Source: https://ailoot.ai/models/de-ch/nvidia-nemotron-3-embed-1b/
Canonical: https://ailoot.ai/models/de-ch/nvidia-nemotron-3-embed-1b/
Language: de-ch

# Nemotron 3 Embed 1B

[Markdown](https://ailoot.ai/models/de-ch/nvidia-nemotron-3-embed-1b/index.md) · [JSON](https://ailoot.ai/models/de-ch/nvidia-nemotron-3-embed-1b/facts.json)

## [Nemotron 3 Embed 1B](https://ailoot.ai/models/de-ch/nvidia-nemotron-3-embed-1b/)

Nemotron 3 Embed 1B wandelt Texte in Vektoren für mehrsprachige Suche, Codesuche und RAG um. Es verarbeitet Sequenzen bis 32768 Tokens und liefert eine Darstellung mit 2048 Zahlen.

- [**Ailoot · Einbettungsvektoren** `POST /v1/embeddings` `nvidia/nemotron-3-embed-1b`](https://ailoot.ai/models/de-ch/nvidia-nemotron-3-embed-1b/#method-0)
- [**Ailoot · Einbettungsvektoren** `POST /v1/embeddings` `nemotron-3-embed`](https://ailoot.ai/models/de-ch/nvidia-nemotron-3-embed-1b/#method-1)
- [**Ailoot · Einbettungsvektoren** `POST /v1/embeddings` `nemotron-3-embed-latest`](https://ailoot.ai/models/de-ch/nvidia-nemotron-3-embed-1b/#method-2)

Über das Modell

Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.

Nemotron 3 Embed 1B ist ein NVIDIA-Textmodell für semantische Suche und den Abgleich von Abschnitten. Es codiert Fragen, Dokumente und Programmcode in dichte numerische Vektoren. Diese Darstellungen dienen dazu, passenden Kontext in grossen Sammlungen zu finden, eine Assistentenantwort damit zu ergänzen oder früher gespeicherte Informationen für den nächsten Agentenschritt abzurufen.

#### Mehrsprachiges Wissen und Code

Das Modell dient mehrsprachiger und sprachübergreifender Suche: Eine Frage und das passende Material können in verschiedenen Sprachen geschrieben sein. Russisch gehört zum veröffentlichten Satz von 34 Sprachen, zusammen mit Englisch, Ukrainisch, Chinesisch, Japanisch, Arabisch und weiteren. Das ist für gemeinsame Wissensbasen hilfreich, deren technische Dokumente und Nutzeranfragen nicht auf eine Sprache vereinheitlicht sind.

Zu den Aufgaben gehören Dokumentationssuche, Textabgleich und das Auffinden von Code anhand einer sprachlichen Beschreibung. Ein grosses Eingabefenster erlaubt die Arbeit mit langen Dokumenten, umfangreichem Programmkontext und dem Verlauf mehrerer Agentenschritte. Gefundenes Material wird als Kontext in den weiteren Prozess zurückgegeben; endgültige Erklärungen und Antworten erstellt die nächste Systemkomponente.

#### Vom Text zum Vektor

Die Eingabe besteht aus Textzeichenfolgen. Für jede Zeichenfolge entsteht ein Vektor mit 2048 Zahlen. Die maximale Sequenzlänge beträgt 32768 Tokens; längeres Material muss aufgeteilt oder gekürzt werden. Bei der Eingabevorbereitung werden Frage und Dokument unterschieden: Das Modell wurde zum Abgleich dieser Rollen trainiert; dieselbe Zeichenfolge darf deshalb nicht ohne Berücksichtigung des Zwecks für beide Aufgaben formatiert werden.

Vektoren werden auf ihre Länge normiert. In dieser Darstellung sind Skalarprodukt und Kosinusähnlichkeit gleichwertige Vergleichsverfahren. Die ersten 1024 oder 512 Koordinaten des vollständigen Vektors können beibehalten werden; nach der Kürzung muss jedoch erneut normiert werden. Das ist eine Eigenschaft der Ergebnisverarbeitung; die Dimension muss für Sammlung und Anfragen einheitlich gewählt werden.

