{
  "aboutHtml": "<p>Llama Nemotron Rerank VL 1B V2 bewertet die Relevanz von Kandidatentexten und Dokumentbildern für eine Textanfrage, einschließlich Diagrammen, Tabellen und Seiten mit gemischten Medien. NVIDIA beschreibt es als Cross-Encoder-Modell mit 1,7 Milliarden Parametern. Führen Sie in einem Abrufablauf zunächst die erste Suche aus und senden Sie anschließend die ausgewählten Kandidaten an den Reranker. Das nützliche Ergebnis ist eine neu geordnete Menge dieser Kandidaten mit Relevanzbewertungen, die eine Anwendung zur Auswahl von Antwortkontext oder zur Anordnung einer Suchergebnisseite verwenden kann.</p><p>Verwenden Sie POST /v1/rerank mit einem application/json-Body. Setzen Sie model auf &quot;nvidia/llama-nemotron-rerank-vl-1b-v2:free&quot;, query auf die tatsächliche Suchfrage und documents auf ein nicht leeres Array. Jeder Kandidat kann eine Textzeichenfolge oder ein Objekt mit text und/oder image sein; ein strukturiertes Objekt muss mindestens eines dieser Felder enthalten. text ist eine Zeichenfolge. image ist eine entfernte HTTP/HTTPS-URL oder eine base64-Daten-URI, die mit data:image/ beginnt. Ein kombinierter Kandidat enthält beide Felder. Bewahren Sie die Reihenfolge dieses Eingabearrays, damit zurückgegebene Indizes Ihren gespeicherten Dokument-IDs zugeordnet werden können. top_n ist eine optionale Ganzzahl von mindestens 1, die die Anzahl der zurückzugebenden höchstbewerteten Dokumente anfordert.</p><p>Beispielsweise kann eine Hilfezentrum-Anwendung Passagen zu Lieferung, Rückgaben und Kontozugriff abrufen und diese anschließend anhand der Lieferfrage des Kunden neu ordnen. Übergeben Sie den tatsächlichen Passagentext statt Dateinamen oder Suchmaschinenauszügen ohne Bezug zur gespeicherten Quelle. Halten Sie jede Passage in der Anwendung mit ihrer eigenen Quellkennung verbunden, damit die ausgewählten Belege später zitiert oder geöffnet werden können. Stellen Sie für ein gescanntes Dokument, Diagramm, eine Tabelle oder Infografik dessen tatsächliches Bild in einem Dokumentobjekt bereit und ergänzen Sie Text, wenn er bei der Inhaltsbestimmung hilft.</p><p>Die Modellseite dokumentiert ein Limit von 10 240 Tokens pro Anfrage und Dokument. Teilen Sie längeres Ausgangsmaterial vor der Vorbereitung der Kandidatenliste in begrenzte Passagen auf. Bewahren Sie nützlichen umgebenden Kontext bei jeder Passage, einschließlich der Überschrift oder des Produktnamens, wenn diese die Bedeutung verändern. Die dokumentierte Anfrage beginnt mit den von Ihnen bereitgestellten Kandidaten; sie durchsucht keine Dokumentensammlung in Ihrem Auftrag.</p><p>Das Reranking liefert ein synchrones JSON-Ergebnis. Lesen Sie jedes results-Element einschließlich seines ursprünglichen index, relevance_score und zurückgegebenen document-Objekts, das text und/oder image enthalten kann, und bewahren Sie alle zurückgegebenen usage-Angaben und Antwortkennungen auf. Verwenden Sie index, um das geordnete Ergebnis seinem Eingabekandidaten zuzuordnen. Behandeln Sie eine Relevanzbewertung als Ordnungssignal für diese Anfrage und nicht als unabhängig verifizierte faktische Antwort. Bewahren Sie das vollständige Ergebnis auf, wenn mehrere Passagen für den nächsten Schritt ausgewählt werden.</p><p>Bereiten Sie für diese kostenlose Ausgabe öffentliches oder synthetisches Kandidatenmaterial vor; ihre dokumentierten Nutzungsbedingungen schließen vertrauliche Informationen und personenbezogene Daten aus. Endet eine Anfrage ohne vollständiges Ergebnis, bewahren Sie die ursprüngliche Antwort und Anfragekennung auf, während Sie diesen Versuch prüfen. Der dokumentierte Rerank-Ablauf liefert sein Ergebnis direkt und stellt keinen separaten Ablauf zum Abfragen oder Abbrechen eines Auftrags bereit.</p>",
  "aboutText": "Llama Nemotron Rerank VL 1B V2 bewertet die Relevanz von Kandidatentexten und Dokumentbildern für eine Textanfrage, einschließlich Diagrammen, Tabellen und Seiten mit gemischten Medien. NVIDIA beschreibt es als Cross-Encoder-Modell mit 1,7 Milliarden Parametern. Führen Sie in einem Abrufablauf zunächst die erste Suche aus und senden Sie anschließend die ausgewählten Kandidaten an den Reranker. Das nützliche Ergebnis ist eine neu geordnete Menge dieser Kandidaten mit Relevanzbewertungen, die eine Anwendung zur Auswahl von Antwortkontext oder zur Anordnung einer Suchergebnisseite verwenden kann.\n\nVerwenden Sie POST /v1/rerank mit einem application/json-Body. Setzen Sie model auf \"nvidia/llama-nemotron-rerank-vl-1b-v2:free\", query auf die tatsächliche Suchfrage und documents auf ein nicht leeres Array. Jeder Kandidat kann eine Textzeichenfolge oder ein Objekt mit text und/oder image sein; ein strukturiertes Objekt muss mindestens eines dieser Felder enthalten. text ist eine Zeichenfolge. image ist eine entfernte HTTP/HTTPS-URL oder eine base64-Daten-URI, die mit data:image/ beginnt. Ein kombinierter Kandidat enthält beide Felder. Bewahren Sie die Reihenfolge dieses Eingabearrays, damit zurückgegebene Indizes Ihren gespeicherten Dokument-IDs zugeordnet werden können. top_n ist eine optionale Ganzzahl von mindestens 1, die die Anzahl der zurückzugebenden höchstbewerteten Dokumente anfordert.\n\nBeispielsweise kann eine Hilfezentrum-Anwendung Passagen zu Lieferung, Rückgaben und Kontozugriff abrufen und diese anschließend anhand der Lieferfrage des Kunden neu ordnen. Übergeben Sie den tatsächlichen Passagentext statt Dateinamen oder Suchmaschinenauszügen ohne Bezug zur gespeicherten Quelle. Halten Sie jede Passage in der Anwendung mit ihrer eigenen Quellkennung verbunden, damit die ausgewählten Belege später zitiert oder geöffnet werden können. Stellen Sie für ein gescanntes Dokument, Diagramm, eine Tabelle oder Infografik dessen tatsächliches Bild in einem Dokumentobjekt bereit und ergänzen Sie Text, wenn er bei der Inhaltsbestimmung hilft.