모든 모델 / SENTENCE-TRANSFORMERS

sentence-transformers

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. Priced at $0.005 per M tokens. 512 token context window.

OpenRouter에서 출처 보기 Hugging Face

개요

모델 사양

컨텍스트: 512 tokens
최대 출력: 460 tokens
아키텍처: text->embeddings
토크나이저: Other
지식 기준일: 정보 없음
검토됨: 아니요

OPENROUTER

전체 가격

OpenRouter에서 동기화한 요금이며 토큰 가격은 100만 토큰 기준입니다.

입력: $0.005

API

빠른 시작

OpenRouter의 OpenAI 호환 API로 이 모델 ID를 호출합니다.

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

기능 및 모달리티

입력 → 출력

입력

text

출력

embeddings

API

지원 API 매개변수

frequency_penaltymax_tokensmin_ppresence_penaltyrepetition_penaltyresponse_formatseedstoptemperaturetop_ktop_p

사용 가능한 제공업체

1 제공업체

OpenRouter 실시간 제공업체

가용성, 지연 시간, 처리량과 라우팅은 계속 바뀝니다. 최신 운영 데이터는 출처 페이지에서 확인하세요.

DeepInfra

unknown

컨텍스트: 1K
최대 출력: 0K
입력: $0.0050
출력: 무료
캐시 읽기: 정보 없음
캐시 쓰기: 정보 없음

sentence-transformers

개 모델

sentence-transformers

출시일 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...

컨텍스트: 1K
입력: text
출력: embeddings

입력: $0.0050출력: 무료백만 토큰당

모델 상세 보기 →

sentence-transformers

출시일 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...

컨텍스트: 1K
입력: text
출력: embeddings

입력: $0.0050출력: 무료백만 토큰당

모델 상세 보기 →

sentence-transformers

출시일 2025. 11. 18.

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...

컨텍스트: 1K
입력: text
출력: embeddings

입력: $0.0050출력: 무료백만 토큰당

모델 상세 보기 →

sentence-transformers

출시일 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,...

컨텍스트: 1K
입력: text
출력: embeddings

입력: $0.0050출력: 무료백만 토큰당

모델 상세 보기 →