#### Aufbau des kompakten Modells

Der Encoder umfasst etwa 1,14 Milliarden Parameter. Er wurde aus einem auf Ministral 3 3B basierenden Modell durch zwei Stufen struktureller Verkleinerung und Destillation gewonnen. Bidirektionale Aufmerksamkeit berücksichtigt die ganze Eingabe; danach werden Tokendarstellungen zu einem gemeinsamen Vektor gemittelt.

NVIDIA veröffentlicht BF16- und NVFP4-Varianten. Ihre Darstellungsräume sind ähnlich, doch ein Variantenwechsel benötigt Prüfungen mit eigenen Dokumenten. Weder numerische Ähnlichkeit noch Kontextlänge garantieren, dass die Suche immer den richtigen Abschnitt auswählt.

**Ailoot · Einbettungsvektoren** `POST /v1/embeddings` `nvidia/nemotron-3-embed-1b`

[`nvidia/nemotron-3-embed-1b`](https://ailoot.ai/models/de-ch/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nvidia%2Fnemotron-3-embed-1b&fmt=embeddings)

NVIDIA /`nvidia/nemotron-3-embed-1b`

Modell-ID

- `nvidia/nemotron-3-embed-1b`
- `nemotron-3-embed`
- `nemotron-3-embed-latest`

### Einstieg

Nemotron 3 Embed 1B wandelt Texte in Vektoren für mehrsprachige Suche, Codesuche und RAG um. Es verarbeitet Sequenzen bis 32768 Tokens und liefert eine Darstellung mit 2048 Zahlen.

Zulässige Eingaben

Text

Ergebnisse

embedding

### In Ailoot verfügbar · Eingaben und Methoden

**Ailoot · Einbettungsvektoren** `POST /v1/embeddings`

Eingabe

`text`

Ausgabe

`embedding`

Kontext

4'096 tokens

Ausgabeformat

json

| Feld | Typ | Anforderung | Werte und Limits | Standard |
| --- | --- | --- | --- | --- |
| Feld`model` | Typ`string` | AnforderungErforderlich | Werte und Limits nvidia/nemotron-3-embed-1b | Standard— |
| Feld`input` | Typ`string\|string[]` | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 Bedingungen: Jede Zeichenkette muss nach dem Entfernen von Rand-Leerraum nicht leer sein; data-URIs werden abgewiesen; die akzeptierte Obergrenze misst die relevanten UTF8-Bytes. | Standard— |
| Feld`input_type` | Typ`string` | AnforderungOptional | Werte und Limits query, passage | Standardquery |
| Feld`encoding_format` | Typ`string` | AnforderungOptional | Werte und Limits float, base64 | Standardfloat |
| Feld`truncate` | Typ`string` | AnforderungOptional | Werte und Limits NONE, START, END | Standard— |
| Feld`dimensions` | Typ`integer` | AnforderungOptional | Werte und Limits Minimum: 1 | Standard— |
| Feld`user` | Typ`string` | AnforderungOptional | Werte und Limits | Standard— |

Kombinationen von Eingabematerialien

**text\_to\_embedding**

Methodenparameter und Lebenszyklus

| Parameter | Vertrag |
| --- | --- |
| Parameter`material_types` | Vertragtext |
| Parameter`required` | Vertragmodel, input |
| Parameter`optional_controls` | Vertragnull |
| Parameter`content_type` | Vertragapplication/json |

Lebenszyklus: `exact retained published method`

Methodenstrukturen und IDs sind exakt; die Fähigkeiten des Anbieters sind von der Zulassung einer Anfrage zu unterscheiden.

### Tarife

#### Ailoot-Methodentarife

Eingabe

$ 0.0001 */ 1K*

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. [So funktionieren Reservierung und Abrechnung →](https://ailoot.ai/docs/de-ch/billing/reserve/)

### Beispielanfragen

#### Ailoot · Einbettungsvektoren

Embedding-Beispiel

```bash
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"
export AILOOT_TEXT_FILE
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "nvidia/nemotron-3-embed-1b", "input": []}')
f=Path(os.environ["AILOOT_TEXT_FILE"])
if not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")
text=f.read_text(encoding="utf-8")
if not text.strip():raise SystemExit("Source material must contain text")
p["input"]=[text]
Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
r=json.loads(Path("result.json").read_text())
for x in r.get("data",[]): print(json.dumps({"index":x.get("index"),"embedding":x.get("embedding")}))
PY_RESULT
```

### Ergebnisse abrufen und speichern

#### Ailoot · Einbettungsvektoren

json

##### Alle fertiggestellten Ergebnisse aufbewahren

Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.