\n\nDie Modellseite dokumentiert ein Limit von 10 240 Tokens pro Anfrage und Dokument. Teilen Sie längeres Ausgangsmaterial vor der Vorbereitung der Kandidatenliste in begrenzte Passagen auf. Bewahren Sie nützlichen umgebenden Kontext bei jeder Passage, einschließlich der Überschrift oder des Produktnamens, wenn diese die Bedeutung verändern. Die dokumentierte Anfrage beginnt mit den von Ihnen bereitgestellten Kandidaten; sie durchsucht keine Dokumentensammlung in Ihrem Auftrag.\n\nDas Reranking liefert ein synchrones JSON-Ergebnis. Lesen Sie jedes results-Element einschließlich seines ursprünglichen index, relevance_score und zurückgegebenen document-Objekts, das text und/oder image enthalten kann, und bewahren Sie alle zurückgegebenen usage-Angaben und Antwortkennungen auf. Verwenden Sie index, um das geordnete Ergebnis seinem Eingabekandidaten zuzuordnen. Behandeln Sie eine Relevanzbewertung als Ordnungssignal für diese Anfrage und nicht als unabhängig verifizierte faktische Antwort. Bewahren Sie das vollständige Ergebnis auf, wenn mehrere Passagen für den nächsten Schritt ausgewählt werden.\n\nBereiten Sie für diese kostenlose Ausgabe öffentliches oder synthetisches Kandidatenmaterial vor; ihre dokumentierten Nutzungsbedingungen schließen vertrauliche Informationen und personenbezogene Daten aus. Endet eine Anfrage ohne vollständiges Ergebnis, bewahren Sie die ursprüngliche Antwort und Anfragekennung auf, während Sie diesen Versuch prüfen. Der dokumentierte Rerank-Ablauf liefert sein Ergebnis direkt und stellt keinen separaten Ablauf zum Abfragen oder Abbrechen eines Auftrags bereit.",
  "editorialOverlay": {
    "copy_fields": null,
    "copy_sha256": null,
    "copy_source": null,
    "html_sha256": "57ebf2301c70bc943d8fc82a286d0d77db074e8279a5bc8baa34b1690fdd3ad5",
    "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06",
    "raw_model_unchanged": true,
    "schema": "ailoot-native-model-editorial-v1"
  },
  "locale": "de-at",
  "methods": [
    {
      "html": "<div class=\"sheet-head\"><span class=\"mav\" aria-hidden=\"true\">NV</span><h2 id=\"sheet-title\">NVIDIA: Llama Nemotron Rerank VL 1B V2 (free)</h2><button class=\"icon-btn\" type=\"button\" data-close-sheet aria-label=\"Schließen\">×</button></div><div class=\"idline\"><span>NVIDIA /</span><code>nvidia/llama-nemotron-rerank-vl-1b-v2:free</code><button type=\"button\" id=\"copy-id\">ID kopieren</button></div><nav class=\"card-jump-nav\" aria-label=\"Bereiche der Modellkarte\"><button type=\"button\" data-card-jump=\"overview\">Einstieg</button><button type=\"button\" data-card-jump=\"methods\">Eingaben und Methoden</button><button type=\"button\" data-card-jump=\"pricing\">Tarife</button><button type=\"button\" data-card-jump=\"examples\">Beispiele</button><button type=\"button\" data-card-jump=\"results\">Ergebnisse</button><button type=\"button\" data-card-jump=\"aliases\">Aliasnamen</button></nav><div class=\"card-method-tabs\" role=\"tablist\" aria-label=\"API-Methoden\"><button type=\"button\" role=\"tab\" tabindex=\"0\" aria-controls=\"card-method-content\" aria-selected=\"true\" id=\"card-method-tab-0\" data-card-method=\"Ultra|rerank|/v1/rerank|nvidia%2Fllama-nemotron-rerank-vl-1b-v2%3Afree\">Neusortierung</button></div><div id=\"card-method-content\" role=\"tabpanel\" aria-labelledby=\"card-method-tab-0\"><section class=\"card-section\" data-card-section=\"overview\"><h3 tabindex=\"-1\">Einstieg</h3><p class=\"mdesc-full\">Llama Nemotron Rerank VL 1B V2 ist NVIDIAs Cross-Encoder-Reranker zum Ordnen abgerufenen Materials nach seiner Relevanz für eine Anfrage. Senden Sie eine Anfrage und Kandidatendokumente mit Text, Bildern oder beidem und verwenden Sie anschließend die zurückgegebenen Bewertungen und ursprünglichen Indizes, um Passagen für Suchergebnisse oder eine durch abgerufene Inhalte ergänzte Antwort auszuwählen.</p><dl class=\"card-io\" data-card-io><div><dt>Zulässige Eingaben</dt><dd>Text</dd></div><div><dt>Ergebnisse</dt><dd>ranking</dd></div></dl><details class=\"card-about\"><summary>Über das Modell</summary><p class=\"note-s\" data-model-method-boundary>Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.</p><div class=\"mabout\" id=\"m-about\"><p>Llama Nemotron Rerank VL 1B V2 bewertet die Relevanz von Kandidatentexten und Dokumentbildern für eine Textanfrage, einschließlich Diagrammen, Tabellen und Seiten mit gemischten Medien. NVIDIA beschreibt es als Cross-Encoder-Modell mit 1,7 Milliarden Parametern. Führen Sie in einem Abrufablauf zunächst die erste Suche aus und senden Sie anschließend die ausgewählten Kandidaten an den Reranker. Das nützliche Ergebnis ist eine neu geordnete Menge dieser Kandidaten mit Relevanzbewertungen, die eine Anwendung zur Auswahl von Antwortkontext oder zur Anordnung einer Suchergebnisseite verwenden kann.</p><p>Verwenden Sie POST /v1/rerank mit einem application/json-Body. Setzen Sie model auf &quot;nvidia/llama-nemotron-rerank-vl-1b-v2:free&quot;, query auf die tatsächliche Suchfrage und documents auf ein nicht leeres Array. Jeder Kandidat kann eine Textzeichenfolge oder ein Objekt mit text und/oder image sein; ein strukturiertes Objekt muss mindestens eines dieser Felder enthalten. text ist eine Zeichenfolge. image ist eine entfernte HTTP/HTTPS-URL oder eine base64-Daten-URI, die mit data:image/ beginnt. Ein kombinierter Kandidat enthält beide Felder. Bewahren Sie die Reihenfolge dieses Eingabearrays, damit zurückgegebene Indizes Ihren gespeicherten Dokument-IDs zugeordnet werden können. top_n ist eine optionale Ganzzahl von mindestens 1, die die Anzahl der zurückzugebenden höchstbewerteten Dokumente anfordert.