हम cookies इस्तेमाल करते हैं. Cookies और ब्राउज़र स्टोरेज आपको साइन इन रखते हैं और आपकी प्राथमिकताएं याद रखते हैं। आपकी अनुमति से हम यह भी मापते हैं कि साइट कैसे इस्तेमाल होती है। आप कभी भी । हमारी cookie नीति देखें।

Sentence Transformers: all-MiniLM-L6-v2

sentence-transformers/all-minilm-l6-v2

Embeddingsइनपुट: text1K17 नव॰ 2025 को जोड़ा गया

playground में खोलें Sentence Transformers: all-MiniLM-L6-v2 के लिए API key पाएं

Sentence Transformers: all-MiniLM-L6-v2 अभी आज़माएं

ऊपर दी गई कीमतों पर आपके बैलेंस से चलता है। नए अकाउंट मुफ्त उपयोग से शुरू होते हैं।

इसे इस्तेमाल करने के लिए साइन इन करेंमुफ्त अकाउंट बनाएं

इनपुट (हर लाइन में एक)

नतीजे यहां दिखेंगे।

आज 5 में से 5 मुफ्त मैसेज बाकी, मुफ्त अकाउंट से अतिरिक्त मुफ्त उपयोग और API key मिलती है।मुफ्त अकाउंट बनाएं साइन इनसेशन लागत $0.00

Sentence Transformers: all-MiniLM-L6-v2 एक नज़र में

इनपुट कीमत 34 Embeddings मॉडल के मीडियन से 75% कम है।

Sentence Transformers: all-MiniLM-L6-v2 के बारे में

सेंटेंस ट्रांसफॉर्मर्स: all-MiniLM-L6-v2, सेंटेंस ट्रांसफॉर्मर्स का एक एम्बेडिंग मॉडल है, जो api14 पर एम्बेडिंग श्रेणी के अंतर्गत सूचीबद्ध है। यह चैट या टेक्स्ट जनरेशन मॉडल नहीं, बल्कि एक कॉम्पैक्ट सेंटेंस एम्बेडिंग मॉडल है, इसलिए इसका काम टेक्स्ट को ऐसे वेक्टर में बदलना है जो अर्थ को कैप्चर करते हैं। यदि आप सिमेंटिक सर्च, डिडुप्लीकेशन या क्लस्टरिंग बना रहे हैं, तो यह उस प्रकार का मॉडल है जिसे आप जनरेटिव मॉडल के बजाय चुनते हैं।

मॉडल इनपुट के रूप में टेक्स्ट लेता है और आउटपुट के रूप में एम्बेडिंग लौटाता है। यह वाक्यों और छोटे पैराग्राफों को 384-आयामी डेंस वेक्टर स्पेस में मैप करता है, और यही इसे सिमेंटिक प्रतिनिधित्व के लिए उपयोगी बनाता है। कॉन्टेक्स्ट विंडो 512 टोकन है, और अधिकतम आउटपुट 460 है, इसलिए यह लंबे दस्तावेज़ों के बजाय वाक्यों और छोटे अंशों के लिए डिज़ाइन किया गया है। सैंपलिंग या जनरेशन शैली के पैरामीटर के लिए कोई समर्थन नहीं है, क्योंकि मॉडल टेक्स्ट जनरेट नहीं करता।

ये क्षमताएं उपयोग के मामलों के एक काफी विशिष्ट समूह की ओर इशारा करती हैं। इनफॉर्मेशन रिट्रीवल और सिमेंटिक सर्च स्पष्ट उदाहरण हैं: अपने दस्तावेज़ों और अपनी क्वेरी को एम्बेड करें, फिर वेक्टर की समानता से तुलना करें। क्लस्टरिंग और विषय समूहीकरण अच्छी तरह काम करते हैं क्योंकि पास के वेक्टर आमतौर पर समान अर्थ रखते हैं। यही गुण डिडुप्लीकेशन, नियर-डुप्लिकेट डिटेक्शन और रिकमेंडेशन या रीरैंकिंग पाइपलाइन बनाने में मदद करता है, जहां आपको एक तेज़, छोटा एम्बेडिंग चरण चाहिए। चूंकि वेक्टर केवल 384 आयामी हैं, स्टोरेज और तुलना बड़े पैमाने पर सस्ती बनी रहती है।

