Qu’est-ce que all-MiniLM-L6-v2 ?
all-MiniLM-L6-v2 est un petit modèle d'embedding de phrases en anglais issu du projet sentence-transformers, publié sous Apache 2.0. Il transforme phrases et courts paragraphes en vecteurs de 384 dimensions pour la recherche sémantique, le regroupement et la similarité. Il compte environ 23 millions de paramètres, selon Hugging Face.
Il a été affiné à partir de MiniLM de Microsoft sur plus de 1 milliard de paires de phrases, dont environ 726 millions de paires de commentaires Reddit de 2015 à 2018, le reste provenant de sources comme Stack Exchange et des citations universitaires, lors d'une semaine communautaire JAX/Flax de Hugging Face ; le premier commit du dépôt date du 30 août 2021. L'entraînement a utilisé des séquences de 128 tokens, et toute entrée de plus de 256 word pieces est tronquée.
Le dépôt fournit des exports ONNX et OpenVINO à côté des poids PyTorch, dont des fichiers ONNX int8 d'environ 23 MB. Il reste l'un des modèles les plus téléchargés de Hugging Face, avec environ 199 millions de téléchargements le mois dernier.
all-MiniLM-L6-v2 vaut-il le coup ?
all-MiniLM-L6-v2 a survécu à son époque. Environ 199 millions de téléchargements le mois dernier en disent plus long sur les tutoriels, les réglages par défaut des frameworks et l'habitude que sur la qualité. Ses propres mainteneurs en font une présentation modeste, cinq fois plus rapide qu'all-mpnet-base-v2 avec une « bonne qualité », et renvoient les lecteurs vers le classement MTEB pour des modèles plus solides.
Les limites sont structurelles. Il ne lit que l'anglais. Tout ce qui dépasse 256 word pieces est abandonné sans erreur, et comme l'entraînement a utilisé des séquences de 128 tokens, même cette limite est généreuse. Les petits modèles modernes sont d'une autre classe : EmbeddingGemma 2 lit 8K tokens dans plus de 100 langues avec un modèle de texte de 270 millions de paramètres, et Qwen3-Embedding-0.6B lit 32K tokens dans plus de 100 langues.
Ses qualités comptent encore. À environ 23 millions de paramètres, il tourne sur presque n'importe quel CPU, l'export ONNX int8 pèse à peu près 23 MB, et un vecteur de 384 dimensions occupe moitié moins de stockage qu'un vecteur de 768 dimensions. Comme fixture de test, exemple de cours ou premier prototype, il est difficile à battre.
Le vrai coût de commencer avec lui arrive plus tard. Les vecteurs de modèles différents ne sont pas interchangeables, si bien que faire passer un index de production à un meilleur modèle implique de réencoder chaque document. Moins le premier choix a coûté, plus les données se sont généralement accumulées derrière lui au moment où quelqu'un mesure la qualité de la récupération.
Là où il fait la différence
Un ingénieur backend qui écrit les tests CI d'une chaîne de récupération
Faire tourner des tests de récupération sur chaque pull request sans GPU ni clé API
Le modèle de 91 MB se télécharge une fois et encode les fixtures de test sur le CPU du runner CI, sans rien facturer ni faire sortir de texte du build. Ses classements différeront de ceux du modèle de production, les tests doivent donc vérifier le comportement plutôt que des scores exacts.
Une développeuse qui ajoute une recherche hors ligne à une application de bureau ou de navigateur
Trouver des notes ou articles d'aide liés sur la machine de l'utilisateur
Un fichier ONNX int8 d'environ 23 MB est assez petit pour être embarqué, et des vecteurs de 384 dimensions gardent l'index local léger. Il ne couvre que l'anglais, et les passages doivent d'abord être découpés sous 256 word pieces.