</p><p>Beispielsweise kann eine Hilfezentrum-Anwendung Passagen zu Lieferung, Rückgaben und Kontozugriff abrufen und diese anschließend anhand der Lieferfrage des Kunden neu ordnen. Übergeben Sie den tatsächlichen Passagentext statt Dateinamen oder Suchmaschinenauszügen ohne Bezug zur gespeicherten Quelle. Halten Sie jede Passage in der Anwendung mit ihrer eigenen Quellkennung verbunden, damit die ausgewählten Belege später zitiert oder geöffnet werden können. Stellen Sie für ein gescanntes Dokument, Diagramm, eine Tabelle oder Infografik dessen tatsächliches Bild in einem Dokumentobjekt bereit und ergänzen Sie Text, wenn er bei der Inhaltsbestimmung hilft.</p><p>Die Modellseite dokumentiert ein Limit von 10 240 Tokens pro Anfrage und Dokument. Teilen Sie längeres Ausgangsmaterial vor der Vorbereitung der Kandidatenliste in begrenzte Passagen auf. Bewahren Sie nützlichen umgebenden Kontext bei jeder Passage, einschließlich der Überschrift oder des Produktnamens, wenn diese die Bedeutung verändern. Die dokumentierte Anfrage beginnt mit den von Ihnen bereitgestellten Kandidaten; sie durchsucht keine Dokumentensammlung in Ihrem Auftrag.</p><p>Das Reranking liefert ein synchrones JSON-Ergebnis. Lesen Sie jedes results-Element einschließlich seines ursprünglichen index, relevance_score und zurückgegebenen document-Objekts, das text und/oder image enthalten kann, und bewahren Sie alle zurückgegebenen usage-Angaben und Antwortkennungen auf. Verwenden Sie index, um das geordnete Ergebnis seinem Eingabekandidaten zuzuordnen. Behandeln Sie eine Relevanzbewertung als Ordnungssignal für diese Anfrage und nicht als unabhängig verifizierte faktische Antwort. Bewahren Sie das vollständige Ergebnis auf, wenn mehrere Passagen für den nächsten Schritt ausgewählt werden.</p><p>Bereiten Sie für diese kostenlose Ausgabe öffentliches oder synthetisches Kandidatenmaterial vor; ihre dokumentierten Nutzungsbedingungen schließen vertrauliche Informationen und personenbezogene Daten aus. Endet eine Anfrage ohne vollständiges Ergebnis, bewahren Sie die ursprüngliche Antwort und Anfragekennung auf, während Sie diesen Versuch prüfen. Der dokumentierte Rerank-Ablauf liefert sein Ergebnis direkt und stellt keinen separaten Ablauf zum Abfragen oder Abbrechen eines Auftrags bereit.</p></div></details></section><section class=\"card-section\" data-card-section=\"methods\"><h3 tabindex=\"-1\">In Ailoot verfügbar · Eingaben und Methoden</h3><details class=\"card-method\" open><summary><b>Ailoot Ultra · Rerank</b> <code>POST /v1/rerank</code></summary><dl class=\"method-capabilities\"><div><dt>Eingabe</dt><dd><code>text</code></dd></div><div><dt>Ausgabe</dt><dd><code>ranking</code></dd></div><div><dt>Ausgabeformat</dt><dd>JSON</dd></div></dl><div class=\"tw\" data-card-parameters data-typed-parameters><table><thead><tr><th>Feld</th><th>Typ</th><th>Anforderung</th><th>Werte und Limits</th><th>Standard</th></tr></thead><tbody><tr><th data-cell-label=\"Feld\" scope=\"row\"><span class=\"card-cell-label\">Feld</span><code class=\"card-field-name\">model</code></th><td data-cell-label=\"Typ\" data-field-type><span class=\"card-cell-label\">Typ</span><code>string</code></td><td data-cell-label=\"Anforderung\"><span class=\"card-cell-label\">Anforderung</span>Erforderlich</td><td data-cell-label=\"Werte und Limits\"><span class=\"card-cell-label\">Werte und Limits</span><div>nvidia/llama-nemotron-rerank-vl-1b-v2:free</div></td><td data-cell-label=\"Standard\" data-default=\"unspecified\"><span class=\"card-cell-label\">Standard</span>—</td></tr><tr><th data-cell-label=\"Feld\" scope=\"row\"><span class=\"card-cell-label\">Feld</span><code class=\"card-field-name\">query</code></th><td data-cell-label=\"Typ\" data-field-type><span class=\"card-cell-label\">Typ</span><code>string</code></td><td data-cell-label=\"Anforderung\"><span class=\"card-cell-label\">Anforderung</span>Erforderlich</td><td data-cell-label=\"Werte und Limits\"><span class=\"card-cell-label\">Werte und Limits</span></td><td data-cell-label=\"Standard\" data-default=\"unspecified\"><span class=\"card-cell-label\">Standard</span>—</td></tr><tr><th data-cell-label=\"Feld\" scope=\"row\"><span class=\"card-cell-label\">Feld</span><code class=\"card-field-name\">documents</code></th><td data-cell-label=\"Typ\" data-field-type><span class=\"card-cell-label\">Typ</span><code>array</code></td><td data-cell-label=\"Anforderung\"><span class=\"card-cell-label\">Anforderung</span>Erforderlich</td><td data-cell-label=\"Werte und Limits\"><span class=\"card-cell-label\">Werte und Limits</span></td><td data-cell-label=\"Standard\" data-default=\"unspecified\"><span class=\"card-cell-label\">Standard</span>—</td></tr><tr><th data-cell-label=\"Feld\" scope=\"row\"><span class=\"card-cell-label\">Feld</span><code class=\"card-field-name\">top_n</code></th><td data-cell-label=\"Typ\" data-field-type><span class=\"card-cell-label\">Typ</span><code>integer</code></td><td data-cell-label=\"Anforderung\"><span class=\"card-cell-label\">Anforderung</span>Optional</td><td data-cell-label=\"Werte und Limits\"><span class=\"card-cell-label\">Werte und Limits</span><div>Minimum: 1</div></td><td data-cell-label=\"Standard\" data-default=\"unspecified\"><span class=\"card-cell-label\">Standard</span>—</td></tr></tbody></table></div><details class=\"note-s\" data-method-contract><summary>Methodenparameter und Lebenszyklus</summary><div class=\"tw\" data-card-table=\"contract\"><table><thead><tr><th>Parameter</th><th>Vertrag</th></tr></thead><tbody><tr><th data-cell-label=\"Parameter\" scope=\"row\"><span class=\"card-cell-label\">Parameter</span><code>content_type</code></th><td data-cell-label=\"Vertrag\"><span class=\"card-cell-label\">Vertrag</span>application/json</td></tr><tr><th data-cell-label=\"Parameter\" scope=\"row\"><span class=\"card-cell-label\">Parameter</span><code>required</code></th><td data-cell-label=\"Vertrag\"><span class=\"card-cell-label\">Vertrag</span>model, query, documents</td></tr><tr><th