Source: https://ailoot.ai/models/el/nvidia-llama-nemotron-embed-vl-1b-v2/
Canonical: https://ailoot.ai/models/el/nvidia-llama-nemotron-embed-vl-1b-v2/
Language: el

# Llama Nemotron Embed VL 1B v2

[Markdown](https://ailoot.ai/models/el/nvidia-llama-nemotron-embed-vl-1b-v2/index.md) · [JSON](https://ailoot.ai/models/el/nvidia-llama-nemotron-embed-vl-1b-v2/facts.json)

## [Llama Nemotron Embed VL 1B v2](https://ailoot.ai/models/el/nvidia-llama-nemotron-embed-vl-1b-v2/)

Το Llama Nemotron Embed VL v2 δημιουργεί διανύσματα για σημασιολογική αναζήτηση σε έγγραφα. Στον τρέχοντα κατάλογο Ailoot παρέχεται είσοδος κειμένου για ερωτήματα και υλικό.

- [**Ailoot · Διανυσματικές αναπαραστάσεις** `POST /v1/embeddings` `nvidia/llama-nemotron-embed-vl-1b-v2`](https://ailoot.ai/models/el/nvidia-llama-nemotron-embed-vl-1b-v2/#method-0)
- [**Ailoot · Διανυσματικές αναπαραστάσεις** `POST /v1/embeddings` `nemotron-embed-vl`](https://ailoot.ai/models/el/nvidia-llama-nemotron-embed-vl-1b-v2/#method-1)
- [**Ailoot · Διανυσματικές αναπαραστάσεις** `POST /v1/embeddings` `nemotron-embed-vl-latest`](https://ailoot.ai/models/el/nvidia-llama-nemotron-embed-vl-1b-v2/#method-2)

Σχετικά με το μοντέλο

Αυτή η περιγραφή καλύπτει τις δυνατότητες του μοντέλου. Οι είσοδοι, έξοδοι και επιλογές που διατίθενται στο Ailoot παρατίθενται παρακάτω για την επιλεγμένη μέθοδο.

#### Εύρεση της κατάλληλης σελίδας από μια ερώτηση

Το Llama Nemotron Embed VL 1B v2 αναπτύχθηκε από τη NVIDIA για αναζήτηση υλικού που βοηθά να απαντηθεί μια ερώτηση. Το ερώτημα διατυπώνεται ως κείμενο. Στον τρέχοντα κατάλογο Ailoot, το μοντέλο παρέχεται με είσοδο κειμένου: η ερώτηση και το υλικό κωδικοποιούνται ως κείμενο. Ο κατασκευαστής περιγράφει επίσης έγγραφο ως εικόνα σελίδας ή εικόνα μαζί με εξαγόμενο κείμενο. Αυτές οι οπτικές παραλλαγές απαιτούν χωριστή μέθοδο με υποστήριξη εικόνων. Με την κατάλληλη είσοδο, το μοντέλο αναπαριστά πίνακες, γραφήματα και πληροφοριογραφήματα σε κοινό διανυσματικό χώρο.

Αυτή η αναζήτηση είναι κατάλληλη για βοηθούς ερωταποκρίσεων σε μεγάλες συλλογές εγγράφων, εσωτερικά εγχειρίδια και ερευνητικό υλικό. Το αποτέλεσμα της κωδικοποίησης είναι αριθμητικό διάνυσμα. Η σελίδα ή το απόσπασμα που βρέθηκε μπορεί κατόπιν να δοθεί σε μοντέλο που σχηματίζει την απάντηση: το ίδιο το Embed VL εκτελεί το στάδιο αναζήτησης συμφραζομένων.

#### Μορφές εγγράφου που προβλέπει ο κατασκευαστής

- Έγγραφο κειμένου: μια ενότητα, ένα απόσπασμα ή το ήδη αναγνωρισμένο κείμενο μιας σελίδας.
- Εικόνα: ολόκληρη σελίδα με το κείμενο, τους πίνακες και τα γραφικά της στοιχεία.
- Εικόνα με κείμενο: η οπτική μορφή της σελίδας και το κειμενικό περιεχόμενό της συνδυάζονται σε μία αναπαράσταση.