Decodieren Sie base64-Vektoren nur, wenn dieses Format angefordert wurde; bewahren Sie jeden Vektor und dessen ursprünglichen Index auf.

##### Wenn die ursprüngliche Antwort geprüft werden muss

Es wird kein Endpunkt für Embedding-Aufträge eingeführt.

Antwortfelder

| Feld | Typ |
| --- | --- |
| Feld`data[].index` | Typinteger |
| Feld`data[].embedding` | Typfinite float\[\]\|base64 float32 vector |
| Feld`model` | Typstring |
| Feld`usage` | Typobject |

Fehler und nächste Schritte

| Antwort | Bedingung | Nächster Schritt |
| --- | --- | --- |
| Antwort400 · `invalid_request_error` | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |

### Aliasnamen

#### Modellaliasnamen

**Ailoot** [`nvidia/nemotron-3-embed-1b`](https://ailoot.ai/models/de-ch/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nvidia%2Fnemotron-3-embed-1b&fmt=embeddings), [`nemotron-3-embed`](https://ailoot.ai/models/de-ch/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nemotron-3-embed&fmt=embeddings), [`nemotron-3-embed-latest`](https://ailoot.ai/models/de-ch/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nemotron-3-embed-latest&fmt=embeddings)

#### Aliasnamen für Methodenpfade

Verwenden Sie die oben angezeigten Methodenpfade.

#### Zugehörige Aufrufer-IDs

[`nvidia/nemotron-3-embed-1b`](https://ailoot.ai/models/de-ch/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nvidia%2Fnemotron-3-embed-1b&fmt=embeddings), [`nemotron-3-embed`](https://ailoot.ai/models/de-ch/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nemotron-3-embed&fmt=embeddings), [`nemotron-3-embed-latest`](https://ailoot.ai/models/de-ch/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nemotron-3-embed-latest&fmt=embeddings)

**Ailoot · Einbettungsvektoren** `POST /v1/embeddings` `nemotron-3-embed`

[`nemotron-3-embed`](https://ailoot.ai/models/de-ch/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nemotron-3-embed&fmt=embeddings)

NVIDIA /`nemotron-3-embed`

Modell-ID

- `nvidia/nemotron-3-embed-1b`
- `nemotron-3-embed`
- `nemotron-3-embed-latest`

### Einstieg

Nemotron 3 Embed 1B wandelt Texte in Vektoren für mehrsprachige Suche, Codesuche und RAG um. Es verarbeitet Sequenzen bis 32768 Tokens und liefert eine Darstellung mit 2048 Zahlen.

Zulässige Eingaben

Text

Ergebnisse

embedding

### In Ailoot verfügbar · Eingaben und Methoden

**Ailoot · Einbettungsvektoren** `POST /v1/embeddings`

Eingabe

`text`

Ausgabe

`embedding`

Kontext

4'096 tokens

Ausgabeformat

json

| Feld | Typ | Anforderung | Werte und Limits | Standard |
| --- | --- | --- | --- | --- |
| Feld`model` | Typ`string` | AnforderungErforderlich | Werte und Limits nemotron-3-embed | Standard— |
| Feld`input` | Typ`string\|string[]` | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 Bedingungen: Jede Zeichenkette muss nach dem Entfernen von Rand-Leerraum nicht leer sein; data-URIs werden abgewiesen; die akzeptierte Obergrenze misst die relevanten UTF8-Bytes. | Standard— |
| Feld`input_type` | Typ`string` | AnforderungOptional | Werte und Limits query, passage | Standardquery |
| Feld`encoding_format` | Typ`string` | AnforderungOptional | Werte und Limits float, base64 | Standardfloat |
| Feld`truncate` | Typ`string` | AnforderungOptional | Werte und Limits NONE, START, END | Standard— |
| Feld`dimensions` | Typ`integer` | AnforderungOptional | Werte und Limits Minimum: 1 | Standard— |
| Feld`user` | Typ`string` | AnforderungOptional | Werte und Limits | Standard— |

Kombinationen von Eingabematerialien

**text\_to\_embedding**

Methodenparameter und Lebenszyklus

| Parameter | Vertrag |
| --- | --- |
| Parameter`material_types` | Vertragtext |
| Parameter`required` | Vertragmodel, input |
| Parameter`optional_controls` | Vertragnull |
| Parameter`content_type` | Vertragapplication/json |

Lebenszyklus: `exact retained published method`

Methodenstrukturen und IDs sind exakt; die Fähigkeiten des Anbieters sind von der Zulassung einer Anfrage zu unterscheiden.