data-cell-label=\"Parameter\" scope=\"row\"><span class=\"card-cell-label\">Parameter</span><code>optional</code></th><td data-cell-label=\"Vertrag\"><span class=\"card-cell-label\">Vertrag</span>top_n</td></tr><tr><th data-cell-label=\"Parameter\" scope=\"row\"><span class=\"card-cell-label\">Parameter</span><code>material_types</code></th><td data-cell-label=\"Vertrag\"><span class=\"card-cell-label\">Vertrag</span>text</td></tr><tr><th data-cell-label=\"Parameter\" scope=\"row\"><span class=\"card-cell-label\">Parameter</span><code>conditions</code></th><td data-cell-label=\"Vertrag\"><span class=\"card-cell-label\">Vertrag</span></td></tr></tbody></table></div><p>Lebenszyklus: <code>synchronous_json</code></p></details></details></section><section class=\"card-section\" data-card-section=\"pricing\"><h3 tabindex=\"-1\">Tarife</h3><div data-native-semantic-method=\"v1\" data-tariff-reference-only><p class=\"note-s\" data-rate-support-note>Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.</p><dl data-price-conditions><dt>Schnellmodus</dt><dd>Nicht angegeben <span class=\"note-s\">Wenn der Schnellmodus ausgewählt ist</span></dd><dt>Flex-Modus</dt><dd>Nicht angegeben <span class=\"note-s\">Wenn der Modus flex ausgewählt ist</span></dd><dt>Maximaler Denkaufwand</dt><dd>Nicht angegeben <span class=\"note-s\">Wenn beim maximalen Denkaufwand die Standardanpassung (default) verwendet wird</span></dd></dl></div><div data-declared-tariff-pricing><h4>Ailoot-Tarife</h4><h4>Preise nach Konfiguration</h4><p class=\"note-s\">Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.</p><div class=\"tw\" data-pricing-profiles><table><thead><tr><th>Konfiguration</th><th>Tarifstaffel</th><th>Abrechnungsmenge</th><th>Gebühr</th></tr></thead><tbody><tr><th data-cell-label=\"Konfiguration\" scope=\"row\"><span class=\"card-cell-label\">Konfiguration</span>Basistarife für Tokens</th><td data-cell-label=\"Tarifstaffel\"><span class=\"card-cell-label\">Tarifstaffel</span>Grundtarif</td><td data-cell-label=\"Abrechnungsmenge\"><span class=\"card-cell-label\">Abrechnungsmenge</span>—</td><td data-cell-label=\"Gebühr\"><span class=\"card-cell-label\">Gebühr</span><div><span>Eingabe · Eingabetoken</span> <b>—</b> <span class=\"price-unit\">/ 1K Tokens</span></div><div><span>Ausgabe · Ausgabetoken</span> <b>—</b> <span class=\"price-unit\">/ 1K Tokens</span></div><div><span>Eingabe · Cache lesen</span> <b>—</b> <span class=\"price-unit\">/ 1K Tokens</span></div><div><span>Eingabe · In Cache schreiben</span> <b>—</b> <span class=\"price-unit\">/ 1K Tokens</span></div><div><span>Eingabe · In Cache schreiben, 1 Stunde</span> <b>—</b> <span class=\"price-unit\">/ 1K Tokens</span></div></td></tr><tr><th data-cell-label=\"Konfiguration\" scope=\"row\"><span class=\"card-cell-label\">Konfiguration</span>Je Anfrage</th><td data-cell-label=\"Tarifstaffel\"><span class=\"card-cell-label\">Tarifstaffel</span>—</td><td data-cell-label=\"Abrechnungsmenge\"><span class=\"card-cell-label\">Abrechnungsmenge</span>eine Anfrage</td><td data-cell-label=\"Gebühr\"><span class=\"card-cell-label\">Gebühr</span><div><span>Eingabe</span> <b>$0</b> <span class=\"price-unit\">pro Anfrage</span></div></td></tr></tbody></table></div></div><p class=\"note-s\">Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. <a href=\"/docs/de-at/billing/reserve/\">So funktionieren Reservierung und Abrechnung →</a></p></section><section class=\"card-section\" data-card-section=\"examples\"><h3 tabindex=\"-1\">Beispielanfragen</h3><h4>Ailoot Ultra · Rerank</h4><div class=\"code-group\"><div class=\"cg-bar\"><div class=\"cg-tabs\" role=\"tablist\" aria-label=\"Codevarianten\"><button class=\"cg-tab\" id=\"model-code-32-tab-0\" role=\"tab\" type=\"button\" aria-controls=\"model-code-32-panel-0\" aria-selected=\"true\" tabindex=\"0\">curl · einmal erstellen und das vollständige Ergebnis speichern</button></div><div class=\"cg-tools\"><button class=\"cg-btn cg-copy\" type=\"button\" aria-label=\"Code kopieren\"><svg class=\"cp\" viewBox=\"0 0 16 16\" fill=\"none\" stroke=\"currentColor\" stroke-width=\"1.4\"><rect x=\"5.25\" y=\"5.25\" width=\"8.5\" height=\"8.5\" rx=\"1.75\"/><path d=\"M10.75 5.25V3.5a1.25 1.25 0 0 0-1.25-1.25H3.5A1.25 1.25 0 0 0 2.25 3.5v6a1.25 1.25 0 0 0 1.25 1.25h1.75\"/></svg><svg class=\"ok\" viewBox=\"0 0 16 16\" fill=\"none\" stroke=\"currentColor\" stroke-width=\"1.4\"><path d=\"m3 8.5 3.25 3.25L13 5\"/></svg></button></div></div><div class=\"cg-body\"><div class=\"cg-pane\" id=\"model-code-32-panel-0\" role=\"tabpanel\" aria-labelledby=\"model-code-32-tab-0\"><pre data-lang=\"bash\"><code>set -eu\n: &quot;${AILOOT_API_KEY:?Set your Ailoot API key}&quot;\nexport AILOOT_API_KEY\npython3 - &lt;&lt;&#39;PY_REQUEST&#39;\nimport json,os\nfrom pathlib import Path\np=json.loads(&#39;{&quot;documents&quot;: [&quot;Paris is the capital of France.&quot;, &quot;Berlin is the capital of Germany.&quot;], &quot;model&quot;: &quot;nvidia/llama-nemotron-rerank-vl-1b-v2:free&quot;, &quot;query&quot;: &quot;What is the capital of France?&quot;, &quot;top_n&quot;: 3}&#39;)\n\nPath(&quot;request.json&quot;).write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/rerank \\\n  -H &quot;Authorization: Bearer $AILOOT_API_KEY&quot; -H &#39;Content-Type: application/json&#39; \\\n  --data-binary @request.json -D response-headers.txt -o result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\n</code></pre></div></div></div></section><section class=\"card-section\" data-card-section=\"results\"><h3 tabindex=\"-1\">Ergebnisse abrufen und speichern</h3><h4>Ailoot Ultra · Rerank</h4><p class=\"note-s\">JSON</p><div class=\"card-result-process\" data-all-results><h5>Alle fertiggestellten Ergebnisse aufbewahren</h5><p class=\"note-s\">Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.