paraphrase-minilm-l6-v2 - API لـمصر، بالجنيه المصري
مباشرWe present a sentence similarity model based on the Sentence Transformers architecture, which maps sentences to a 384-dimensional dense vector space. The model uses a pre-trained BERT encoder and applies mean pooling on top of the contextualized word embeddings to obtain sentence embeddings. We evaluate the model on the Sentence Embeddings Benchmark.
Modality
Embedding
Context window
512 Tokens
المنطقة
US
Weights
Weights مفتوحة
منشور
14 يوليو 2026
الأسعار
Input
0.29
ج.م لكل 1M Tokens
Output
—
ج.م لكل 1M Tokens
مثال على التكلفة الشهرية
14.7 ج.م
تقدير توضيحي: 50M Input tokens و15M Output tokens شهريًا وفق أسعار هذا الـ Model في الكتالوج.
استخدمه عبر واجهة API
يعمل paraphrase-minilm-l6-v2 مع أي SDK متوافقة مع OpenAI: وجّه الـ Base URL إلى https://backend.sovereigneg.com/v1 واستخدم مفتاح API الخاص بك من SovereignEG.
تشغيل خدمات الذكاء الاصطناعي
POST /v1/embeddings — متوافق مع OpenAI: استخدم seg-sdk الخاص بنا، أو أي OpenAI SDK كبديل مباشر.
from seg import SEG # pip install seg-sdk
client = SEG(api_key="YOUR_API_KEY")
response = client.embeddings.create(
model="paraphrase-minilm-l6-v2",
input="The food was delicious and the waiter...",
encoding_format="float",
)
vector = response.data[0].embedding
print(f"dim={len(vector)}, first 8 dims: {vector[:8]}")from openai import OpenAI
client = OpenAI(
base_url="https://backend.sovereigneg.com/v1",
api_key="YOUR_API_KEY",
)
response = client.embeddings.create(
model="paraphrase-minilm-l6-v2",
input="The food was delicious and the waiter...",
encoding_format="float",
)
vector = response.data[0].embedding
print(f"dim={len(vector)}, first 8 dims: {vector[:8]}")import OpenAI from "openai"
const client = new OpenAI({
baseURL: "https://backend.sovereigneg.com/v1",
apiKey: "YOUR_API_KEY",
})
const response = await client.embeddings.create({
model: "paraphrase-minilm-l6-v2",
input: "The food was delicious and the waiter...",
encoding_format: "float",
})
const vector = response.data[0].embedding
console.log(`dim=${vector.length}, first 8 dims:`, vector.slice(0, 8))curl https://backend.sovereigneg.com/v1/embeddings \
-H "Authorization: Bearer YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "paraphrase-minilm-l6-v2",
"input": "The food was delicious and the waiter...",
"encoding_format": "float"
}'الأسئلة الشائعة
كم تكلفة paraphrase-minilm-l6-v2؟
0.29 ج.م لكل 1M من Input tokens. يُحتسب الاستخدام لكل Token بالجنيه المصري، بلا أي التزام بحد أدنى.
ما حجم الـ Context window في paraphrase-minilm-l6-v2؟
يدعم paraphrase-minilm-l6-v2 Context window بحجم 512 Tokens (512).
أين يُستضاف paraphrase-minilm-l6-v2؟
يُخدَم paraphrase-minilm-l6-v2 من US (مستضاف في الولايات المتحدة).
هل paraphrase-minilm-l6-v2 Model بـ Weights مفتوحة؟
نعم، paraphrase-minilm-l6-v2 هو Model بـ Weights مفتوحة. وتستدعيه عبر واجهة API من SovereignEG مثل أي Model آخر في الكتالوج، مع محاسبة لكل Token بالجنيه المصري.
كيف أستخدم paraphrase-minilm-l6-v2 عبر واجهة API؟
paraphrase-minilm-l6-v2 متاح عبر واجهة API من SovereignEG المتوافقة مع OpenAI: وجّه الـ Base URL في الـ SDK لديك إلى https://backend.sovereigneg.com/v1، واستدعِ Endpoint /v1/embeddings مع Model ID paraphrase-minilm-l6-v2 ومفتاح API الخاص بك.