paraphrase-MiniLM-L6-v2

нейросеть

paraphrase-MiniLM-L6-v2 преобразует предложения и короткие абзацы в 384‑мерные плотные векторы. Модель оптимизирована для обнаружения парафразов, оценки семантической близости, кластеризации и лёгковесного поиска/извлечения. Быстрая и компактная — подходит для ранжирования, дедупликации и масштабируемых приложений, доступна через BotHub.

Характеристики

Входные данные
текст
Результат
векторы (эмбеддинги)
Размер контекста
512 токенов
Размерность вектора
384
0,54 ₽

Стоимость промпта

(за 1M токенов)

*Указаны цены при использовании API через ECO-провайдеров.
Пример кода и API для paraphrase-MiniLM-L6-v2Мы предлагаем полный доступ к API OpenAI через наш сервис. Все наши конечные точки полностью соответствуют конечным точкам OpenAI, их можно использовать как с плагинами, так и при разработке собственного программного обеспечения через SDK.Создать API ключ
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: 'paraphrase-minilm-l6-v2',
    input: 'The food was delicious and the waiter...',
    encoding_format: 'float'
  });

  const embedding = response.data[0].embedding;

  console.log(embedding);
}
main();
illustaration

Как работает paraphrase-MiniLM-L6-v2?

Генерируйте эмбеддинги для поиска и анализа — доступно в BotHub.

Частые вопросы о paraphrase-MiniLM-L6-v2

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.

Paraphrase MiniLM L6 v2 преобразует текст в семантические эмбеддинги и подходит для поиска по смыслу, выявления парафразов и дубликатов, кластеризации и RAG‑пайплайнов. Модель удобна там, где нужен компактный вектор для работы в векторных БД.

Модель возвращает плотные числовые векторы фиксированной размерности, готовые для сравнения по косинусному или евклидову расстоянию. Формат вывода — массив чисел (вектор признаков), который удобно хранить в векторных БД вроде Qdrant или pgvector и использовать в поиске.

В наших данных не отмечено, что модель выполняет рассуждения перед выводом. Paraphrase MiniLM L6 v2 предназначена для генерации эмбеддингов, а не для пошаговой аргументации; сложные логические рассуждения лучше реализовывать поверх векторных представлений.

В наших данных не отмечено поддержание function calling или структурированного JSON‑вывода. Модель возвращает эмбеддинги как числовые массивы; формирование JSON или вызов функций следует реализовывать на стороне клиента или в слое приложения над эмбеддингами.

В наших данных не отмечено приёма изображений, аудио или видео. Paraphrase MiniLM L6 v2 ориентирована на текстовые входы; для мультимодальных эмбеддингов используйте специализированные модели, а интеграцию файловых входов реализуйте на уровне предобработки.

Модель создаёт семантические векторы для текстов, но в наших данных нет явной информации о качестве на русском. Практическая точность зависит от корпуса и задач: тестируйте на своих данных и при необходимости дообучайте или выбирайте мультиязычные эмбеддинги.

Служба поддержкиРаботаем с 10:00 до 18:00 по МСК