</p><p class=\"note-s\">Retain the complete response, all actual results, original identifiers, usage and response headers.</p></div><div class=\"card-result-process\" data-unknown-recovery><h5>Wenn die ursprüngliche Antwort geprüft werden muss</h5><p class=\"note-s\">Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.</p></div><details class=\"card-about\" data-output-fields><summary>Antwortfelder</summary><div class=\"tw\" data-card-table=\"output\"><table><thead><tr><th>Feld</th><th>Typ</th></tr></thead><tbody><tr><th data-cell-label=\"Feld\" scope=\"row\"><span class=\"card-cell-label\">Feld</span><code class=\"card-field-name\">results</code></th><td data-cell-label=\"Typ\" data-field-type><span class=\"card-cell-label\">Typ</span>array</td></tr></tbody></table></div></details></section><section class=\"card-section\" data-card-section=\"aliases\"><h3 tabindex=\"-1\">Aliasnamen</h3><h4>Modellaliasnamen</h4><p class=\"note-s\"><span data-model-alias-route=\"Ultra\"><b>Ailoot Ultra</b> <a href=\"#m=nvidia%2Fllama-nemotron-rerank-vl-1b-v2%3Afree&amp;route=Ultra&amp;caller=nvidia%2Fllama-nemotron-rerank-vl-1b-v2%3Afree&amp;fmt=rerank\"><code>nvidia/llama-nemotron-rerank-vl-1b-v2:free</code></a></span></p><h4>Aliasnamen für Methodenpfade</h4><p class=\"note-s\">Verwenden Sie die oben angezeigten Methodenpfade.</p><h4>Zugehörige Aufrufer-IDs</h4><p class=\"note-s\"><a href=\"#m=nvidia%2Fllama-nemotron-rerank-vl-1b-v2%3Afree&amp;route=Ultra&amp;caller=nvidia%2Fllama-nemotron-rerank-vl-1b-v2%3Afree&amp;fmt=rerank\"><code>nvidia/llama-nemotron-rerank-vl-1b-v2:free</code></a></p></section></div>",
      "method_identity": {
        "effective_request_model_id": "nvidia/llama-nemotron-rerank-vl-1b-v2:free",
        "fmt": "rerank",
        "http": "POST",
        "path": "/v1/rerank",
        "request_model_id": "nvidia/llama-nemotron-rerank-vl-1b-v2:free",
        "route_label": "Ultra"
      },
      "method_key": "Ultra|rerank|/v1/rerank|nvidia%2Fllama-nemotron-rerank-vl-1b-v2%3Afree",
      "ordinal": 0,
      "rawMethod": {
        "available": null,
        "cache_read": null,
        "cache_write": null,
        "cache_write_1h": null,
        "contract": {
          "data": {
            "all_results": "Retain the complete response, all actual results, original identifiers, usage and response headers.",
            "authentication": {
              "api_key_source": "AILOOT_API_KEY",
              "header": "Authorization: Bearer"
            },
            "example_body": {
              "documents": [
                "Paris is the capital of France.",
                "Berlin is the capital of Germany."
              ],
              "model": "nvidia/llama-nemotron-rerank-vl-1b-v2:free",
              "query": "What is the capital of France?",
              "top_n": 3
            },
            "lifecycle": {
              "cancel_endpoint": null,
              "create": {
                "http": "POST",
                "path": "/v1/rerank"
              },
              "mode": "synchronous_json",
              "status": [],
              "unknown": "Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.",
              "unknown_no_replay": true
            },
            "outputs": {
              "all_results": "Retain the complete response, all actual results, original identifiers, usage and response headers.",
              "family": "ranking",
              "fields": [
                {
                  "name": "results",
                  "type": "array"
                }
              ],
              "format": "JSON"
            },
            "parameters": [
              {
                "default_known": false,
                "enum": [
                  "nvidia/llama-nemotron-rerank-vl-1b-v2:free"
                ],
                "enum_known": true,
                "name": "model",
                "required": true,
                "type": "string"
              },
              {
                "default_known": false,
                "enum_known": false,
                "name": "query",
                "required": true,
                "type": "string"
              },
              {
                "default_known": false,
                "enum_known": false,
                "items": {
                  "type": "string"
                },
                "minItems": 1,
                "name": "documents",
                "required": true,
                "type": "array"
              },
              {
                "default_known": false,
                "enum_known": false,
                "minimum": 1,
                "name": "top_n",
                "required": false,
                "type": "integer"
              }
            ],
            "request_schema": {
              "additionalProperties": true,
              "properties": {
                "documents": {
                  "items": {
                    "type": "string"
                  },
                  "minItems": 1,
                  "type": "array"
                },
                "model": {
                  "enum": [
                    "nvidia/llama-nemotron-rerank-vl-1b-v2:free"
                  ],
                  "type": "string"
                },
                "query": {
                  "type": "string"
                },
                "top_n": {
                  "minimum": 1,
                  "type": "integer"
                }
              },
              "required": [
                "model",
                "query",
                "documents"
              ],
              "type": "object"
            },
            "schema_template": {
              "body": {
                "documents": [
                  "Paris is the capital of France.",
                  "Berlin is the capital of Germany."
