Source: https://ailoot.ai/models/de/nvidia-nemotron-3-embed-1b/ Canonical: https://ailoot.ai/models/de/nvidia-nemotron-3-embed-1b/ Language: de # Nemotron 3 Embed 1B [Markdown](https://ailoot.ai/models/de/nvidia-nemotron-3-embed-1b/index.md) · [JSON](https://ailoot.ai/models/de/nvidia-nemotron-3-embed-1b/facts.json) ## [Nemotron 3 Embed 1B](https://ailoot.ai/models/de/nvidia-nemotron-3-embed-1b/) Nemotron 3 Embed 1B wandelt Texte in Vektoren für mehrsprachige Suche, Codesuche und RAG um. Verarbeitet Sequenzen mit bis zu 32768 Tokens und gibt eine Darstellung mit 2048 Zahlen aus. - [**Ailoot · Einbettungen** `POST /v1/embeddings` `nvidia/nemotron-3-embed-1b`](https://ailoot.ai/models/de/nvidia-nemotron-3-embed-1b/#method-0) - [**Ailoot · Einbettungen** `POST /v1/embeddings` `nemotron-3-embed`](https://ailoot.ai/models/de/nvidia-nemotron-3-embed-1b/#method-1) - [**Ailoot · Einbettungen** `POST /v1/embeddings` `nemotron-3-embed-latest`](https://ailoot.ai/models/de/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 Passagen. Es kodiert 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 zuvor gespeicherte Informationen für den nächsten Agentenschritt abzurufen. #### Mehrsprachiges Wissen und Code Das Modell ist für mehrsprachige und sprachübergreifende Suche vorgesehen: Frage und passendes Material können in unterschiedlichen Sprachen geschrieben sein. Russisch gehört zum veröffentlichten Satz von 34 Sprachen, zusammen mit Englisch, Ukrainisch, Chinesisch, Japanisch, Arabisch und weiteren. Das ist für gemeinsame Wissensdatenbanken hilfreich, in denen technische Dokumente und Nutzeranfragen nicht auf eine Sprache vereinheitlicht wurden. Zu den Aufgaben gehören Dokumentationssuche, Textabgleich und das Auffinden von Code anhand sprachlicher Beschreibungen. Das große Eingabefenster ermöglicht die Verarbeitung langer Dokumente, umfangreichen Programmkontexts und des Verlaufs mehrerer Agentenschritte. Gefundenes Material fließt als Kontext in den weiteren Prozess; abschließende Erklärungen und Antworten erstellt die nächste Systemkomponente. #### Vom Text zum Vektor Die Eingabe besteht aus Textstrings. Pro String entsteht ein einzelner 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 auf den Abgleich ihrer Rollen trainiert, weshalb derselbe String in diesen beiden Aufgaben nicht ohne Berücksichtigung seines Zwecks aufbereitet werden darf. Die Vektoren werden längennormiert. Bei dieser Darstellung liefern 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 konsistent gewählt werden. #### Aufbau des kompakten Modells Der Encoder umfasst ungefähr 1,14 Milliarden Parameter. Er wurde aus einem auf Ministral 3 3B basierenden Modell durch zwei Stufen struktureller Reduktion und Destillation gewonnen. Bidirektionale Aufmerksamkeit berücksichtigt die gesamte Eingabe; anschließend werden Token-Darstellungen zu einem gemeinsamen Vektor gemittelt. NVIDIA veröffentlicht Varianten in BF16 und NVFP4. Ihre Darstellungsräume sind ähnlich, ein Variantenwechsel erfordert jedoch Prüfung anhand eigener Dokumente. Weder numerische Ähnlichkeit noch Kontextlänge garantieren, dass die Suche immer die richtige Passage auswählt. **Ailoot · Einbettungen** `POST /v1/embeddings` `nvidia/nemotron-3-embed-1b` [`nvidia/nemotron-3-embed-1b`](https://ailoot.ai/models/de/#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` ### Start Nemotron 3 Embed 1B wandelt Texte in Vektoren für mehrsprachige Suche, Codesuche und RAG um. Verarbeitet Sequenzen mit bis zu 32768 Tokens und gibt eine Darstellung mit 2048 Zahlen aus. Zulässige Eingaben Text Ergebnisse embedding ### In Ailoot verfügbar · Eingaben und Methoden **Ailoot · Einbettungen** `POST /v1/embeddings` Eingabetypen `text` Ausgabetypen `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 Zeichenfolge muss nach trim nicht leer sein; data-URIs werden abgelehnt; das akzeptierte Budget 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/billing/reserve/) ### Beispielanfragen #### Ailoot · Einbettungen 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 · Einbettungen json ##### Alle fertiggestellten Ergebnisse aufbewahren Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf. Dekodieren Sie base64-Vektoren nur, wenn dieses Format angefordert wurde; bewahren Sie jeden Vektor und seinen 