### Tarife

#### Ailoot-Methodentarife

Eingabe

$ 0.0001 */ 1K*

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. [So funktionieren Reservierung und Abrechnung →](https://ailoot.ai/docs/de-ch/billing/reserve/)

### Beispielanfragen

#### Ailoot · Einbettungsvektoren

Embedding-Beispiel

```bash
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"
export AILOOT_TEXT_FILE
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "nemotron-3-embed", "input": []}')
f=Path(os.environ["AILOOT_TEXT_FILE"])
if not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")
text=f.read_text(encoding="utf-8")
if not text.strip():raise SystemExit("Source material must contain text")
p["input"]=[text]
Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
r=json.loads(Path("result.json").read_text())
for x in r.get("data",[]): print(json.dumps({"index":x.get("index"),"embedding":x.get("embedding")}))
PY_RESULT
```

### Ergebnisse abrufen und speichern

#### Ailoot · Einbettungsvektoren

json

##### Alle fertiggestellten Ergebnisse aufbewahren

Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.

Decodieren Sie base64-Vektoren nur, wenn dieses Format angefordert wurde; bewahren Sie jeden Vektor und dessen ursprünglichen Index auf.

##### Wenn die ursprüngliche Antwort geprüft werden muss

Es wird kein Endpunkt für Embedding-Aufträge eingeführt.

Antwortfelder

| Feld | Typ |
| --- | --- |
| Feld`data[].index` | Typinteger |
| Feld`data[].embedding` | Typfinite float\[\]\|base64 float32 vector |
| Feld`model` | Typstring |
| Feld`usage` | Typobject |

Fehler und nächste Schritte

| Antwort | Bedingung | Nächster Schritt |
| --- | --- | --- |
| Antwort400 · `invalid_request_error` | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |

### Aliasnamen

#### Modellaliasnamen

**Ailoot** [`nvidia/nemotron-3-embed-1b`](https://ailoot.ai/models/de-ch/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nvidia%2Fnemotron-3-embed-1b&fmt=embeddings), [`nemotron-3-embed`](https://ailoot.ai/models/de-ch/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nemotron-3-embed&fmt=embeddings), [`nemotron-3-embed-latest`](https://ailoot.ai/models/de-ch/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nemotron-3-embed-latest&fmt=embeddings)

#### Aliasnamen für Methodenpfade

Verwenden Sie die oben angezeigten Methodenpfade.

#### Zugehörige Aufrufer-IDs

[`nvidia/nemotron-3-embed-1b`](https://ailoot.ai/models/de-ch/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nvidia%2Fnemotron-3-embed-1b&fmt=embeddings), [`nemotron-3-embed`](https://ailoot.ai/models/de-ch/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nemotron-3-embed&fmt=embeddings), [`nemotron-3-embed-latest`](https://ailoot.ai/models/de-ch/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nemotron-3-embed-latest&fmt=embeddings)

**Ailoot · Einbettungsvektoren** `POST /v1/embeddings` `nemotron-3-embed-latest`

[`nemotron-3-embed-latest`](https://ailoot.ai/models/de-ch/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nemotron-3-embed-latest&fmt=embeddings)

NVIDIA /`nemotron-3-embed-latest`

Modell-ID

- `nvidia/nemotron-3-embed-1b`
- `nemotron-3-embed`
- `nemotron-3-embed-latest`

### Einstieg

Nemotron 3 Embed 1B wandelt Texte in Vektoren für mehrsprachige Suche, Codesuche und RAG um. Es verarbeitet Sequenzen bis 32768 Tokens und liefert eine Darstellung mit 2048 Zahlen.