                ],
                "model": "nvidia/llama-nemotron-rerank-vl-1b-v2:free",
                "query": "What is the capital of France?",
                "top_n": 3
              },
              "content_type": "application/json"
            }
          },
          "input": {
            "conditions": [],
            "content_type": "application/json",
            "material_types": [
              "text"
            ],
            "optional": [
              "top_n"
            ],
            "required": [
              "model",
              "query",
              "documents"
            ]
          },
          "lifecycle": {
            "cancel_endpoint": null,
            "create": {
              "http": "POST",
              "path": "/v1/rerank"
            },
            "mode": "synchronous_json",
            "status": [],
            "unknown": "Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.",
            "unknown_no_replay": true
          },
          "method": {
            "http": "POST",
            "path": "/v1/rerank"
          },
          "method_aliases": [],
          "output": {
            "all_results": "Retain the complete response, all actual results, original identifiers, usage and response headers.",
            "family": "ranking",
            "fields": [
              {
                "name": "results",
                "type": "array"
              }
            ],
            "format": "JSON"
          }
        },
        "ctx": null,
        "declared_pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Base token rates",
            "units": [
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          },
          {
            "dimensions": {
              "billing_quantity": "one request"
            },
            "label": "Per request",
            "units": [
              {
                "amount": "0",
                "amount_unit": "usd_per_exact_native_unit",
                "billing_input": true,
                "estimate_only": false,
                "key": "per_request",
                "label": "per request",
                "native_amount_usd_per_unit": "0",
                "native_quantity": 1,
                "public_unit_label": "per request",
                "quantity": 1,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "per_request"
              }
            ]
          }
        ],
        "examples": [
          {
            "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"documents\": [\"Paris is the capital of France.\", \"Berlin is the capital of Germany.\"], \"model\": \"nvidia/llama-nemotron-rerank-vl-1b-v2:free\", \"query\": \"What is the capital of France?\", \"top_n\": 3}')\n\nPath(\"request.json\").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/rerank \\\n  -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n  --data-binary @request.json -D response-headers.txt -o result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\n",
            "label": "curl · create once and retain the complete result",
            "language": "bash"
          }
        ],
        "family": "openai",
        "fast_multiplier": null,
        "flex_multiplier": null,
        "fmt": "rerank",
        "http": "POST",
        "img_in": null,
        "img_out": null,
        "in": null,
        "input": [
          "text"
        ],
        "label": "Rerank",
        "max_out": null,
        "max_reasoning_effort_multiplier": null,
        "method_aliases": [],
        "out": null,
        "output": [
          "ranking"
        ],
        "path": "/v1/rerank",
        "price_conditions": [
          {
            "label": "Fast mode",
            "value": "Not specified",
            "when": "When fast mode is selected"
          },
          {
            "label": "Flex mode",
            "value": "Not specified",
            "when": "When flex mode is selected"
          },
          {
            "label": "Maximum reasoning effort",
            "value": "Not specified",
            "when": "When maximum reasoning effort uses the default adjustment"
          }
        ],
        "pricing": {
          "billing_mode": "per_request",
          "cache_read_price": null,
          "cache_write_1h_price": null,
          "cache_write_price": null,
          "fast_multiplier": null,
          "flex_multiplier": null,
          "image_input_price": null,
          "image_output_price": null,
          "input_price": null,
          "intervals": null,
          "max_reasoning_effort_multiplier": null,
          "output_price": null,
          "per_request_price": 0
        },
        "pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Base token rates",
            "units": [
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          },
          {
            "dimensions": {
              "billing_quantity": "one request"
            },
            "label": "Per request",
            "units": [
              {
                "amount": "0",
                "amount_unit": "usd_per_exact_native_unit",
                "billing_input": true,
                "estimate_only": false,
                "key": "per_request",
                "label": "per request",
                "native_amount_usd_per_unit": "0",
                "native_quantity": 1,
                "public_unit_label": "per request",
                "quantity": 1,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "per_request"
              }
            ]
          }
        ],
        "request_model_id": "nvidia/llama-nemotron-rerank-vl-1b-v2:free",
        "route_label": "Ultra",
        "status_reads": [],
        "tiers": [],
        "unit": "per_request",
        "units": [
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "input_price",
            "label": "Input tokens",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "input_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "output_price",
            "label": "Output tokens",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "output_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "out",
            "unit": "output_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_read_price",
            "label": "Cache read",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "cached_input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "cached_input_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_write_price",
            "label": "Cache write",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "generic_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "generic_cache_creation_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_write_1h_price",
            "label": "Cache write, 1 hour",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "one_hour_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "one_hour_cache_creation_token"
          },
          {
            "amount": "0",
            "amount_unit": "usd_per_exact_native_unit",
            "billing_input": true,
            "estimate_only": false,
            "key": "per_request",
            "label": "per request",
            "native_amount_usd_per_unit": "0",
            "native_quantity": 1,
            "public_unit_label": "per request",
            "quantity": 1,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "per_request"
          }
        ]
      }
    }
  ],
  "model_id": "nvidia/llama-nemotron-rerank-vl-1b-v2:free",
  "nativeProvenance": {
    "input_facts_canonical_sha256": "5f7275f770e345366635a4930961cc14d04d21c3b6c60154c235762cc0c1f072",
    "input_html_sha256": "759c8d8109bbb3e9f93e27f94df1227074f711eb5eb83a6baef79c4335f0961d",
    "private_audit_sha256": "906c115b4c7f850673504f6f289df98f352470e8fd5f6cadc85e2a6827793b74",
    "role": "historical-normalized-input-audit-hashes",
    "schema": "ailoot-native-model-provenance-v2"
  },
  "page": {
    "canonical": "https://ailoot.ai/models/de-at/nvidia-llama-nemotron-rerank-vl-1b-v2-u003a-free/",
    "description": "Llama Nemotron Rerank VL 1B V2 ist NVIDIAs Cross-Encoder-Reranker zum Ordnen abgerufenen Materials nach seiner Relevanz für eine Anfrage. Senden Sie eine Anfrage und Kandidatendokumente mit Text, Bildern oder beidem und verwenden Sie anschließend die zurückgegebenen Bewertungen und ursprünglichen Indizes, um Passagen für Suchergebnisse oder eine durch abgerufene Inhalte ergänzte Antwort auszuwählen.",
