Source: https://ailoot.ai/models/zh-hant-tw/sentence-transformers-all-mpnet-base-v2/
Canonical: https://ailoot.ai/models/zh-hant-tw/sentence-transformers-all-mpnet-base-v2/
Language: zh-hant-tw

# Sentence Transformers: all-mpnet-base-v2

[Markdown](https://ailoot.ai/models/zh-hant-tw/sentence-transformers-all-mpnet-base-v2/index.md) · [JSON](https://ailoot.ai/models/zh-hant-tw/sentence-transformers-all-mpnet-base-v2/facts.json)

## [Sentence Transformers: all-mpnet-base-v2](https://ailoot.ai/models/zh-hant-tw/sentence-transformers-all-mpnet-base-v2/)

Sentence Transformers all-mpnet-base-v2 將句子與短段落轉成 768 維向量，用於檢索、分群及相似度比較。公開方式採用平均池化與 L2 正規化，預設在 384 個 word piece 處截斷。

- [**Ailoot Ultra · 嵌入向量** `POST /v1/embeddings` `sentence-transformers/all-mpnet-base-v2`](https://ailoot.ai/models/zh-hant-tw/sentence-transformers-all-mpnet-base-v2/#method-0)

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-mpnet-base-v2 是將句子與短段落表示為 768 維稠密向量的 Sentence Transformers 模型。它以十億組句子配對資料，透過對比學習微調 MPNet 基礎模型。製造商列出的用途包括資訊檢索、分群及句子相似度。

#### 編碼句子或短段落

請準備要比較的文字，保留主要概念與可區別的細節。內部文件集合中的短節，可以描述如何申請設備更換，或維修報告必須包含哪些資訊。請將文件標題與來源位置和向量一起保留，供後續查閱。

以同一模型建立嵌入的查詢，即使措辭不同，也能檢索相關章節。請檢視這些章節是否包含讀者實際需要的指示。相似度工作流程中，請在檢索後比較候選句子本身，尤其當一方包含另一方沒有的例外或條件時。

#### 平均池化與正規化

參考編碼範例透過注意力遮罩平均具上下文的 token 表示，將填補位置排除於平均值之外。接著對產生的句子嵌入進行 L2 正規化。為資料集合與後續查詢產生向量時，請保留這兩個步驟。

每個向量有 768 個分量。餘弦相似度可用來比較這些正規化表示，而來源文字提供結果背後的證據。分量數相同，不代表此模型與 multi-qa-mpnet-base-dot-v1 相容；後者是另一個版本，指定使用 CLS 池化與未正規化向量進行內積評分。

#### 預設截斷與段落準備

製造商說明，超過 384 個 word piece 的輸入預設會被截斷。請將相關章節維持在該 tokenizer 邊界內。對於較長流程，請依有意義的章節邊界切分，並納入足夠的局部上下文，說明步驟適用於什麼情況。「五日內提交」這類片段，需要指出從哪個事件或程序開始計算期限。

訓練程序將序列限制為 128 token，與公開的 384 個 word piece 編碼預設值不同。評估較長段落或資料集合專有詞彙時，請使用代表性資料。輸入容納更多文字，不代表每個細節都會同等影響檢索結果。

#### 檢索、分組與比較

搜尋時，請保留向量與文件的關聯，讓排名候選項能回傳原始章節。RAG 工作流程中，選定章節會成為答案撰寫階段的上下文。模型提供的是數值表示，不會產生附來源的回覆，也不會決定哪份文件具有權威性。

分群時，請在指派標籤前比較各提議群組中的記錄。一組維修筆記可能使用相似語言，卻指向不同設備或故障條件。請在編碼文字中納入這些區別細節，並於回傳資料中檢視，不要只依賴分數。

這個確切的 all-mpnet-base-v2 檢查點，是具備自身平均池化、正規化及預設截斷設定的英文句子嵌入規格。請將這些設定和索引資料集合一起保留，並用向量協助尋找與比較對任務重要的來源段落。

**Ailoot Ultra · 嵌入向量** `POST /v1/embeddings` `sentence-transformers/all-mpnet-base-v2`

[`sentence-transformers/all-mpnet-base-v2`](https://ailoot.ai/models/zh-hant-tw/#m=sentence-transformers%2Fall-mpnet-base-v2&route=Ultra&caller=sentence-transformers%2Fall-mpnet-base-v2&fmt=embeddings)

Sentence Transformers /`sentence-transformers/all-mpnet-base-v2`

### 入門

Sentence Transformers all-mpnet-base-v2 將句子與短段落轉成 768 維向量，用於檢索、分群及相似度比較。公開方式採用平均池化與 L2 正規化，預設在 384 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-mpnet-base-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 →](https://ailoot.ai/docs/zh-hant-tw/billing/reserve/)

### 請求範例

#### Ailoot Ultra · 嵌入向量

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-mpnet-base-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-mpnet-base-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-mpnet-base-v2`](https://ailoot.ai/models/zh-hant-tw/#m=sentence-transformers%2Fall-mpnet-base-v2&route=Ultra&caller=sentence-transformers%2Fall-mpnet-base-v2&fmt=embeddings)

#### 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

[`sentence-transformers/all-mpnet-base-v2`](https://ailoot.ai/models/zh-hant-tw/#m=sentence-transformers%2Fall-mpnet-base-v2&route=Ultra&caller=sentence-transformers%2Fall-mpnet-base-v2&fmt=embeddings)

FAQ · Sentence Transformers: all-mpnet-base-v2

可以使用哪些輸入與結果？

`POST /v1/embeddings` · `sentence-transformers/all-mpnet-base-v2`: `text`, `token_ids` → `embedding`

請求使用哪些欄位？

`POST /v1/embeddings` · `sentence-transformers/all-mpnet-base-v2`: `model`, `input`, `encoding_format`, `provider`

適用哪些限制？

`POST /v1/embeddings` · `sentence-transformers/all-mpnet-base-v2`: `input.budget.maximum`: `512` (UTF8 位元組); `input.min_items`: `1`

將 Ailoot 串接 Claude Code、OpenCode、Hermes 或自己的應用程式。

## 公司及其專案組合

公司及其專案組合：數百萬客戶，每月銷售額達數十億。

## 優惠購買 token。

訂閱優惠適合持續工作，折扣碼購買 token 最高可折 50%。

訂閱

為定期請求選擇優惠方案。

最高 50% 折扣碼

購買時輸入代碼，價格依活動重算。

歷史中的費用

每次請求保存模型、token 與金額。

[選擇訂閱](https://ailoot.ai/docs/zh-hant-tw/billing/subscriptions/) · [查看模型價格](https://ailoot.ai/models/zh-hant-tw/)

## 將 API 加入 你銷售的產品。

依 Ailoot 正式服務條款與授權合約串接 SaaS、應用程式與機器人；轉售請申請經銷授權。

商用應用程式

在付費功能加入文字、圖片、影片與聲音生成。

經銷授權

提供專案說明與存取方式，要求書面使用和轉售條件。

網站文件

串接前可閱讀正式服務條款、授權合約與資料處理政策。

[申請經銷授權](mailto:support@ailoot.ai) · [正式服務條款與授權合約](https://ailoot.ai/legal/offer?lang=zh-hant-tw)

## Ailoot · 公司及其專案組合





Ailoot以累積的營運經驗、廣大的客戶群、穩定的服務及持續的KPI管理為基礎。





公司及其專案組合：數百萬客戶，每月銷售額達數十億。





Ailoot將這些營運經驗用於API存取，讓客戶的產品、代理、應用程式及自動化流程使用AI功能。