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/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nvidia%2Fnemotron-3-embed-1b&fmt=embeddings), [`nemotron-3-embed`](https://ailoot.ai/models/de/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nemotron-3-embed&fmt=embeddings), [`nemotron-3-embed-latest`](https://ailoot.ai/models/de/#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/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nvidia%2Fnemotron-3-embed-1b&fmt=embeddings), [`nemotron-3-embed`](https://ailoot.ai/models/de/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nemotron-3-embed&fmt=embeddings), [`nemotron-3-embed-latest`](https://ailoot.ai/models/de/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nemotron-3-embed-latest&fmt=embeddings) **Ailoot · Einbettungen** `POST /v1/embeddings` `nemotron-3-embed` [`nemotron-3-embed`](https://ailoot.ai/models/de/#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` ### Start Nemotron 3 Embed 1B wandelt Texte in Vektoren für mehrsprachige Suche, Codesuche und RAG um. Verarbeitet Sequenzen mit bis zu 32768 Tokens und gibt eine Darstellung mit 2048 Zahlen aus. Zulässige Eingaben Text Ergebnisse embedding ### In Ailoot verfügbar · Eingaben und Methoden **Ailoot · Einbettungen** `POST /v1/embeddings` Eingabetypen `text` Ausgabetypen `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 Zeichenfolge muss nach trim nicht leer sein; data-URIs werden abgelehnt; das akzeptierte Budget 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/billing/reserve/) ### Beispielanfragen #### Ailoot · Einbettungen 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 · Einbettungen json ##### Alle fertiggestellten Ergebnisse aufbewahren Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf. Dekodieren Sie base64-Vektoren nur, wenn dieses Format angefordert wurde; bewahren Sie jeden Vektor und seinen 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/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nvidia%2Fnemotron-3-embed-1b&fmt=embeddings), [`nemotron-3-embed`](https://ailoot.ai/models/de/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nemotron-3-embed&fmt=embeddings), [`nemotron-3-embed-latest`](https://ailoot.ai/models/de/#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/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nvidia%2Fnemotron-3-embed-1b&fmt=embeddings), [`nemotron-3-embed`](https://ailoot.ai/models/de/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nemotron-3-embed&fmt=embeddings), [`nemotron-3-embed-latest`](https://ailoot.ai/models/de/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nemotron-3-embed-latest&fmt=embeddings) **Ailoot · Einbettungen** `POST /v1/embeddings` `nemotron-3-embed-latest` [`nemotron-3-embed-latest`](https://ailoot.ai/models/de/#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` ### Start Nemotron 3 Embed 1B wandelt Texte in Vektoren für mehrsprachige Suche, Codesuche und RAG um. Verarbeitet Sequenzen mit bis zu 32768 Tokens und gibt eine Darstellung mit 2048 Zahlen aus. Zulässige Eingaben Text Ergebnisse embedding ### In Ailoot verfügbar · Eingaben und Methoden **Ailoot · Einbettungen** `POST /v1/embeddings` Eingabetypen `text` Ausgabetypen `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 Zeichenfolge muss nach trim nicht leer sein; data-URIs werden abgelehnt; das akzeptierte Budget 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/billing/reserve/) ### Beispielanfragen #### Ailoot · Einbettungen 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 · Einbettungen json ##### Alle fertiggestellten Ergebnisse aufbewahren Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf. Dekodieren Sie base64-Vektoren nur, wenn dieses Format angefordert wurde; bewahren Sie jeden Vektor und seinen 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/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nvidia%2Fnemotron-3-embed-1b&fmt=embeddings), [`nemotron-3-embed`](https://ailoot.ai/models/de/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nemotron-3-embed&fmt=embeddings), [`nemotron-3-embed-latest`](https://ailoot.ai/models/de/#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/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nvidia%2Fnemotron-3-embed-1b&fmt=embeddings), [`nemotron-3-embed`](https://ailoot.ai/models/de/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nemotron-3-embed&fmt=embeddings), [`nemotron-3-embed-latest`](https://ailoot.ai/models/de/#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/billing/subscriptions/) · [Modellpreise ansehen](https://ailoot.ai/models/de/) ## 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) ## 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.