sentence-transformers

Sentence Transformers: all-MiniLM-L6-v2

sentence-transformers/all-minilm-l6-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-l6-v2 é um modelo de embeddings de texto em inglês que mapeia frases e parágrafos curtos para vetores densos de 384 dimensões, conforme sua documentação e o catálogo da OpenRouter. Foi ajustado a partir de MiniLM-L6-H384-uncased com mais de um bilhão de pares de frases usando um objetivo contrastivo, e é distribuído sob a licença Apache-2.0. As fontes o descrevem para busca semântica, agrupamento e similaridade de frases, mas este pacote não contém resultados de benchmarks medidos, portanto as capacidades relatadas não foram verificadas de forma independente aqui. A listagem da OpenRouter informa um comprimento de contexto de 512 tokens.[1][2]

Pontos fortes

Produz embeddings de frases compactos de 384 dimensões, que a documentação apresenta como captura de informação semântica para tarefas subsequentes.[1][2]
Ajuste fino em grande escala: a documentação relata treinamento contrastivo com mais de um bilhão de pares de frases provenientes de muitos conjuntos de dados públicos.[2]
Caminhos de uso documentados via biblioteca sentence-transformers ou Transformers padrão do HuggingFace com mean pooling, facilitando a integração.[2]

Limitações

O cartão do modelo o marca apenas como inglês; o comportamento em outros idiomas não está documentado neste pacote de evidências.[2]
O tratamento de comprimento exige verificação: a documentação indica truncamento padrão além de 256 word pieces e treinamento com sequências de 128 tokens, enquanto o catálogo lista contexto de 512.[1][2]
A evidência se limita a uma entrada de catálogo e à documentação do modelo, sem pontuações de avaliação; valide qualidade e latência na sua própria carga de trabalho antes de adotar.[1][2]

Onde usar

Um candidato razoável para busca semântica e recuperação de informação em textos curtos em inglês, de acordo com os usos pretendidos em sua documentação.[1][2]
Potencialmente adequado para recursos de agrupamento ou similaridade de frases onde vetores compactos e entrada apenas em inglês sejam aceitáveis.[2]
Pode servir como codificador leve para prototipagem de pipelines de recuperação, sujeito a avaliação específica da tarefa.[2]

Fontes

[1] OpenRouter catalog · Sentence Transformers: all-MiniLM-L6-v2Fontes consultadas: 13 de nov. de 2026
[2] Model documentation · Sentence Transformers: all-MiniLM-L6-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-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,...

Especificações

ID do modelo: sentence-transformers/all-minilm-l6-v2
ID canônico: sentence-transformers/all-minilm-l6-v2-20251117
Criador: sentence-transformers
Adicionado ao OpenRouter: 17.11.2025
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.