すべてのモデル / SENTENCE-TRANSFORMERS

sentence-transformers

Sentence Transformers: all-mpnet-base-v2

The all-mpnet-base-v2 embedding model encodes sentences and short paragraphs into a 768-dimensional dense vector space, providing high-fidelity semantic embeddings well suited for tasks like information retrieval, clustering, similarity scoring, and text ranking. Priced at $0.005 per M tokens. 512 token context window.

OpenRouterで出典を見る Hugging Face

概要

モデル仕様

コンテキスト: 512 tokens
最大出力: 460 tokens
アーキテクチャ: text->embeddings
トークナイザー: Other
知識カットオフ: 情報なし
モデレーション: いいえ

OPENROUTER

料金の詳細

OpenRouterと同期した料金です。トークン料金は100万トークン単位です。

入力: $0.005

API

クイックスタート

OpenRouterのOpenAI互換APIでこのモデルIDを呼び出します。

curl https://openrouter.ai/api/v1/embeddings \
  -H "Authorization: Bearer $OPENROUTER_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"sentence-transformers/all-mpnet-base-v2","input":"Your text here"}'

機能とモダリティ

入力 → 出力

入力

text

出力

embeddings

API

対応APIパラメータ

frequency_penaltymax_tokensmin_ppresence_penaltyrepetition_penaltyresponse_formatseedstoptemperaturetop_ktop_p

利用可能なプロバイダー

1 プロバイダー

OpenRouterでプロバイダーを見る

可用性、遅延、スループット、ルーティングは常時変化します。最新情報は出典ページで確認してください。

DeepInfra

unknown

コンテキスト: 1K
最大出力: 0K
入力: $0.0050
出力: 無料
キャッシュ読込: 情報なし
キャッシュ書込: 情報なし

sentence-transformers

モデル

すべてのモデル

sentence-transformers

公開日 2025/11/18

Sentence Transformers: paraphrase-MiniLM-L6-v2

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...

コンテキスト: 1K
入力: text
出力: embeddings

入力: $0.0050出力: 無料100万トークンあたり

モデル詳細を見る →

sentence-transformers

公開日 2025/11/18

Sentence Transformers: all-MiniLM-L12-v2

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...

コンテキスト: 1K
入力: text
出力: embeddings

入力: $0.0050出力: 無料100万トークンあたり

モデル詳細を見る →

sentence-transformers

公開日 2025/11/18

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

The multi-qa-mpnet-base-dot-v1 embedding model transforms sentences and short paragraphs into a 768-dimensional dense vector space, generating high-quality semantic embeddings optimized for question-and-answer retrieval, semantic search, and similarity-scoring across diverse content.

コンテキスト: 1K
入力: text
出力: embeddings

入力: $0.0050出力: 無料100万トークンあたり

モデル詳細を見る →

sentence-transformers

公開日 2025/11/18

Sentence Transformers: all-MiniLM-L6-v2

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,...

コンテキスト: 1K
入力: text
出力: embeddings

入力: $0.0050出力: 無料100万トークンあたり

モデル詳細を見る →