sentence-transformers

Sentence Transformers: all-MiniLM-L12-v2

sentence-transformers/all-minilm-l12-v2

Nossa análise

Análise com auxílio de IA baseada nas fontes abaixo. A adequação é uma avaliação editorial; teste com suas próprias tarefas.

sentence-transformers/all-minilm-l12-v2 é um codificador de texto para embeddings documentado para converter frases e parágrafos curtos em vetores densos de 384 dimensões. Seu cartão descreve uma base MiniLM-L12-H384 ajustada com objetivo contrastivo em mais de um bilhão de pares de frases, enquanto o catálogo OpenRouter indica contexto de 512 tokens e saída de embeddings. A documentação apresenta a captura de informação semântica como capacidade pretendida, não como resultado medido neste pacote. Entradas acima de 256 word pieces são truncadas por padrão; validação independente da carga continua necessária.[1][2]

Pontos fortes

Produz embeddings de 384 dimensões para frases e parágrafos curtos, segundo o cartão e o catálogo.[1][2]
Foi ajustado a partir de MiniLM-L12-H384 com mais de um bilhão de pares e objetivo contrastivo.[2]
Está documentado para busca semântica, agrupamento, recuperação e similaridade de frases.[1][2]

Limitações

As fontes trazem dados de catálogo e cartão, mas nenhum benchmark nem avaliação independente.[1][2]
Entradas acima de 256 word pieces são truncadas por padrão, embora o catálogo indique contexto de 512 tokens.[1][2]
O cartão identifica inglês como idioma; o desempenho multilíngue não é estabelecido pela evidência.[2]

Onde usar

Prototipar busca semântica em passagens curtas em inglês, medindo a qualidade no próprio corpus.[1][2]
Agrupar ou deduplicar frases e parágrafos curtos quando vetores de 384 dimensões servirem ao índice.[2]
Criar recursos de similaridade de frases após validar o truncamento em entradas representativas.[2]

Fontes

[1] OpenRouter catalog · Sentence Transformers: all-MiniLM-L12-v2Fontes consultadas: 13 de nov. de 2026
[2] Model documentation · Sentence Transformers: all-MiniLM-L12-v2Fontes consultadas: 13 de nov. de 2026

Sobre este modelo

A descrição abaixo é o texto original fornecido pelo OpenRouter, no idioma da fonte.

The all-MiniLM-L12-v2 embedding model maps sentences and short paragraphs into a 384-dimensional dense vector space, producing efficient and high-quality semantic embeddings optimized for tasks such as semantic search, clustering, and...

Especificações

ID do modelo: sentence-transformers/all-minilm-l12-v2
ID canônico: sentence-transformers/all-minilm-l12-v2-20251117
Criador: sentence-transformers
Adicionado ao OpenRouter: 18.11.2025
Comprimento de contexto: 512
Modalidade: text->embeddings
Modalidades de entrada: text
Modalidades de saída: embeddings
Preço por token: USD por 1M de tokens: entrada $0.0050 / saída $0
Corte de conhecimento: —
Data de expiração: —

Tarefas e capacidades

Uma nota aparece apenas quando a fonte fornece uma medição correspondente para aquela tarefa, o modelo está ativo e a coorte tem pelo menos 10 modelos comparáveis. A coluna de capacidade lista fatos declarados pela fonte — formatos compatíveis, raciocínio e parâmetros de ferramentas — que não são qualidade medida.

Tarefa	Nota	Capacidade declarada pela fonte
Qualidade geral	Sem medição	—
Programação	Sem medição	—
Agentes	Sem medição	—
Escrita	Sem medição	—
Raciocínio	Sem medição	—
Análise de documentos	Sem medição	—
Visão	Sem medição	—
Geração de imagens	Sem medição	—
Áudio	Sem medição	—
Vídeo	Sem medição	—
Embeddings	Sem medição	saída: embeddings

Avaliações

Não há avaliações fornecidas para este modelo.

Como funcionam as notas

Cada nota compara um modelo apenas com outros modelos avaliados pela mesma fonte e métrica no snapshot atual. S é o top 10%, A os 20% seguintes, B os 30% seguintes e C o restante. Modelos sem medição publicada aparecem como não avaliados — um formato compatível nunca implica qualidade medida.

S — S — top 10% da coorte
A — A — próximos 20% da coorte
B — B — próximos 30% da coorte
C — C — abaixo da faixa B

Provedores

Estatísticas opcionais de provedores ao vivo do OpenRouter. Valores ausentes são desconhecidos, não zero.

Provedor	Comprimento de contexto	Preço entrada /1M	Preço saída /1M	Latência p50 (30m, s)	Taxa p50 (30m, tok/s)	Disponibilidade (30m)
DeepInfra	512	$0.0050	$0	—	—	100%

Dados de provedores obtidos: 13.11.2026

Nenhum artigo publicado identifica este modelo ainda.