Το ερώτημα και το έγγραφο κωδικοποιούνται ανεξάρτητα. Έτσι, η συλλογή μπορεί να υποστεί επεξεργασία εκ των προτέρων, τα διανύσματα να αποθηκευτούν μαζί με τις αρχικές σελίδες και, σε κάθε νέα ερώτηση, να υπολογίζεται μόνο το διάνυσμα του ερωτήματος. Η ομοιότητα των διανυσμάτων βοηθά να επιλέγεται υλικό βάσει νοήματος. Οι κειμενικοί ρόλοι του ερωτήματος και του εγγράφου διαφέρουν και αυτό πρέπει να διατηρείται κατά την προετοιμασία των δεδομένων.

#### Διάσταση αναπαράστασης και μήκος εισόδου

Κάθε είσοδος μετατρέπεται σε ένα διάνυσμα με διάσταση έως 2048 αριθμούς. Στη λειτουργία κειμένου χρησιμοποιείται προϋπολογισμός 8192 tokens. Για την οπτική μέθοδο του κατασκευαστή που συνδυάζει εικόνα και κείμενο περιγράφεται κοινός προϋπολογισμός 10240 tokens, που περιλαμβάνει και τα δύο μέρη· αυτό δεν είναι το όριο κειμένου της μεθόδου Ailoot. Η εικόνα διαιρείται σε τμήματα: στην περιγραφόμενη διαμόρφωση επιτρέπονται έως έξι τμήματα και ένα μικρό αντίγραφο ολόκληρης της σελίδας, συνολικά περίπου 1792 οπτικά tokens. Τα μεγάλα κείμενα πρέπει να χωρίζονται ή να συντομεύονται.

Το γλωσσικό μέρος βασίζεται στο Llama 3.2 1B και το οπτικό στο SigLIP2. Συνδυάζονται σε έναν κωδικοποιητή που υπολογίζει τον μέσο όρο των αναπαραστάσεων των tokens εισόδου και δίνει ένα ενιαίο διάνυσμα. Η αντιθετική εκπαίδευση φέρνει την ερώτηση κοντά στην κατάλληλη σελίδα και τη διαχωρίζει από μη συναφές υλικό. Η αναζήτηση παραμένει πιθανοκρατική: η εγγύτητα διανυσμάτων δεν εγγυάται ότι το επιλεγμένο απόσπασμα περιέχει τη σωστή απάντηση.

**Ailoot · Διανυσματικές αναπαραστάσεις** `POST /v1/embeddings` `nvidia/llama-nemotron-embed-vl-1b-v2`

[`nvidia/llama-nemotron-embed-vl-1b-v2`](https://ailoot.ai/models/el/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nvidia%2Fllama-nemotron-embed-vl-1b-v2&fmt=embeddings)

NVIDIA /`nvidia/llama-nemotron-embed-vl-1b-v2`

ID μοντέλου

- `nvidia/llama-nemotron-embed-vl-1b-v2`
- `nemotron-embed-vl`
- `nemotron-embed-vl-latest`

### Εισαγωγή

Το Llama Nemotron Embed VL v2 δημιουργεί διανύσματα για σημασιολογική αναζήτηση σε έγγραφα. Στον τρέχοντα κατάλογο Ailoot παρέχεται είσοδος κειμένου για ερωτήματα και υλικό.

Αποδεκτές είσοδοι

Κείμενο

Αποτελέσματα

embedding

### Διαθέσιμα στο Ailoot · είσοδοι και μέθοδοι

**Ailoot · Διανυσματικές αναπαραστάσεις** `POST /v1/embeddings`

Είσοδος

`text`

Έξοδος

`embedding`

Παράθυρο συμφραζομένων

4.096 tokens

Μορφή εξόδου

json

| Πεδίο | Τύπος | Απαίτηση | Τιμές και όρια | Προεπιλογή |
| --- | --- | --- | --- | --- |
| Πεδίο`model` | Τύπος`string` | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια nvidia/llama-nemotron-embed-vl-1b-v2 | Προεπιλογή— |
| Πεδίο`input` | Τύπος`string\|string[]` | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Ελάχιστο πλήθος στοιχείων: 1 Συνθήκες: Κάθε συμβολοσειρά πρέπει να είναι μη κενή μετά την αφαίρεση περιφερειακών κενών· τα URI δεδομένων απορρίπτονται· ο αποδεκτός προϋπολογισμός μετρά τα σχετικά byte UTF8. | Προεπιλογή— |
| Πεδίο`input_type` | Τύπος`string` | ΑπαίτησηΠροαιρετικό | Τιμές και όρια query, passage | Προεπιλογήquery |
| Πεδίο`encoding_format` | Τύπος`string` | ΑπαίτησηΠροαιρετικό | Τιμές και όρια float, base64 | Προεπιλογήfloat |
| Πεδίο`truncate` | Τύπος`string` | ΑπαίτησηΠροαιρετικό | Τιμές και όρια NONE, START, END | Προεπιλογή— |
| Πεδίο`dimensions` | Τύπος`integer` | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Ελάχιστο: 1 | Προεπιλογή— |
| Πεδίο`user` | Τύπος`string` | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |

Συνδυασμοί υλικών εισόδου

**text\_to\_embedding**

Παράμετροι και κύκλος ζωής μεθόδου

| Παράμετρος | Σύμβαση |
| --- | --- |
| Παράμετρος`material_types` | Σύμβασηtext |
| Παράμετρος`required` | Σύμβασηmodel, input |
| Παράμετρος`optional_controls` | Σύμβασηnull |
| Παράμετρος`content_type` | Σύμβασηapplication/json |

Κύκλος ζωής: `exact retained published method`

Οι δομές και τα ID των μεθόδων είναι ακριβή· η δυνατότητα του προμηθευτή είναι ξεχωριστή από την αποδοχή αιτημάτων.

### Τιμολόγηση

#### Χρεώσεις μεθόδων Ailoot

Είσοδος

0,0001 $ */ 1K*

Το Ailoot δεσμεύει ένα εκτιμώμενο ποσό πριν από το αίτημα. Μετά το αποτέλεσμα, εκκαθαρίζει την τελική χρέωση βάσει της μετρημένης χρήσης. Η εκκαθάριση ροής χρησιμοποιεί την τελική καταγραφή χρήσης. [Πώς λειτουργούν η δέσμευση και η εκκαθάριση →](https://ailoot.ai/docs/el/billing/reserve/)

### Παραδείγματα αιτημάτων

#### Ailoot · Διανυσματικές αναπαραστάσεις

Παράδειγμα διανυσματικής αναπαράστασης

```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/llama-nemotron-embed-vl-1b-v2", "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
```

### Λήψη και αποθήκευση αποτελεσμάτων

#### Ailoot · Διανυσματικές αναπαραστάσεις

json

##### Διατηρήστε όλα τα ολοκληρωμένα αποτελέσματα

Διατηρήστε κάθε πλήρη απάντηση, αρχείο και τμήμα περιεχομένου που επιστρέφεται.

Αποκωδικοποιήστε διανύσματα base64 μόνο όταν ζητήθηκε αυτή η μορφή· διατηρήστε κάθε διάνυσμα και τον αρχικό δείκτη του.

##### Αν χρειάζεται έλεγχος της αρχικής απάντησης

Δεν εισάγεται endpoint εργασιών ενσωμάτωσης.

Πεδία απάντησης

| Πεδίο | Τύπος |
| --- | --- |
| Πεδίο`data[].index` | Τύποςinteger |
| Πεδίο`data[].embedding` | Τύποςfinite float\[\]\|base64 float32 vector |
| Πεδίο`model` | Τύποςstring |
| Πεδίο`usage` | Τύποςobject |

Σφάλματα και επόμενα βήματα

| Απάντηση | Συνθήκη | Επόμενο βήμα |
| --- | --- | --- |
| Απάντηση400 · `invalid_request_error` | ΣυνθήκηΜη έγκυρα υποχρεωτικά πεδία, μη έγκυρη αναπαράσταση υλικού ή μη έγκυρη τιμή παραμέτρου | Επόμενο βήμαΔιορθώστε τα υποδεικνυόμενα πεδία πριν από νέο αίτημα δημιουργίας. |

### Εναλλακτικά ονόματα

#### Εναλλακτικά ονόματα μοντέλου

**Ailoot** [`nvidia/llama-nemotron-embed-vl-1b-v2`](https://ailoot.ai/models/el/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nvidia%2Fllama-nemotron-embed-vl-1b-v2&fmt=embeddings), [`nemotron-embed-vl`](https://ailoot.ai/models/el/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl&fmt=embeddings), [`nemotron-embed-vl-latest`](https://ailoot.ai/models/el/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl-latest&fmt=embeddings)

#### Εναλλακτικές διαδρομές μεθόδων

Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.

