sentence-transformers
Sentence Transformers: all-MiniLM-L6-v2
sentence-transformers/all-minilm-l6-v2
Nuestro análisis
Análisis asistido por IA basado en las fuentes siguientes. La idoneidad es una valoración editorial; compruébala con tus propias tareas.
sentence-transformers/all-minilm-l6-v2 es un modelo inglés de embeddings de texto que convierte oraciones y párrafos cortos en vectores densos de 384 dimensiones, según su documentación y el catálogo de OpenRouter. Se ajustó a partir de MiniLM-L6-H384-uncased con más de mil millones de pares de oraciones mediante un objetivo contrastivo, y se distribuye bajo la licencia Apache-2.0. Las fuentes lo describen para búsqueda semántica, agrupación y similitud de oraciones, pero este paquete no incluye resultados de benchmarks medidos, por lo que las capacidades reportadas no están verificadas de forma independiente aquí. El listado de OpenRouter indica una longitud de contexto de 512 tokens.[1][2]
Puntos fuertes
- Produce embeddings de oraciones compactos de 384 dimensiones, que la documentación presenta como captura de información semántica para tareas posteriores.[1][2]
- Ajuste a gran escala: la documentación reporta entrenamiento contrastivo con más de mil millones de pares de oraciones procedentes de muchos conjuntos de datos públicos.[2]
- Rutas de uso documentadas mediante la biblioteca sentence-transformers o Transformers de HuggingFace estándar con mean pooling, lo que facilita la integración.[2]
Limitaciones
- La ficha del modelo lo etiqueta solo como inglés; el comportamiento en otros idiomas no está documentado en este paquete de evidencia.[2]
- El manejo de longitud requiere verificación: la documentación indica truncamiento por defecto más allá de 256 word pieces y entrenamiento con secuencias de 128 tokens, mientras el catálogo lista un contexto de 512.[1][2]
- La evidencia se limita a una entrada de catálogo y la documentación del modelo sin puntuaciones de evaluación; valide calidad y latencia en su propia carga de trabajo antes de adoptarlo.[1][2]
Dónde utilizarlo
- Un candidato razonable para búsqueda semántica y recuperación de información sobre textos cortos en inglés, acorde con los usos previstos en su documentación.[1][2]
- Potencialmente adecuado para funciones de agrupación o similitud de oraciones donde se acepten vectores compactos y entrada solo en inglés.[2]
- Podría servir como codificador ligero para prototipos de pipelines de recuperación, sujeto a evaluación específica de la tarea.[2]
Fuentes
- [1] OpenRouter catalog · Sentence Transformers: all-MiniLM-L6-v2Fuentes consultadas: 13 nov 2026
- [2] Model documentation · Sentence Transformers: all-MiniLM-L6-v2Fuentes consultadas: 13 nov 2026
Sobre este modelo
La descripción siguiente es el texto original aportado por OpenRouter, en el idioma de la fuente.
The all-MiniLM-L6-v2 embedding model maps sentences and short paragraphs into a 384-dimensional dense vector space, enabling high-quality semantic representations that are ideal for downstream tasks such as information retrieval, clustering,...
Especificaciones
- ID del modelo
- sentence-transformers/all-minilm-l6-v2
- ID canónico
- sentence-transformers/all-minilm-l6-v2-20251117
- Creador
- sentence-transformers
- Añadido a OpenRouter
- 17.11.2025
- Longitud de contexto
- 512
- Modalidad
- text->embeddings
- Modalidades de entrada
- text
- Modalidades de salida
- embeddings
- Precio por token
- USD por 1M de tokens: entrada $0.0050 / salida $0
- Corte de conocimiento
- —
- Fecha de expiración
- —
Tareas y capacidades
Una nota aparece solo cuando la fuente aporta una medición correspondiente para esa tarea, el modelo está activo y la cohorte tiene al menos 10 modelos comparables. La columna de capacidad muestra hechos declarados por la fuente — formatos compatibles, razonamiento y parámetros de herramientas — que no son calidad medida.
| Tarea | Nota | Capacidad declarada por la fuente |
|---|---|---|
| Calidad general | Sin medición | — |
| Programación | Sin medición | — |
| Agentes | Sin medición | — |
| Escritura | Sin medición | — |
| Razonamiento | Sin medición | — |
| Análisis de documentos | Sin medición | — |
| Visión | Sin medición | — |
| Generación de imágenes | Sin medición | — |
| Audio | Sin medición | — |
| Vídeo | Sin medición | — |
| Embeddings | Sin medición | salida: embeddings |
Evaluaciones
No hay evaluaciones aportadas para este modelo.
Cómo funcionan las notas
Cada nota compara un modelo solo con otros modelos evaluados por la misma fuente y métrica en la instantánea actual. S es el 10% superior, A el siguiente 20%, B el siguiente 30% y C el resto. Los modelos sin medición publicada aparecen como no evaluados: un formato compatible nunca implica calidad medida.
- S — S — 10% superior de la cohorte
- A — A — siguiente 20% de la cohorte
- B — B — siguiente 30% de la cohorte
- C — C — por debajo de la franja B
Proveedores
Estadísticas opcionales de proveedores en vivo desde OpenRouter. Los valores ausentes son desconocidos, no cero.
| Proveedor | Longitud de contexto | Precio entrada /1M | Precio salida /1M | Latencia p50 (30m, s) | Rendimiento p50 (30m, tok/s) | Disponibilidad (30m) |
|---|---|---|---|---|---|---|
| DeepInfra | 512 | $0.0050 | $0 | — | — | 100% |
Datos de proveedores obtenidos: 13.11.2026
Artículos relacionados
Ningún artículo publicado identifica aún este modelo.