Zulässige Eingaben

Text

Ergebnisse

embedding

### In Ailoot verfügbar · Eingaben und Methoden

**Ailoot · Einbettungsvektoren** `POST /v1/embeddings`

Eingabe

`text`

Ausgabe

`embedding`

Kontext

4'096 tokens

Ausgabeformat

json

| Feld | Typ | Anforderung | Werte und Limits | Standard |
| --- | --- | --- | --- | --- |
| Feld`model` | Typ`string` | AnforderungErforderlich | Werte und Limits nemotron-3-embed-latest | Standard— |
| Feld`input` | Typ`string\|string[]` | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 Bedingungen: Jede Zeichenkette muss nach dem Entfernen von Rand-Leerraum nicht leer sein; data-URIs werden abgewiesen; die akzeptierte Obergrenze misst die relevanten UTF8-Bytes. | Standard— |
| Feld`input_type` | Typ`string` | AnforderungOptional | Werte und Limits query, passage | Standardquery |
| Feld`encoding_format` | Typ`string` | AnforderungOptional | Werte und Limits float, base64 | Standardfloat |
| Feld`truncate` | Typ`string` | AnforderungOptional | Werte und Limits NONE, START, END | Standard— |
| Feld`dimensions` | Typ`integer` | AnforderungOptional | Werte und Limits Minimum: 1 | Standard— |
| Feld`user` | Typ`string` | AnforderungOptional | Werte und Limits | Standard— |

Kombinationen von Eingabematerialien

**text\_to\_embedding**

Methodenparameter und Lebenszyklus

| Parameter | Vertrag |
| --- | --- |
| Parameter`material_types` | Vertragtext |
| Parameter`required` | Vertragmodel, input |
| Parameter`optional_controls` | Vertragnull |
| Parameter`content_type` | Vertragapplication/json |

Lebenszyklus: `exact retained published method`

Methodenstrukturen und IDs sind exakt; die Fähigkeiten des Anbieters sind von der Zulassung einer Anfrage zu unterscheiden.

### Tarife

#### Ailoot-Methodentarife

Eingabe

$ 0.0001 */ 1K*

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. [So funktionieren Reservierung und Abrechnung →](https://ailoot.ai/docs/de-ch/billing/reserve/)

### Beispielanfragen

#### Ailoot · Einbettungsvektoren

Embedding-Beispiel

```bash
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"
export AILOOT_TEXT_FILE
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "nemotron-3-embed-latest", "input": []}')
f=Path(os.environ["AILOOT_TEXT_FILE"])
if not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")
text=f.read_text(encoding="utf-8")
if not text.strip():raise SystemExit("Source material must contain text")
p["input"]=[text]
Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
r=json.loads(Path("result.json").read_text())
for x in r.get("data",[]): print(json.dumps({"index":x.get("index"),"embedding":x.get("embedding")}))
PY_RESULT
```

### Ergebnisse abrufen und speichern

#### Ailoot · Einbettungsvektoren

json

##### Alle fertiggestellten Ergebnisse aufbewahren

Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.

Decodieren Sie base64-Vektoren nur, wenn dieses Format angefordert wurde; bewahren Sie jeden Vektor und dessen ursprünglichen Index auf.

##### Wenn die ursprüngliche Antwort geprüft werden muss

Es wird kein Endpunkt für Embedding-Aufträge eingeführt.

Antwortfelder

| Feld | Typ |
| --- | --- |
| Feld`data[].index` | Typinteger |
| Feld`data[].embedding` | Typfinite float\[\]\|base64 float32 vector |
| Feld`model` | Typstring |
| Feld`usage` | Typobject |

Fehler und nächste Schritte

| Antwort | Bedingung | Nächster Schritt |
| --- | --- | --- |
| Antwort400 · `invalid_request_error` | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |

### Aliasnamen

#### Modellaliasnamen

**Ailoot** [`nvidia/nemotron-3-embed-1b`](https://ailoot.ai/models/de-ch/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nvidia%2Fnemotron-3-embed-1b&fmt=embeddings), [`nemotron-3-embed`](https://ailoot.ai/models/de-ch/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nemotron-3-embed&fmt=embeddings), [`nemotron-3-embed-latest`](https://ailoot.ai/models/de-ch/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nemotron-3-embed-latest&fmt=embeddings)

#### Aliasnamen für Methodenpfade

Verwenden Sie die oben angezeigten Methodenpfade.