Un chef de produit dans une petite entreprise SaaS
Montrer que la recherche sémantique bat la recherche par mots-clés avant de la budgéter
Un prototype ne coûte ni licence ni frais d'API. S'il l'emporte, refaites la même évaluation sur EmbeddingGemma 2 ou Qwen3-Embedding-0.6B avant le lancement, car réencoder plus tard un corpus qui a grossi est l'étape coûteuse.
Avant de vous engager
- Mise en route
- pip install sentence-transformers et trois lignes de Python ; le modèle (91 MB en safetensors) se télécharge à la première utilisation.
- Intégrations
- Natif dans sentence-transformers et Transformers ; le dépôt contient aussi des poids ONNX, OpenVINO, TensorFlow et Rust, dont quatre builds ONNX int8 pour différents jeux d'instructions CPU.
- Données et confidentialité
- Apache 2.0 sans restriction d'usage, et il tourne sur votre propre matériel, si bien qu'aucun texte ne sort. Son mélange d'entraînement s'appuie fortement sur des commentaires Reddit de 2015 à 2018.
- Coût à grande échelle
- Ni licence ni frais d'API ; le stockage est le principal coût. Un vecteur float32 pèse 1 536 octets, si bien que 10 millions de fragments occupent environ 15 GB avant la surcharge de l'index, moitié moins que l'index d'un modèle à 768 dimensions.
- Limites
- L'entrée au-delà de 256 word pieces est tronquée sans avertissement, l'entraînement a utilisé des séquences de 128 tokens, et il ne fonctionne qu'en anglais.
Les points forts
- Environ 23M de paramètres ; tourne sur presque n'importe quel CPU
- Un export ONNX int8 d'environ 23 MB est fourni dans le dépôt
- Apache 2.0 ; les vecteurs de 384 dimensions coûtent peu à stocker
Les points faibles
- Anglais uniquement
- Tronque silencieusement l'entrée au-delà de 256 word pieces
- Entraîné sur des séquences de 128 tokens, les textes longs doivent donc être découpés
- Ses mainteneurs renvoient vers MTEB pour des modèles plus solides
Idéal pour
Les apprenants et prototypeurs qui ont besoin d'un modèle d'embedding anglais rapide et pris en charge partout.
Alternatives à all-MiniLM-L6-v2
all-MiniLM-L6-v2 : questions fréquentes
- all-MiniLM-L6-v2 vaut-il le coup ?
- Toujours le moyen le plus rapide de faire fonctionner une recherche sémantique, et plus le bon modèle à livrer. Nous lui donnons 3.4 sur 5.
- Combien coûte all-MiniLM-L6-v2 ?
- Gratuit sous Apache 2.0.
- Quels sont les inconvénients de all-MiniLM-L6-v2 ?
- Anglais uniquement; tronque silencieusement l'entrée au-delà de 256 word pieces; entraîné sur des séquences de 128 tokens, les textes longs doivent donc être découpés; ses mainteneurs renvoient vers MTEB pour des modèles plus solides.
- À qui s’adresse all-MiniLM-L6-v2 ?
- Les apprenants et prototypeurs qui ont besoin d'un modèle d'embedding anglais rapide et pris en charge partout.
- Combien coûte all-MiniLM-L6-v2 pour une équipe ou en production ?
- Ni licence ni frais d'API ; le stockage est le principal coût. Un vecteur float32 pèse 1 536 octets, si bien que 10 millions de fragments occupent environ 15 GB avant la surcharge de l'index, moitié moins que l'index d'un modèle à 768 dimensions.
- all-MiniLM-L6-v2 est-il sûr pour les données de l’entreprise ?
- Apache 2.0 sans restriction d'usage, et il tourne sur votre propre matériel, si bien qu'aucun texte ne sort. Son mélange d'entraînement s'appuie fortement sur des commentaires Reddit de 2015 à 2018.
- Quelles sont les meilleures alternatives à all-MiniLM-L6-v2 ?
- Les alternatives les plus proches que nous avons testées sont EmbeddingGemma 2, Qwen3-Embedding and Qwen3-Reranker et text-embedding-3-large.
Réponses vérifiées le 26 oct. 2026.