쿠키를 사용합니다. 쿠키와 브라우저 저장소는 로그인 상태를 유지하고 환경설정을 기억합니다. 동의하시면 사이트 이용 방식도 측정합니다. 언제든지 할 수 있습니다. 자세한 내용은 쿠키 정책을 참고하세요.

Sentence Transformers: paraphrase-MiniLM-L6-v2

sentence-transformers/paraphrase-minilm-l6-v2

임베딩입력: text1K2025. 11. 18. 추가됨

플레이그라운드에서 열기 Sentence Transformers: paraphrase-MiniLM-L6-v2 API 키 받기

지금 Sentence Transformers: paraphrase-MiniLM-L6-v2 사용해 보기

위 가격으로 잔액에서 차감됩니다. 새 계정은 무료 사용량으로 시작합니다.

사용하려면 로그인하세요무료 계정 만들기

입력 (한 줄에 하나씩)

결과가 여기에 표시됩니다.

오늘 무료 메시지 5개 중 5개 남음, 무료 계정을 만들면 무료 사용량과 API 키가 추가됩니다.무료 계정 만들기 로그인세션 비용 US$0.00

Sentence Transformers: paraphrase-MiniLM-L6-v2 한눈에 보기

입력 가격이 임베딩 모델 34개의 중앙값보다 75% 낮습니다.

Sentence Transformers: paraphrase-MiniLM-L6-v2 소개

Sentence Transformers: paraphrase-MiniLM-L6-v2는 Sentence Transformers의 임베딩 모델로, api14에 embeddings 카테고리로 등록되어 있습니다. 텍스트를 생성하는 것이 아니라 텍스트를 벡터로 바꾸는 것을 목적으로 하는 소형 MiniLM 기반 모델입니다. 기록된 제공자 릴리스 날짜는 2025-11-18입니다.

이 모델은 텍스트를 입력으로 받고 임베딩을 출력으로 반환합니다. 문장과 짧은 단락을 384차원의 밀집 벡터 공간으로 변환하며, 패러프레이즈 탐지, 의미 유사도 점수 산정, 클러스터링, 경량 검색에 최적화된 의미 임베딩을 생성합니다. 컨텍스트 길이는 512 토큰이고 최대 출력은 460입니다. 다른 입력 또는 출력 모달리티는 없습니다. 이미지, 오디오, 파일을 받지 않으며 채팅 완성이나 자유 형식 텍스트를 생성하지 않습니다.

이러한 기능은 상당히 특정한 용도 집합을 가리킵니다. 벡터가 패러프레이즈를 서로 가깝게 배치하도록 학습되었기 때문에, 두 텍스트 조각을 비교할 때 단어 중복이 아니라 의미를 반영하는 숫자가 필요한 의미 유사도 점수 산정에 적합합니다. 패러프레이즈 탐지, 문장이나 짧은 단락을 주제별로 그룹화하는 클러스터링, 쿼리와 후보 구절 집합을 임베딩한 뒤 거리로 구절 순위를 매기는 경량 검색에 알맞습니다. 거의 동일한 항목의 중복 제거, 지원 티켓이나 피드백 그룹화, 짧은 문서에 대한 작은 의미 검색 인덱스 구축에도 모두 자연스럽게 맞습니다. 512 토큰 컨텍스트는 각 입력이 긴 문서가 아니라 문장이나 짧은 단락이어야 한다는 뜻입니다. 더 긴 자료는 임베딩하기 전에 청크로 나누어야 합니다.

모델 id "sentence-transformers/paraphrase-minilm-l6-v2"를 사용해 api14의 OpenAI 호환 API를 통해 호출합니다. 엔드포인트가 OpenAI embeddings 형태를 따르므로 텍스트를 input으로 보내고 응답에서 벡터를 읽습니다. 이 모델은 지원되는 파라미터를 나열하지 않으므로 설정할 추가 샘플링 또는 생성 옵션이 없습니다. 요청은 모델 id와 입력 텍스트로 유지하세요. 이 페이지의 실시간 가격 표가 모든 청구 세부 정보를 다룹니다.

계획할 때 고려해야 할 주요 제약은 512 토큰 컨텍스트입니다. 입력이 긴 문서이거나 벡터가 아니라 생성된 텍스트가 필요하다면 이 모델은 올바른 선택이 아니며 텍스트 생성 모델이 더 적합합니다. 문장 수준 및 짧은 단락 임베딩 작업에는 작고 직접적인 선택지입니다.

Sentence Transformers: paraphrase-MiniLM-L6-v2 API 호출 방법

대시보드에서 API 키를 만드세요.
사용하는 언어의 공식 openai SDK를 설치하세요.
baseURL을 https://api14.com/api/v1로, model을 "sentence-transformers/paraphrase-minilm-l6-v2"로 설정하세요.

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/paraphrase-minilm-l6-v2",
  "input": [
    "The quick brown fox",
    "Lorem ipsum"
  ]
});
console.log(result.data.map((d) => d.embedding.length));

사양

컨텍스트 길이: 512
최대 출력: 460
입력: text
출력: embeddings

api14 요청 수 · 최근 7일

Sentence Transformers: paraphrase-MiniLM-L6-v2: 자주 묻는 질문

Sentence Transformers: paraphrase-MiniLM-L6-v2 API 비용은 얼마인가요?: Sentence Transformers: paraphrase-MiniLM-L6-v2의 가격은 입력 US$0.02 / 100만 토큰입니다. 성공한 요청에 대해서만 USD 잔액에서 차감되며, 실패한 요청은 무료입니다.
Sentence Transformers: paraphrase-MiniLM-L6-v2의 컨텍스트 윈도우는 얼마인가요?: Sentence Transformers: paraphrase-MiniLM-L6-v2는(은) 요청당 최대 512 토큰을 읽습니다, 프롬프트, 대화 기록, 문서를 모두 합친 양입니다. 응답당 최대 460개의 출력 토큰을 생성합니다.
Sentence Transformers: paraphrase-MiniLM-L6-v2는(은) 무엇을 할 수 있나요?: Sentence Transformers: paraphrase-MiniLM-L6-v2는(은) text 입력을 받아 embeddings 출력을 반환합니다.
코드에서 Sentence Transformers: paraphrase-MiniLM-L6-v2를(을) 어떻게 호출하나요?: 어떤 OpenAI SDK든 base URL을 https://api14.com/api/v1로 지정하고 model을 "sentence-transformers/paraphrase-minilm-l6-v2"로 설정하세요, 다른 코드 변경은 필요 없습니다. 이 페이지의 코드 패널에서 바로 쓸 수 있는 예제를 복사하세요.
Sentence Transformers: paraphrase-MiniLM-L6-v2의 대안은 무엇인가요?: 비슷한 가격대의 임베딩 모델: Thenlper: GTE-Base, Intfloat: E5-Base-v2, Sentence Transformers: all-MiniLM-L12-v2. 모두 같은 API 키로 실행되므로 문자열 하나만 바꾸면 전환됩니다.

Sentence Transformers: paraphrase-MiniLM-L6-v2 커뮤니티

새 토픽

이 커뮤니티에는 아직 토픽이 없습니다. Sentence Transformers: paraphrase-MiniLM-L6-v2에 대한 첫 토픽을 열어 보세요.