all-MiniLM-L6-v2

all-MiniLM-L6-v2

把句子和短段落变成 384 维向量，用于语义搜索、聚类和句子相似度。适合构建英文搜索或检索功能的开发者。

由 sentence-transformers 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：这个 sentence-transformers 模型把一个句子或短段落变成 384 个数字组成的向量。意思相近的文本向量也靠得近，所以这些向量可以用来做语义搜索和聚类。它有 22.7M 个参数，列出的语言是英文。

适合谁：适合需要比较短文本含义、又不想运行大模型的开发者，比如给应用加搜索、分组或重复检查的人。

行业 | 谁在用 | 怎么用 | 例子
软件 | 添加搜索的开发者 | 把文档和查询编码，再比较向量 | 按含义而不只是字词匹配的帮助中心搜索
数据 | 给文本分组的分析师 | 用向量把短文本聚类 | 按主题给客服消息分组
内容 | 检查重复内容的团队 | 给两个句子的接近程度打分 | 标出近似重复的句子

需要处理长文档或其他语言的人可以跳过它，因为模型卡讲的是英文短文本。

用在哪里：

• 装有 sentence-transformers 库的 Python
• 装有 Hugging Face Transformers 和 PyTorch 的 Python
• Windows、macOS 或 Linux，你可以用 Python 下载文件

用途 | 谁用 | 得到什么
语义搜索 | 开发者 | 用来对文档按查询排序的向量
聚类 | 分析师 | 把相似文本分到一起的向量
句子相似度 | 开发者 | 按含义比较两个句子的方法

如何设置：

你需要先准备：

• Python
• sentence-transformers 包

1. 用下面的命令安装 sentence-transformers 包。
2. 也可以先用 Hugging Face 工具自己下载模型文件，F32 格式约占 91 MB。
3. 在 Python 里按模型 id 加载模型，见下一节。

pip install -U sentence-transformers

pip install -U huggingface_hub
hf download sentence-transformers/all-MiniLM-L6-v2

如何使用：加载模型，传入一个句子列表，再调用 encode。每个句子会得到一个向量。模型卡给出了下面这段脚本。

from sentence_transformers import SentenceTransformer
sentences = ["This is an example sentence", "Each sentence is converted"]

model = SentenceTransformer('sentence-transformers/all-MiniLM-L6-v2')
embeddings = model.encode(sentences)
print(embeddings)

模型卡还给出了第二种做法，直接使用 Transformers。你先把文本送进模型，再自己对 token 向量做平均池化。

工具 | 作用
SentenceTransformer | 按 id 加载模型
model.encode | 把句子列表变成向量

示例：你传入两个短句的列表并打印结果。每个句子都会得到一个由 384 个数字组成的向量，可以直接用来比较、聚类或存起来做搜索。

新手与专家：向量是一串数字，代表一段文本的含义。讲同一件事的两段文本，得到的数字串会靠得很近。第一步可以先运行上面的短脚本，它会打印两个句子的向量。

模型从 nreimers/MiniLM-L6-H384-uncased 出发，用对比目标在 1B 个句子对的数据集上微调。给定一对句子中的一个，它要从随机抽取的其他句子里挑出真正的配对句子，用的是余弦相似度和交叉熵。训练在一块 TPU v3-8 上跑了 100k 步，批大小 1024，序列长度限制为 128 个 token。

你的句子输入
模型给每句生成一个 384 个数字的向量
你比较或分组这些向量

注意事项：

• 大小：22.7M 个参数，F32 格式约 91 MB，4-bit 约 11 MB（估算）
• 输入长度：超过 256 个词片的文本默认会被截断
• 版本：Hugging Face 列出了其他人做的 132 个量化版本和 1,164 个微调版本

Title: Weight size in MB
F32: 91 MB
4-bit estimate: 11 MB

• License: apache-2.0
• Cost to run: 没有提到，不需要 API 密钥或账号
• Data it reaches: 它会从 Hugging Face 下载模型文件，脚本只读取你传入的句子
• Not for: 长文档，因为超过 256 个词片的文本默认会被截断

Hugging Face 上的数据（2026年11月13日）

• 任务：sentence similarity
• 框架：sentence-transformers
• 参数量：22.7M
• Weights: about 91 MB in F32; about 11 MB at 4-bit (estimate)
• Formats: Safetensors
• 最近 30 天下载：174,740,184
• 点赞：6,104
• 许可证：apache-2.0
• 语言：en
• 基于：nreimers/MiniLM-L6-H384-uncased
• Quantized versions: 137
• Fine-tunes: 1,165
• 标签：sentence-transformers, pytorch, rust, onnx, safetensors, openvino, bert, feature-extraction, sentence-similarity, transformers, text-embeddings-inference

链接

• 模型：https://huggingface.co/sentence-transformers/all-MiniLM-L6-v2
• 文件：https://huggingface.co/sentence-transformers/all-MiniLM-L6-v2/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download sentence-transformers/all-MiniLM-L6-v2

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。