sentence-transformers
Sentence Transformers: paraphrase-MiniLM-L6-v2
sentence-transformers/paraphrase-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/paraphrase-minilm-l6-v2 es un modelo de texto a embeddings de la familia sentence-transformers. Su ficha indica que convierte oraciones y párrafos en vectores densos de 384 dimensiones para agrupamiento y búsqueda semántica; el catálogo de OpenRouter describe el mismo espacio como apto para detección de paráfrasis, similitud semántica y recuperación ligera. Acepta texto y produce embeddings. La ficha documenta licencia Apache-2.0 y uso con sentence-transformers o Hugging Face Transformers; no se aportan resultados medidos de benchmarks.[1][2]
Puntos fuertes
Limitaciones
- Las fuentes no incluyen puntuaciones de benchmarks ni mediciones de calidad, latencia o rendimiento.[1][2]
- OpenRouter indica un contexto de 512 tokens, pero la arquitectura de la ficha reporta max_seq_length 128; conviene verificar el límite efectivo de entrada.[1][2]
- Produce embeddings en lugar de texto, por lo que no genera respuestas por sí solo.[1][2]
Dónde utilizarlo
- Valorarlo para pipelines de similitud semántica o detección de paráfrasis que necesiten representaciones vectoriales.[1][2]
- Podría servir para agrupar textos cortos o crear prototipos de búsqueda semántica.[1][2]
- Es un candidato para experimentos de recuperación ligera, sujeto a validación con los datos objetivo.[1]
Fuentes
- [1] OpenRouter catalog · Sentence Transformers: paraphrase-MiniLM-L6-v2Fuentes consultadas: 13 nov 2026
- [2] Model documentation · Sentence Transformers: paraphrase-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 paraphrase-MiniLM-L6-v2 embedding model converts sentences and short paragraphs into a 384-dimensional dense vector space, producing high-quality semantic embeddings optimized for paraphrase detection, semantic similarity scoring, clustering, and lightweight retrieval...
Especificaciones
- ID del modelo
- sentence-transformers/paraphrase-minilm-l6-v2
- ID canónico
- sentence-transformers/paraphrase-minilm-l6-v2-20251117
- Creador
- sentence-transformers
- Añadido a OpenRouter
- 18.11.2025
- 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 | — | — | — |
Datos de proveedores obtenidos: 13.11.2026
Artículos relacionados
Ningún artículo publicado identifica aún este modelo.