#### Zugehörige Aufrufer-IDs

[`nvidia/nemotron-3-embed-1b`](https://ailoot.ai/models/de-ch/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nvidia%2Fnemotron-3-embed-1b&fmt=embeddings), [`nemotron-3-embed`](https://ailoot.ai/models/de-ch/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nemotron-3-embed&fmt=embeddings), [`nemotron-3-embed-latest`](https://ailoot.ai/models/de-ch/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nemotron-3-embed-latest&fmt=embeddings)

FAQ · nvidia/nemotron-3-embed-1b

Welche Eingaben und Ergebnisse sind verfügbar?

`POST /v1/embeddings` · `nvidia/nemotron-3-embed-1b`: `text` → `embedding` `POST /v1/embeddings` · `nemotron-3-embed`: `text` → `embedding` `POST /v1/embeddings` · `nemotron-3-embed-latest`: `text` → `embedding`

Welche Felder verwendet die Anfrage?

`POST /v1/embeddings` · `nvidia/nemotron-3-embed-1b`: `model`, `input`, `input_type`, `encoding_format`, `truncate`, `dimensions`, `user` `POST /v1/embeddings` · `nemotron-3-embed`: `model`, `input`, `input_type`, `encoding_format`, `truncate`, `dimensions`, `user` `POST /v1/embeddings` · `nemotron-3-embed-latest`: `model`, `input`, `input_type`, `encoding_format`, `truncate`, `dimensions`, `user`

Welche Grenzen gelten?

`POST /v1/embeddings` · `nvidia/nemotron-3-embed-1b`: `ctx`: `4096`; `input.min_items`: `1`; `dimensions.minimum`: `1` `POST /v1/embeddings` · `nemotron-3-embed`: `ctx`: `4096`; `input.min_items`: `1`; `dimensions.minimum`: `1` `POST /v1/embeddings` · `nemotron-3-embed-latest`: `ctx`: `4096`; `input.min_items`: `1`; `dimensions.minimum`: `1`

Verbinden Sie Ailoot mit Claude Code, OpenCode, Hermes oder Ihrer eigenen Anwendung.

## Das Unternehmen und sein Projektportfolio

Das Unternehmen und sein Projektportfolio: Millionen von Kunden; monatliche Umsätze in Milliardenhöhe.

## Tokens mit Rabatt kaufen.

Aborabatt für regelmäßige Arbeit. Aktionscodes bieten bis 50% beim Tokenkauf.

Abo

Wählen Sie einen Tarif mit Rabatt für Ihre regelmäßigen Anfragen.

Aktionscode bis 50%

Geben Sie den Code beim Kauf ein. Der Preis wird nach den gültigen Aktionsbedingungen berechnet.

Ausgaben in der Historie

Modell, Tokens und Betrag werden für jede Anfrage gespeichert.

[Abo wählen](https://ailoot.ai/docs/de-ch/billing/subscriptions/) · [Modellpreise ansehen](https://ailoot.ai/models/de-ch/)

## Verbinden Sie die API mit dem Produkt, das Sie verkaufen.

SaaS, Anwendungen und Bots nach dem offiziellen Angebot und Lizenzvertrag von Ailoot. Fordern Sie für den Weiterverkauf eine Reseller-Lizenz an.

Kommerzielle Anwendung

Integrieren Sie Text-, Bild-, Video- und Audioerzeugung in kostenpflichtige Funktionen Ihres Dienstes.

Reseller-Lizenz

Senden Sie Projektbeschreibung und Zugangsmodell. Fordern Sie schriftliche Nutzungs- und Weiterverkaufsbedingungen an.

Dokumente auf der Website

Offizielles Angebot, Lizenzvertrag und Datenschutzerklärung sind vor der Verbindung zugänglich.

[Reseller-Lizenz anfordern](mailto:support@ailoot.ai) · [Offizielles Angebot und Lizenzvertrag](https://ailoot.ai/legal/offer?lang=de-ch)

## Ailoot · Das Unternehmen und sein Projektportfolio





Ailoot baut auf bewährte Betriebserfahrung, einen großen Kundenstamm, stabilen Service und kontinuierliche KPI-Kontrolle.





Das Unternehmen und sein Projektportfolio: Millionen von Kunden; monatliche Umsätze in Milliardenhöhe.





Ailoot nutzt diese Betriebserfahrung für den API-Zugang zu KI-Funktionen in Kundenprodukten, Agenten, Anwendungen und Automatisierungen.