sentence-transformers

Sentence Transformers: paraphrase-MiniLM-L6-v2

sentence-transformers/paraphrase-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/paraphrase-minilm-l6-v2 é um modelo de texto para embeddings da família sentence-transformers. Seu cartão indica que mapeia frases e parágrafos para vetores densos de 384 dimensões voltados a agrupamento e busca semântica; o catálogo da OpenRouter descreve o mesmo espaço como adequado para detecção de paráfrases, similaridade semântica e recuperação leve. Ele aceita texto e produz embeddings. O cartão documenta licença Apache-2.0 e uso com sentence-transformers ou Hugging Face Transformers; não há resultados medidos de benchmarks no material.[1][2]

Pontos fortes

Mapeia frases e parágrafos para embeddings densos de 384 dimensões.[1][2]
O catálogo o descreve como adequado para paráfrases, similaridade semântica, agrupamento e recuperação leve.[1]
Tem uso documentado com sentence-transformers ou Hugging Face Transformers com pooling.[2]

Limitações

As fontes não incluem pontuações de benchmarks nem medições de qualidade, latência ou throughput.[1][2]
A OpenRouter informa contexto de 512 tokens, mas a arquitetura do cartão reporta max_seq_length 128; o limite efetivo de entrada precisa ser verificado.[1][2]
Ele produz embeddings em vez de texto, portanto não gera respostas por conta própria.[1][2]

Onde usar

Considerá-lo para pipelines de similaridade semântica ou detecção de paráfrases que exijam representações vetoriais.[1][2]
Pode ser útil para agrupar textos curtos ou criar protótipos de busca semântica.[1][2]
É um candidato para experimentos de recuperação leve, sujeito à validação nos dados de destino.[1]

Fontes

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

Especificações

ID do modelo: sentence-transformers/paraphrase-minilm-l6-v2
ID canônico: sentence-transformers/paraphrase-minilm-l6-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	—	—	—

Dados de provedores obtidos: 13.11.2026

Nenhum artigo publicado identifica este modelo ainda.