    "locale": "de-at",
    "md_url": "https://ailoot.ai/models/de-at/nvidia-llama-nemotron-rerank-vl-1b-v2-u003a-free/index.md",
    "title": "NVIDIA: Llama Nemotron Rerank VL 1B V2 (free) — Ailoot",
    "url": "https://ailoot.ai/models/de-at/nvidia-llama-nemotron-rerank-vl-1b-v2-u003a-free/"
  },
  "rawModel": {
    "about": "Llama Nemotron Rerank VL 1B V2 bewertet die Relevanz von Kandidatentexten und Dokumentbildern für eine Textanfrage, einschließlich Diagrammen, Tabellen und Seiten mit gemischten Medien. NVIDIA beschreibt es als Cross-Encoder-Modell mit 1,7 Milliarden Parametern. Führen Sie in einem Abrufablauf zunächst die erste Suche aus und senden Sie anschließend die ausgewählten Kandidaten an den Reranker. Das nützliche Ergebnis ist eine neu geordnete Menge dieser Kandidaten mit Relevanzbewertungen, die eine Anwendung zur Auswahl von Antwortkontext oder zur Anordnung einer Suchergebnisseite verwenden kann.\n\nVerwenden Sie POST /v1/rerank mit einem application/json-Body. Setzen Sie model auf \"nvidia/llama-nemotron-rerank-vl-1b-v2:free\", query auf die tatsächliche Suchfrage und documents auf ein nicht leeres Array. Jeder Kandidat kann eine Textzeichenfolge oder ein Objekt mit text und/oder image sein; ein strukturiertes Objekt muss mindestens eines dieser Felder enthalten. text ist eine Zeichenfolge. image ist eine entfernte HTTP/HTTPS-URL oder eine base64-Daten-URI, die mit data:image/ beginnt. Ein kombinierter Kandidat enthält beide Felder. Bewahren Sie die Reihenfolge dieses Eingabearrays, damit zurückgegebene Indizes Ihren gespeicherten Dokument-IDs zugeordnet werden können. top_n ist eine optionale Ganzzahl von mindestens 1, die die Anzahl der zurückzugebenden höchstbewerteten Dokumente anfordert.\n\nBeispielsweise kann eine Hilfezentrum-Anwendung Passagen zu Lieferung, Rückgaben und Kontozugriff abrufen und diese anschließend anhand der Lieferfrage des Kunden neu ordnen. Übergeben Sie den tatsächlichen Passagentext statt Dateinamen oder Suchmaschinenauszügen ohne Bezug zur gespeicherten Quelle. Halten Sie jede Passage in der Anwendung mit ihrer eigenen Quellkennung verbunden, damit die ausgewählten Belege später zitiert oder geöffnet werden können. Stellen Sie für ein gescanntes Dokument, Diagramm, eine Tabelle oder Infografik dessen tatsächliches Bild in einem Dokumentobjekt bereit und ergänzen Sie Text, wenn er bei der Inhaltsbestimmung hilft.\n\nDie Modellseite dokumentiert ein Limit von 10 240 Tokens pro Anfrage und Dokument. Teilen Sie längeres Ausgangsmaterial vor der Vorbereitung der Kandidatenliste in begrenzte Passagen auf. Bewahren Sie nützlichen umgebenden Kontext bei jeder Passage, einschließlich der Überschrift oder des Produktnamens, wenn diese die Bedeutung verändern. Die dokumentierte Anfrage beginnt mit den von Ihnen bereitgestellten Kandidaten; sie durchsucht keine Dokumentensammlung in Ihrem Auftrag.\n\nDas Reranking liefert ein synchrones JSON-Ergebnis. Lesen Sie jedes results-Element einschließlich seines ursprünglichen index, relevance_score und zurückgegebenen document-Objekts, das text und/oder image enthalten kann, und bewahren Sie alle zurückgegebenen usage-Angaben und Antwortkennungen auf. Verwenden Sie index, um das geordnete Ergebnis seinem Eingabekandidaten zuzuordnen. Behandeln Sie eine Relevanzbewertung als Ordnungssignal für diese Anfrage und nicht als unabhängig verifizierte faktische Antwort. Bewahren Sie das vollständige Ergebnis auf, wenn mehrere Passagen für den nächsten Schritt ausgewählt werden.\n\nBereiten Sie für diese kostenlose Ausgabe öffentliches oder synthetisches Kandidatenmaterial vor; ihre dokumentierten Nutzungsbedingungen schließen vertrauliche Informationen und personenbezogene Daten aus. Endet eine Anfrage ohne vollständiges Ergebnis, bewahren Sie die ursprüngliche Antwort und Anfragekennung auf, während Sie diesen Versuch prüfen. Der dokumentierte Rerank-Ablauf liefert sein Ergebnis direkt und stellt keinen separaten Ablauf zum Abfragen oder Abbrechen eines Auftrags bereit.",
    "alias_of": null,
    "aliases": [],
    "author": "NVIDIA",
    "ctx": 10240,
    "formats": [
      "rerank"
    ],
    "id": "nvidia/llama-nemotron-rerank-vl-1b-v2:free",
    "input": [
      "text"
    ],
    "kind": "text",
    "max_out": null,
    "methods": [
      {
        "available": null,
        "cache_read": null,
        "cache_write": null,
        "cache_write_1h": null,
        "contract": {
          "data": {
            "all_results": "Retain the complete response, all actual results, original identifiers, usage and response headers.",
            "authentication": {
              "api_key_source": "AILOOT_API_KEY",
              "header": "Authorization: Bearer"
            },
            "example_body": {
              "documents": [
                "Paris is the capital of France.",
                "Berlin is the capital of Germany."
              ],
              "model": "nvidia/llama-nemotron-rerank-vl-1b-v2:free",
              "query": "What is the capital of France?",
              "top_n": 3
            },
            "lifecycle": {
              "cancel_endpoint": null,
              "create": {
                "http": "POST",
                "path": "/v1/rerank"
              },
              "mode": "synchronous_json",
              "status": [],
              "unknown": "Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.",
              "unknown_no_replay": true
            },
            "outputs": {
              "all_results": "Retain the complete response, all actual results, original identifiers, usage and response headers.",
              "family": "ranking",
              "fields": [
                {
                  "name": "results",
                  "type": "array"
                }
              ],
              "format": "JSON"
            },
            "parameters": [
              {
                "default_known": false,
                "enum": [
                  "nvidia/llama-nemotron-rerank-vl-1b-v2:free"
                ],
                "enum_known": true,
                "name": "model",
                "required": true,
                "type": "string"
              },
              {
                "default_known": false,
                "enum_known": false,
                "name": "query",
                "required": true,
                "type": "string"
              },
              {
                "default_known": false,
                "enum_known": false,
                "items": {
                  "type": "string"
                },
                "minItems": 1,
                "name": "documents",
                "required": true,
                "type": "array"
              },
              {
                "default_known": false,
                "enum_known": false,
                "minimum": 1,
                "name": "top_n",
                "required": false,
                "type": "integer"
              }
            ],
            "request_schema": {
              "additionalProperties": true,
              "properties": {
                "documents": {
                  "items": {
                    "type": "string"
                  },
                  "minItems": 1,
                  "type": "array"
                },
                "model": {
                  "enum": [
                    "nvidia/llama-nemotron-rerank-vl-1b-v2:free"
                  ],
                  "type": "string"
                },
                "query": {
                  "type": "string"
                },
                "top_n": {
                  "minimum": 1,
                  "type": "integer"
                }
              },
              "required": [
                "model",
                "query",
                "documents"
              ],
              "type": "object"
            },
            "schema_template": {
              "body": {
                "documents": [
                  "Paris is the capital of France.",
                  "Berlin is the capital of Germany."
