all-MiniLM-L6-v2 — компактные семантические эмбеддинги
нейросеть
Модель преобразует предложения и короткие абзацы в 384-мерные плотные векторы, обеспечивая качественные семантические представления. Идеальна для информационного и семантического поиска, кластеризации, дедупликации и оценки схожести текстов. Доступна через BotHub — удобно подключать и оплачивать в рублях без VPN.
Характеристики
- Входные данные
- текст
- Результат
- векторы (эмбеддинги)
- Размер контекста
- 512 токенов
- Размерность вектора
- 384
Стоимость промпта
(за 1M токенов)
import OpenAI from 'openai';
const openai = new OpenAI({
apiKey: '<your bothub access token>',
baseURL: 'https://openai.bothub.chat/v1'
});
async function main() {
const response = await openai.embeddings.create({
model: 'all-minilm-l6-v2',
input: 'The food was delicious and the waiter...',
encoding_format: 'float'
});
const embedding = response.data[0].embedding;
console.log(embedding);
}main();
Как работает all-MiniLM-L6-v2 — компактные семантические эмбеддинги?
Используйте all-MiniLM-L6-v2 на BotHub для точного семантического поиска и кластеризации.Частые вопросы о all-MiniLM-L6-v2 — компактные семантические эмбеддинги
Вы можете использовать результаты генерации в коммерческих целях. Все права на созданный контент принадлежат вам. Единственное ограничение: убедитесь, что в запросе не использовались защищённые авторским правом материалы третьих сторон. Ответственность за соблюдение прав на входные данные лежит на пользователе.
All Minilm L6 v2 — модель для генерации эмбеддингов: она кодирует текст в векторные представления, подходящие для семантического поиска, поиска похожих документов, RAG, кластеризации, рекомендаций и задач сравнения текстов в аналитических и поисковых сценариях.
Модель выдаёт числовые векторы (эмбеддинги) по текстовому вводу. Она кодирует текст длиной до указанного контекстного окна в виде массива чисел, готового к использованию в ML‑пайплайнах и в векторных базах данных.
В наших данных про способность к пошаговым рассуждениям не отмечено. По назначению это модель эмбеддингов: она кодирует смысл текста в вектор, а не выполняет цепочки логических рассуждений или объяснения шагов вывода.
В наших данных функция вызова и структурированный JSON‑вывод не отмечены. На практике модель возвращает числовые векторы через API в виде массивов, которые затем вы обрабатываете в своём приложении или сохраняете в векторную БД.
В наших данных приём на вход помимо текста не отмечен. All Minilm L6 v2 позиционируется как текстовая модель эмбеддингов, поэтому для работы с изображениями, аудио или видео лучше использовать специализированные мультимодальные решения.
В наших данных нет явной метки по качеству работы с русским. Модель кодирует текст независимо от языка, но итоговое качество семантического представления зависит от обучающего корпуса, поэтому рекомендуем протестировать её на ваших русскоязычных примерах.