आप इसे api14 के OpenAI-संगत API के माध्यम से मॉडल आईडी "sentence-transformers/all-minilm-l6-v2" का उपयोग करके कॉल करते हैं। चूंकि एंडपॉइंट OpenAI एम्बेडिंग के स्वरूप का पालन करता है, आप अपना टेक्स्ट input फ़ील्ड में भेजते हैं और रिस्पॉन्स से वेक्टर पढ़ते हैं। मॉडल कोई समर्थित पैरामीटर सूचीबद्ध नहीं करता, इसलिए मॉडल आईडी और इनपुट के अलावा रिक्वेस्ट बॉडी में ट्यून करने के लिए कुछ अतिरिक्त नहीं है। अपना इनपुट तैयार करते समय 512 टोकन कॉन्टेक्स्ट को एक कठोर सीमा मानें।

यह कॉन्टेक्स्ट सीमा मुख्य व्यावहारिक बाधा है। यदि आपकी अर्थ की इकाई एक छोटे पैराग्राफ से लंबी है, तो आपको एम्बेड करने से पहले इसे टुकड़ों में विभाजित करना होगा, और आपकी चंकिंग की गुणवत्ता पाइपलाइन में किसी भी चीज़ से अधिक मायने रखेगी। यदि आपको ऐसा मॉडल चाहिए जो टेक्स्ट जनरेट करे, प्रश्नों के उत्तर दे या निर्देशों का पालन करे, तो एम्बेडिंग मॉडल गलत उपकरण है और आपको इसके बजाय चैट या कम्प्लीशन मॉडल देखना चाहिए। वाक्यों और छोटे अंशों पर सिमेंटिक समानता के लिए, यह सीधे तौर पर काम के अनुरूप है।

Sentence Transformers: all-MiniLM-L6-v2 API कैसे कॉल करें

अपने dashboard में API key बनाएं।
अपनी भाषा के लिए आधिकारिक openai SDK इंस्टॉल करें।
baseURL को https://api14.com/api/v1 और model को "sentence-transformers/all-minilm-l6-v2" पर सेट करें।

import OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://api14.com/api/v1",
  apiKey: process.env.API14_API_KEY,
});

const result = await client.embeddings.create({
  "model": "sentence-transformers/all-minilm-l6-v2",
  "input": [
    "The quick brown fox",
    "Lorem ipsum"
  ]
});
console.log(result.data.map((d) => d.embedding.length));

स्पेसिफिकेशन

Context लंबाई: 512
अधिकतम आउटपुट: 460
इनपुट: text
आउटपुट: embeddings

api14 पर requests · पिछले 7 दिन

Sentence Transformers: all-MiniLM-L6-v2: अक्सर पूछे जाने वाले सवाल

Sentence Transformers: all-MiniLM-L6-v2 API की कीमत कितनी है?: Sentence Transformers: all-MiniLM-L6-v2 की कीमत इनपुट $0.02 / 1M tokens है। शुल्क आपके USD बैलेंस से सिर्फ सफल requests के लिए कटता है; फेल हुई requests मुफ्त हैं।
Sentence Transformers: all-MiniLM-L6-v2 की context window कितनी है?: Sentence Transformers: all-MiniLM-L6-v2 हर request में 512 tokens तक पढ़ता है, prompt, इतिहास और दस्तावेज़ मिलाकर। यह हर जवाब में 460 आउटपुट tokens तक लिखता है।
Sentence Transformers: all-MiniLM-L6-v2 क्या कर सकता है?: Sentence Transformers: all-MiniLM-L6-v2 text स्वीकार करता है और embeddings लौटाता है।
अपने कोड से Sentence Transformers: all-MiniLM-L6-v2 कैसे कॉल करूं?: किसी भी OpenAI SDK को https://api14.com/api/v1 पर पॉइंट करें और model को "sentence-transformers/all-minilm-l6-v2" पर सेट करें, कोड में और कोई बदलाव नहीं। इस पेज के कोड पैनल से तैयार उदाहरण कॉपी करें।
Sentence Transformers: all-MiniLM-L6-v2 के विकल्प क्या हैं?: मिलती-जुलती कीमत वाले Embeddings मॉडल: Thenlper: GTE-Base, Intfloat: E5-Base-v2, Sentence Transformers: paraphrase-MiniLM-L6-v2। सभी एक ही API key से चलते हैं, इसलिए बदलना बस एक string बदलना है।

Sentence Transformers: all-MiniLM-L6-v2 कम्युनिटी

नया टॉपिक

इस कम्युनिटी में अभी कोई टॉपिक नहीं है। Sentence Transformers: all-MiniLM-L6-v2 के बारे में पहला टॉपिक खोलें।