                ],
                "model": "nvidia/llama-nemotron-rerank-vl-1b-v2:free",
                "query": "What is the capital of France?",
                "top_n": 3
              },
              "content_type": "application/json"
            }
          },
          "input": {
            "conditions": [],
            "content_type": "application/json",
            "material_types": [
              "text"
            ],
            "optional": [
              "top_n"
            ],
            "required": [
              "model",
              "query",
              "documents"
            ]
          },
          "lifecycle": {
            "cancel_endpoint": null,
            "create": {
              "http": "POST",
              "path": "/v1/rerank"
            },
            "mode": "synchronous_json",
            "status": [],
            "unknown": "Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.",
            "unknown_no_replay": true
          },
          "method": {
            "http": "POST",
            "path": "/v1/rerank"
          },
          "method_aliases": [],
          "output": {
            "all_results": "Retain the complete response, all actual results, original identifiers, usage and response headers.",
            "family": "ranking",
            "fields": [
              {
                "name": "results",
                "type": "array"
              }
            ],
            "format": "JSON"
          }
        },
        "ctx": null,
        "declared_pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Base token rates",
            "units": [
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          },
          {
            "dimensions": {
              "billing_quantity": "one request"
            },
            "label": "Per request",
            "units": [
              {
                "amount": "0",
                "amount_unit": "usd_per_exact_native_unit",
                "billing_input": true,
                "estimate_only": false,
                "key": "per_request",
                "label": "per request",
                "native_amount_usd_per_unit": "0",
                "native_quantity": 1,
                "public_unit_label": "per request",
                "quantity": 1,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "per_request"
              }
            ]
          }
        ],
        "examples": [
          {
            "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"documents\": [\"Paris is the capital of France.\", \"Berlin is the capital of Germany.\"], \"model\": \"nvidia/llama-nemotron-rerank-vl-1b-v2:free\", \"query\": \"What is the capital of France?\", \"top_n\": 3}')\n\nPath(\"request.json\").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/rerank \\\n  -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n  --data-binary @request.json -D response-headers.txt -o result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\n",
            "label": "curl · create once and retain the complete result",
            "language": "bash"
          }
        ],
        "family": "openai",
        "fast_multiplier": null,
        "flex_multiplier": null,
        "fmt": "rerank",
        "http": "POST",
        "img_in": null,
        "img_out": null,
        "in": null,
        "input": [
          "text"
        ],
        "label": "Rerank",
        "max_out": null,
        "max_reasoning_effort_multiplier": null,
        "method_aliases": [],
        "out": null,
        "output": [
          "ranking"
        ],
        "path": "/v1/rerank",
        "price_conditions": [
          {
            "label": "Fast mode",
            "value": "Not specified",
            "when": "When fast mode is selected"
          },
          {
            "label": "Flex mode",
            "value": "Not specified",
            "when": "When flex mode is selected"
          },
          {
            "label": "Maximum reasoning effort",
            "value": "Not specified",
            "when": "When maximum reasoning effort uses the default adjustment"
          }
        ],
        "pricing": {
          "billing_mode": "per_request",
          "cache_read_price": null,
          "cache_write_1h_price": null,
          "cache_write_price": null,
          "fast_multiplier": null,
          "flex_multiplier": null,
          "image_input_price": null,
          "image_output_price": null,
          "input_price": null,
          "intervals": null,
          "max_reasoning_effort_multiplier": null,
          "output_price": null,
          "per_request_price": 0
        },
        "pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Base token rates",
            "units": [
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          },
          {
            "dimensions": {
              "billing_quantity": "one request"
            },
            "label": "Per request",
            "units": [
              {
                "amount": "0",
                "amount_unit": "usd_per_exact_native_unit",
                "billing_input": true,
                "estimate_only": false,
                "key": "per_request",
                "label": "per request",
                "native_amount_usd_per_unit": "0",
                "native_quantity": 1,
                "public_unit_label": "per request",
                "quantity": 1,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "per_request"
              }
            ]
          }
        ],
        "request_model_id": "nvidia/llama-nemotron-rerank-vl-1b-v2:free",
        "route_label": "Ultra",
        "status_reads": [],
        "tiers": [],
        "unit": "per_request",
        "units": [
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "input_price",
            "label": "Input tokens",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "input_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "output_price",
            "label": "Output tokens",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "output_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "out",
            "unit": "output_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_read_price",
            "label": "Cache read",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "cached_input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "cached_input_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_write_price",
            "label": "Cache write",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "generic_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "generic_cache_creation_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_write_1h_price",
            "label": "Cache write, 1 hour",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "one_hour_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "one_hour_cache_creation_token"
          },
          {
            "amount": "0",
            "amount_unit": "usd_per_exact_native_unit",
            "billing_input": true,
            "estimate_only": false,
            "key": "per_request",
            "label": "per request",
            "native_amount_usd_per_unit": "0",
            "native_quantity": 1,
            "public_unit_label": "per request",
            "quantity": 1,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "per_request"
          }
        ]
      }
    ],
    "model_aliases": [
      {
        "canonical_model_id": "nvidia/llama-nemotron-rerank-vl-1b-v2:free",
        "request_model_id": "nvidia/llama-nemotron-rerank-vl-1b-v2:free",
        "route_label": "Ultra"
      }
    ],
    "name": "NVIDIA: Llama Nemotron Rerank VL 1B V2 (free)",
    "price": {
      "in": "0",
      "in_label": "per request",
      "out": null,
      "out_label": null,
      "sort_in": null,
      "sort_out": null,
      "varies": false
    },
    "short": "Llama Nemotron Rerank VL 1B V2 ist NVIDIAs Cross-Encoder-Reranker zum Ordnen abgerufenen Materials nach seiner Relevanz für eine Anfrage. Senden Sie eine Anfrage und Kandidatendokumente mit Text, Bildern oder beidem und verwenden Sie anschließend die zurückgegebenen Bewertungen und ursprünglichen Indizes, um Passagen für Suchergebnisse oder eine durch abgerufene Inhalte ergänzte Antwort auszuwählen."
  },
  "renderer_schema": {
    "method_order": "Original DTO methods order; every exact route/format/path/caller survives.",
    "prices": "Original public DTO fields and original native display HTML; no flattened or normalized offers."
  },
  "representation": "exact-public-dto-and-native-renderer-html",
  "representationNotes": {
    "current_reference": {
      "about_json_pointer": "/aboutHtml",
      "methods": [
        {
          "contract_json_pointer": "/methods/0/rawMethod/contract",
          "html_json_pointer": "/methods/0/html",
          "method_ordinal": 0
        }
      ],
      "role": "current-semantic-reference"
    },
    "raw_input": {
      "examples_role": "historical-input-not-current-ready-examples",
      "json_pointers": [
        "/rawModel",
        "/methods/0/rawMethod"
      ],
      "role": "historical-owner-input"
    },
    "schema": "ailoot-native-model-representations-v1"
  },
  "schema": "ailoot-static-model-facts-v1",
  "schema_version": 1,
  "shortText": "Llama Nemotron Rerank VL 1B V2 ist NVIDIAs Cross-Encoder-Reranker zum Ordnen abgerufenen Materials nach seiner Relevanz für eine Anfrage. Senden Sie eine Anfrage und Kandidatendokumente mit Text, Bildern oder beidem und verwenden Sie anschließend die zurückgegebenen Bewertungen und ursprünglichen Indizes, um Passagen für Suchergebnisse oder eine durch abgerufene Inhalte ergänzte Antwort auszuwählen.",
  "source": {
    "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1",
    "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036",
    "raw_model_json_sha256": "809f71d5be847a22736d7a92c7184eccccbe46230dbaca2ab5d2b6a1bd3c15a3",
    "renderer_sha256": "4915581496a34d8a27d706c57a04aa12aa22b4b136560828b2e1b9b8437d1eb0"
  },
  "sourceRevision": "47f14a0e5e4588f58e62e0c5e4ae28b31794a94b06aa60fad2611230898ad6be"
}