Sentence Transformers: paraphrase-MiniLM-L6-v2

Sentence Transformers: paraphrase-MiniLM-L6-v2 é um modelo de embedding da Sentence Transformers, listado no api14 na categoria embeddings. É um modelo compacto baseado no MiniLM cujo propósito é transformar texto em vetores, em vez de gerar texto. A data de lançamento do provedor registada para ele é 2025-11-18.

O modelo aceita texto como entrada e devolve embeddings como saída. Converte frases e parágrafos curtos num espaço vetorial denso de 384 dimensões, produzindo embeddings semânticos otimizados para deteção de paráfrases, pontuação de similaridade semântica, clustering e recuperação leve. O seu comprimento de contexto é de 512 tokens, e a saída máxima é 460. Não existem outras modalidades de entrada ou saída: não recebe imagens, áudio ou ficheiros, e não produz conclusões de chat ou texto livre.

Essas capacidades apontam para um conjunto bastante específico de utilizações. Como os vetores são treinados para colocar paráfrases próximas umas das outras, o modelo adequa-se à pontuação de similaridade semântica, onde se comparam dois trechos de texto e se precisa de um número que reflita o significado em vez da sobreposição de palavras. Serve para deteção de paráfrases, clustering de frases ou parágrafos curtos em grupos por tópico, e recuperação leve, onde se faz o embedding de uma consulta e de um conjunto de passagens candidatas e se ordenam as passagens por distância. A desduplicação de entradas quase idênticas, o agrupamento de tickets de suporte ou feedback, e a construção de um pequeno índice de pesquisa semântica sobre documentos curtos são todos encaixes naturais. O contexto de 512 tokens significa que cada entrada deve ser uma frase ou um parágrafo curto, em vez de um documento longo; material mais longo precisa de ser dividido em blocos antes do embedding.

Chama-o através da API compatível com OpenAI do api14 usando o id de modelo "sentence-transformers/paraphrase-minilm-l6-v2". Como o endpoint segue a forma de embeddings da OpenAI, envia o seu texto como input e lê o vetor de volta a partir da resposta. O modelo não lista parâmetros suportados, por isso não há opções extra de amostragem ou geração para definir; mantenha o pedido ao id de modelo e ao texto de entrada. A tabela de preços em direto nesta página cobre quaisquer detalhes de faturação.

A principal restrição a ter em conta é o contexto de 512 tokens. Se as suas entradas forem documentos longos, ou se precisar de texto gerado em vez de vetores, este modelo não é a escolha certa e um modelo de geração de texto encaixaria melhor. Para trabalho de embedding ao nível de frase e de parágrafos curtos, é uma opção pequena e direta.