Sentence Transformers: all-MiniLM-L6-v2

sentence-transformers/all-minilm-l6-v2

Выпущена 17 ноября 2025 г.|512 контекст|0,630 ₽/М вход|по тарифу · выход

Модель встраивания all-MiniLM-L6-v2 отображает предложения и короткие абзацы в 384-мерное плотное векторное пространство, обеспечивая высококачественные семантические представления, которые идеально подходят для последующих задач, таких как извлечение информации, кластеризация, оценка сходства и ранжирование текста.

Провайдер для Sentence Transformers: all-MiniLM-L6-v2

Hubris маршрутизирует запросы к лучшему доступному провайдеру с автоматическим fallback при сбоях.

sentence-transformers

Latency

—

Throughput

—

Uptime

—

Контекст

512

токенов

Макс. ответ

—

Вход

0,630 ₽

за 1М токенов

Выход

0 ₽

за 1М токенов

Модальности

Вход:ТекстВыход:Эмбеддинги

Провайдеры

Запросы обслуживает один из провайдеров ниже — маршрутизация автоматически выбирает оптимального по доступности и скорости в момент запроса. Итоговая стоимость зависит от того, какой провайдер обслужил запрос, и от попадания в кэш: при повторяющемся контексте вход тарифицируется по цене чтения кэша — до 60–80 % дешевле. Цены — в рублях за 1 млн токенов.


DeepInfra	0,630 ₽	—	—	—	100,0 %

Поддерживаемые параметры

frequency_penaltymax_tokensmin_ppresence_penaltyrepetition_penaltyresponse_formatseedstoptemperaturetop_ktop_p

Тарификация для Sentence Transformers: all-MiniLM-L6-v2

Цены в рублях за 1 млн токенов. Списание — за реальные токены, без подписок.

Тип	Цена в ₽	Единица
Вход	0,630 ₽	за 1М токенов

Пример кода и API для Sentence Transformers: all-MiniLM-L6-v2

Hubris — OpenAI-совместимый API. Используйте любой OpenAI SDK, поменяв только base URL и ключ.

Получить API-ключ

curl https://api.hubris.pw/v1/chat/completions \
  -H "Authorization: Bearer sk-gw-..." \
  -H "Content-Type: application/json" \
  -d '{
    "model": "sentence-transformers/all-minilm-l6-v2",
    "messages": [{"role": "user", "content": "Привет"}]
  }'

curl https://api.hubris.pw/v1/chat/completions \  -H "Authorization: Bearer sk-gw-..." \  -H "Content-Type: application/json" \  -d '{    "model": "sentence-transformers/all-minilm-l6-v2",    "messages": [{"role": "user", "content": "Привет"}]  }'

from openai import OpenAI

client = OpenAI(
    base_url="https://api.hubris.pw/v1",
    api_key="sk-gw-...",
)

response = client.chat.completions.create(
    model="sentence-transformers/all-minilm-l6-v2",
    messages=[{"role": "user", "content": "Привет"}],
)
print(response.choices[0].message.content)

from openai import OpenAIclient = OpenAI(    base_url="https://api.hubris.pw/v1",    api_key="sk-gw-...",)response = client.chat.completions.create(    model="sentence-transformers/all-minilm-l6-v2",    messages=[{"role": "user", "content": "Привет"}],)print(response.choices[0].message.content)

import OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://api.hubris.pw/v1",
  apiKey: process.env.HUBRIS_API_KEY!,
});

const response = await client.chat.completions.create({
  model: "sentence-transformers/all-minilm-l6-v2",
  messages: [{ role: "user", content: "Привет" }],
});

console.log(response.choices[0].message.content);

import OpenAI from "openai";const client = new OpenAI({  baseURL: "https://api.hubris.pw/v1",  apiKey: process.env.HUBRIS_API_KEY!,});const response = await client.chat.completions.create({  model: "sentence-transformers/all-minilm-l6-v2",  messages: [{ role: "user", content: "Привет" }],});console.log(response.choices[0].message.content);

Другие модели от sentence-transformers

Sentence Transformers: paraphrase-MiniLM-L6-v2

Модель встраивания paraphrase-MiniLM-L6-v2 преобразует предложения и короткие абзацы в 384-мерное плотное векторное пространство, создавая высококачественные семантические встраивания, оптимизированные для обнаружения перефразирований, оценки семантического сходства, кластеризации и задач легковесного поиска.

512 контекст·от 0,630 ₽/М

Sentence Transformers: all-MiniLM-L12-v2

Модель эмбеддингов all-MiniLM-L12-v2 отображает предложения и короткие абзацы в 384-мерное плотное векторное пространство, создавая эффективные и высококачественные семантические эмбеддинги, оптимизированные для таких задач, как семантический поиск, кластеризация и оценка сходства.

512 контекст·от 0,630 ₽/М

Sentence Transformers: multi-qa-mpnet-base-dot-v1

Модель эмбеддингов multi-qa-mpnet-base-dot-v1 преобразует предложения и короткие абзацы в 768-мерное плотное векторное пространство, генерируя высококачественные семантические эмбеддинги, оптимизированные для поиска ответов на вопросы, семантического поиска и оценки сходства между разнообразным контентом.

512 контекст·от 0,630 ₽/М

Sentence Transformers: all-mpnet-base-v2

Модель эмбеддингов all-mpnet-base-v2 кодирует предложения и короткие абзацы в 768-мерное плотное векторное пространство, предоставляя высокоточные семантические эмбеддинги, хорошо подходящие для таких задач, как информационный поиск, кластеризация, оценка сходства и ранжирование текста.

512 контекст·от 0,630 ₽/М