Sentence Transformers: paraphrase-MiniLM-L6-v2
Sentence Transformers paraphrase-MiniLM-L6-v2 將句子與短段落映射成 384 維向量，用於語意搜尋與分群。公開設定採用平均池化，並將序列長度設為 128 token。
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。
paraphrase-MiniLM-L6-v2 是用於句子與短段落的 Sentence Transformers 嵌入模型。它將每段文字映射至 384 維稠密向量空間，製造商列出的用途包括語意搜尋與分群。公開架構將 Transformer 與平均池化結合，設定的序列長度為 128 token。
表示要比較的段落
請準備實際句子或短段落，完整保留主題與重要條件。實用的資料集合可以包含不同措辭的問題，或相關主題的簡短說明。請為每筆記錄建立嵌入，並保留原始措辭與識別碼，讓後續比較能回傳文字本身。
例如，多個求助問題可能用不同用語描述同一種困難。相似度階段可以將這些候選項聚集，再檢視措辭以了解實際問題。嵌入是比較所使用的數值表示；它本身不會撰寫改述，也不會指派最終群組標籤。
平均池化與向量使用
製造商的直接編碼範例在平均 token 表示時會考量注意力遮罩，排除填補位置。其架構明確選擇平均池化，未選擇 CLS 或最大池化。準備可比較的向量時，請將此池化方式與模型一起保留。
每個回傳表示有 384 個分量。索引或分群階段會依選定的相似度設定處理這些向量，而底層來源記錄仍須可供審查。請在比較的所有項目中使用相同模型、輸入準備方式與比較設定。另一個模型即使也回傳 384 個值，僅憑形狀相同也不能視為同一個嵌入空間。
公開設定中的短輸入
參考 Sentence Transformer 設定使用 128 token 的最大序列長度。請將長篇來源準備成簡短而語意連貫的單位，而非單一過長段落。包含規則的句子可能需要下一句的例外說明；容量允許時，請將這個小單位一起保留。字數或字元數不能直接確定 token 長度。
對於一組簡短說明，請保留比較時重要的名稱與區別特性。只含模糊類別的記錄，可能難以與同類型的其他記錄區分。請在向量之外儲存來源關聯，讓回傳候選項能與原始資料核對。
搜尋與分群結果
語意搜尋時，請使用同一模型表示查詢與語料庫資料，並將候選記錄連同來源文字回傳。分群時，由另一階段根據向量形成群組。在將分群結果用於產品決策或自動標籤前，請檢視群組邊界附近的記錄。
有用的輸出，是連結至原始記錄的短文字精簡表示。這個確切的 paraphrase-MiniLM-L6-v2 檢查點具有自己的池化與序列設定。all-MiniLM 與多語言 paraphrase 變體是不同的模型規格；共用 MiniLM 名稱，不代表它們具有相同訓練、語言範圍或輸入設定。
Ailoot Ultra · 嵌入向量 POST /v1/embeddings sentence-transformers/paraphrase-minilm-l6-v2
sentence-transformers/paraphrase-minilm-l6-v2
sentence-transformers/paraphrase-minilm-l6-v2入門
Sentence Transformers paraphrase-MiniLM-L6-v2 將句子與短段落映射成 384 維向量，用於語意搜尋與分群。公開設定採用平均池化，並將序列長度設為 128 token。
- 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/paraphrase-minilm-l6-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/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
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)
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/paraphrase-minilm-l6-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: paraphrase-MiniLM-L6-v2
- 可以使用哪些輸入與結果？
POST /v1/embeddings·sentence-transformers/paraphrase-minilm-l6-v2:text,token_ids→embedding- 請求使用哪些欄位？
POST /v1/embeddings·sentence-transformers/paraphrase-minilm-l6-v2:model,input,encoding_format,provider- 適用哪些限制？
POST /v1/embeddings·sentence-transformers/paraphrase-minilm-l6-v2:input.budget.maximum:512(UTF8 位元組);input.min_items:1