paraphrase-multilingual-MiniLM-L12-v2 模型参数、许可证与获取服务

中文简介

sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2 是 sentence-transformers 在 Hugging Face 发布的模型仓库，当前卡片主要关联语义相似度、向量表示与检索。本站固定记录上游版本 e8f8c211226b，同步到 28 个文件，文件元数据合计 6.19 GB；访问状态为“公开”，许可证字段为“apache-2.0”。

UPSTREAM README

上游模型卡 / 数据集卡

在 Hugging Face 查看原文 ↗

简体中文（默认）上游原文

【README 卡片中文译介】

以下内容依据上游仓库 sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2 的固定版本 README、卡片字段和文件元数据进行中文结构化整理。它保留便于选型的关键信息，完整技术细节、代码示例和许可文本请同时查看上游原文。

【资源概览】
sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2 是 sentence-transformers 在 Hugging Face 发布的模型仓库，当前卡片主要关联语义相似度、向量表示与检索。本站固定记录上游版本 e8f8c211226b，同步到 28 个文件，文件元数据合计 6.19 GB；访问状态为“公开”，许可证字段为“apache-2.0”。

【适用方向】
适合在真实样本上评估语义相似度、向量表示与检索能力，并比较质量、时延和资源消耗。建议先用小规模样本验证推理框架、输入输出格式和任务指标，再决定是否进入完整权重获取、量化或部署评估。

【版本与规格】
固定版本：e8f8c211226b。任务标签：语义相似度、向量表示与检索。语言字段：multilingual, ar, bg, ca, cs, da, de, el, en, es, et, fa, fi, fr, gl, gu, he, hi, hr, hu, hy, id, it, ja, ka, ko, ku, lt, lv, mk, mn, mr, ms, my, nb, nl, pl, pt, ro, ru, sk, sl, sq, sr, sv, th, tr, uk, ur, vi。架构：BertModel。上游 Safetensors 元数据显示参数量约 117.65 M。库标记：sentence-transformers。模型类型字段：bert。上游页面记录的最近更新时间：2026-01-28。

【文件信息】
上游 API 返回 28 个文件，文件元数据合计 6.19 GB。已保存文件清单中的主要扩展名：.json 9 个、.onnx 9 个、.bin 3 个、.xml 2 个、.h5 1 个、.md 1 个。当前较大的文件包括：tf_model.h5（449.08 MB）；pytorch_model.bin（448.89 MB）；model.safetensors（448.84 MB）。

【运行或处理环境】
仓库文件元数据合计 6.19 GB。按每参数 2 字节只计算 BF16 权重，理论下限约 224.41 MB；这不包含 KV Cache、激活值、框架开销或并发余量。实际显存与内存由精度、量化方式、上下文长度、批量、并发、MoE 专家加载方式和推理框架共同决定，不能只凭参数名或仓库大小作部署承诺；应在目标格式和目标硬件上实测。

【使用边界】
许可证显示为“apache-2.0”，具体用途限制、附加政策和归属要求仍以上游原文为准。模型输出、工具调用和生成内容可能出现错误、偏见或安全风险，面向业务前应建立任务级评测、权限隔离和人工确认。

已有简体中文译文 · Codex 基于固定版本 README 与上游元数据生成中文结构化译介 · 2026-07-26 00:51

sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2 This is a sentence-transformers model: It maps sentences & paragraphs to a 384 dimensional dense vector space and can be used for tasks like clustering or semantic search. Usage (Sentence-Transformers) Using this model becomes easy when you have sentence-transformers installed: Then you can use the model like this: Usage (HuggingFace Transformers) Without sentence-transformers, you can use the model like this: First, you pass your input through the transformer model, then you have to apply the right pooling-operation on-top of the contextualized word embeddings. Full Model Architecture Citing & Authors This model was trained by sentence-transformers. If you find this model helpful, feel free to cite our publication Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks:

公开页仅展示原文摘录；完整模型卡或数据集卡请前往上游仓库查看。

适用场景

适合在真实样本上评估语义相似度、向量表示与检索能力，并比较质量、时延和资源消耗。建议先用小规模样本验证推理框架、输入输出格式和任务指标，再决定是否进入完整权重获取、量化或部署评估。

模型参数

固定版本：e8f8c211226b。任务标签：语义相似度、向量表示与检索。语言字段：multilingual, ar, bg, ca, cs, da, de, el, en, es, et, fa, fi, fr, gl, gu, he, hi, hr, hu, hy, id, it, ja, ka, ko, ku, lt, lv, mk, mn, mr, ms, my, nb, nl, pl, pt, ro, ru, sk, sl, sq, sr, sv, th, tr, uk, ur, vi。架构：BertModel。上游 Safetensors 元数据显示参数量约 117.65 M。库标记：sentence-transformers。模型类型字段：bert。上游页面记录的最近更新时间：2026-01-28。

文件说明

上游 API 返回 28 个文件，文件元数据合计 6.19 GB。已保存文件清单中的主要扩展名：.json 9 个、.onnx 9 个、.bin 3 个、.xml 2 个、.h5 1 个、.md 1 个。当前较大的文件包括：tf_model.h5（449.08 MB）；pytorch_model.bin（448.89 MB）；model.safetensors（448.84 MB）。

上游文件元数据

以下仅为 Hugging Face 官方 API 返回的文件名与大小元数据，官网没有下载或托管这些文件。

.gitattributes1022 B
1_Pooling/config.json190 B
config.json645 B
config_sentence_transformers.json122 B
model.safetensors448.84 MB
modules.json229 B
onnx/model.onnx448.51 MB
onnx/model_O1.onnx448.43 MB
onnx/model_O2.onnx448.37 MB
onnx/model_O3.onnx448.37 MB
onnx/model_O4.onnx224.27 MB
onnx/model_qint8_arm64.onnx112.93 MB

硬件建议

仓库文件元数据合计 6.19 GB。按每参数 2 字节只计算 BF16 权重，理论下限约 224.41 MB；这不包含 KV Cache、激活值、框架开销或并发余量。实际显存与内存由精度、量化方式、上下文长度、批量、并发、MoE 专家加载方式和推理框架共同决定，不能只凭参数名或仓库大小作部署承诺；应在目标格式和目标硬件上实测。

注意事项

许可证显示为“apache-2.0”，具体用途限制、附加政策和归属要求仍以上游原文为准。模型输出、工具调用和生成内容可能出现错误、偏见或安全风险，面向业务前应建立任务级评测、权限隔离和人工确认。

获取、校验与交付

咨询此资源时只需发送本页链接或资源准确全称。橙子AI科技会继续核对版本、文件与类型、README资料卡、许可证和访问条件，并在合法访问权限、许可证及平台规则允许的前提下，协助海内外下载、完整性校验及网盘或硬盘交付；本官网本身不托管或下载资源文件。

第三方资源声明

本页面为橙子AI科技基于固定版本上游卡片整理的中文信息与服务说明，不代表资源作者或平台官方页面。实际许可、访问和使用条件以上游原文为准。