似度比較與分群。參考方式採用平均池化與正規化，預設在 256 個 word piece 處截斷。
- 接受的輸入
- 文字 · token_ids
- 結果
- embedding
Ailoot 可用 · 輸入與方法
Ailoot Ultra · 嵌入向量 POST /v1/embeddings
- 輸入
text,token_ids- 輸出
embedding- 輸出格式
- json
| 欄位 | 類型 | 要求 | 值與限制 | 預設值 |
|---|---|---|---|---|
欄位model | 類型string | 要求必填 | 值與限制 sentence-transformers/all-minilm-l12-v2 | 預設值— |
欄位input | 類型string|string[]|integer[]|integer[][] | 要求必填 | 值與限制 項目數下限: 1 條件: 批次不得為空，且各項目類型須一致。Token ID 須為非負整數。 輸入額度： 最大值: 512 · 文字單位: UTF8 位元組 · Token 單位: token 陣列元素 | 預設值— |
欄位encoding_format | 類型string | 要求選填 | 值與限制 float | 預設值float |
欄位dimensions | 類型integer | 要求不支援 | 值與限制 最小值: 1 | 預設值— |
欄位user | 類型json_value | 要求選填 | 值與限制 條件: 來源允許此 JSON 中繼資料欄位；確切的上游語意依模型而異。 | 預設值— |
欄位session_id | 類型json_value | 要求選填 | 值與限制 條件: 來源允許此 JSON 中繼資料欄位；確切的上游語意依模型而異。 | 預設值— |
欄位trace | 類型json_value | 要求選填 | 值與限制 條件: 來源允許此 JSON 中繼資料欄位；確切的上游語意依模型而異。 | 預設值— |
欄位provider | 類型object | 要求選填 | 值與限制 條件: provider.options 遭拒絕 | 預設值— |
輸入素材組合
text_to_embedding
方法參數與生命週期
| 參數 | 規格 |
|---|---|
參數content_type | 規格application/json |
參數required | 規格model, input |
參數input_shapes | 規格string, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[] |
參數encoding_format | 規格float |
參數dimensions_override | 規格false |
參數max_input_budget_units | 規格512 |
參數multimodal_objects | 規格false |
參數material_types | 規格text, token_ids |
生命週期： synchronous_json
保留每個向量的索引與維度。
即使模型名稱標示為多模態，此指定路徑也不接受圖片物件。
方案
費率資訊不會增加請求選項。支援的參數列於所選方法中。
- 快速模式
- 未指定 選取快速模式時
- flex 模式
- 未指定 選取 flex 模式時
- 最高推理強度
- 未指定 最高推理強度採用 default 調整值時
Ailoot 費率
各設定的價格
| 設定 | 費率表 | 費用 |
|---|---|---|
| 設定詞元基本費率 | 費率表基本費率 | 費用 輸入 · 輸入 Token $0.00001 / 1K Token 輸出 · 輸出 Token $0 / 1K Token 輸入 · 讀取快取 — / 1K Token 輸入 · 寫入快取 — / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
請求範例
Ailoot Ultra · 嵌入向量
set -eu
: "${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
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)
接收並儲存結果
Ailoot Ultra · 嵌入向量
json
保留所有已完成的結果
請保留所有完整傳回的回應、檔案與內容區塊。
保留每個向量及其索引。向量數量必須與輸入數量相同，且維度必須一致。
需要檢查原始回應時
此流程未引入嵌入向量任務端點。
回應欄位
| 欄位 | 類型 |
|---|---|
欄位object | 類型string |
欄位model | 類型string |
欄位data[].index | 類型integer |
欄位data[].embedding | 類型finite float[] |
欄位usage | 類型object |
錯誤與後續步驟
| 回應 | 條件 | 下一步 |
|---|---|---|
回應400 · invalid_request_error | 條件必要欄位、素材表示方式或參數值無效 | 下一步提出新的建立請求前，先修正指定欄位。 |
別名
模型別名
Ailoot Ultra sentence-transformers/all-minilm-l12-v2
方法路徑別名
請使用上方列出的 API 方法路徑。
相關呼叫用 ID
FAQ · Sentence Transformers: all-MiniLM-L12-v2
- 可以使用哪些輸入與結果？
POST /v1/embeddings·sentence-transformers/all-minilm-l12-v2:text,token_ids→embedding- 請求使用哪些欄位？
POST /v1/embeddings·sentence-transformers/all-minilm-l12-v2:model,input,encoding_format,provider- 適用哪些限制？
POST /v1/embeddings·sentence-transformers/all-minilm-l12-v2:input.budget.maximum:512(UTF8 位元組);input.min_items:1