#### Σχετικά ID μοντέλων

[`nvidia/llama-nemotron-embed-vl-1b-v2`](https://ailoot.ai/models/el/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nvidia%2Fllama-nemotron-embed-vl-1b-v2&fmt=embeddings), [`nemotron-embed-vl`](https://ailoot.ai/models/el/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl&fmt=embeddings), [`nemotron-embed-vl-latest`](https://ailoot.ai/models/el/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl-latest&fmt=embeddings)

**Ailoot · Διανυσματικές αναπαραστάσεις** `POST /v1/embeddings` `nemotron-embed-vl`

[`nemotron-embed-vl`](https://ailoot.ai/models/el/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl&fmt=embeddings)

NVIDIA /`nemotron-embed-vl`

ID μοντέλου

- `nvidia/llama-nemotron-embed-vl-1b-v2`
- `nemotron-embed-vl`
- `nemotron-embed-vl-latest`

### Εισαγωγή

Το Llama Nemotron Embed VL v2 δημιουργεί διανύσματα για σημασιολογική αναζήτηση σε έγγραφα. Στον τρέχοντα κατάλογο Ailoot παρέχεται είσοδος κειμένου για ερωτήματα και υλικό.

Αποδεκτές είσοδοι

Κείμενο

Αποτελέσματα

embedding

### Διαθέσιμα στο Ailoot · είσοδοι και μέθοδοι

**Ailoot · Διανυσματικές αναπαραστάσεις** `POST /v1/embeddings`

Είσοδος

`text`

Έξοδος

`embedding`

Παράθυρο συμφραζομένων

4.096 tokens

Μορφή εξόδου

json

| Πεδίο | Τύπος | Απαίτηση | Τιμές και όρια | Προεπιλογή |
| --- | --- | --- | --- | --- |
| Πεδίο`model` | Τύπος`string` | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια nemotron-embed-vl | Προεπιλογή— |
| Πεδίο`input` | Τύπος`string\|string[]` | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Ελάχιστο πλήθος στοιχείων: 1 Συνθήκες: Κάθε συμβολοσειρά πρέπει να είναι μη κενή μετά την αφαίρεση περιφερειακών κενών· τα URI δεδομένων απορρίπτονται· ο αποδεκτός προϋπολογισμός μετρά τα σχετικά byte UTF8. | Προεπιλογή— |
| Πεδίο`input_type` | Τύπος`string` | ΑπαίτησηΠροαιρετικό | Τιμές και όρια query, passage | Προεπιλογήquery |
| Πεδίο`encoding_format` | Τύπος`string` | ΑπαίτησηΠροαιρετικό | Τιμές και όρια float, base64 | Προεπιλογήfloat |
| Πεδίο`truncate` | Τύπος`string` | ΑπαίτησηΠροαιρετικό | Τιμές και όρια NONE, START, END | Προεπιλογή— |
| Πεδίο`dimensions` | Τύπος`integer` | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Ελάχιστο: 1 | Προεπιλογή— |
| Πεδίο`user` | Τύπος`string` | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |

Συνδυασμοί υλικών εισόδου

**text\_to\_embedding**

Παράμετροι και κύκλος ζωής μεθόδου

| Παράμετρος | Σύμβαση |
| --- | --- |
| Παράμετρος`material_types` | Σύμβασηtext |
| Παράμετρος`required` | Σύμβασηmodel, input |
| Παράμετρος`optional_controls` | Σύμβασηnull |
| Παράμετρος`content_type` | Σύμβασηapplication/json |

Κύκλος ζωής: `exact retained published method`

Οι δομές και τα ID των μεθόδων είναι ακριβή· η δυνατότητα του προμηθευτή είναι ξεχωριστή από την αποδοχή αιτημάτων.

### Τιμολόγηση

#### Χρεώσεις μεθόδων Ailoot

Είσοδος

0,0001 $ */ 1K*

Το Ailoot δεσμεύει ένα εκτιμώμενο ποσό πριν από το αίτημα. Μετά το αποτέλεσμα, εκκαθαρίζει την τελική χρέωση βάσει της μετρημένης χρήσης. Η εκκαθάριση ροής χρησιμοποιεί την τελική καταγραφή χρήσης. [Πώς λειτουργούν η δέσμευση και η εκκαθάριση →](https://ailoot.ai/docs/el/billing/reserve/)

### Παραδείγματα αιτημάτων

#### Ailoot · Διανυσματικές αναπαραστάσεις

Παράδειγμα διανυσματικής αναπαράστασης

```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-embed-vl", "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
```

### Λήψη και αποθήκευση αποτελεσμάτων

#### Ailoot · Διανυσματικές αναπαραστάσεις

json

##### Διατηρήστε όλα τα ολοκληρωμένα αποτελέσματα

Διατηρήστε κάθε πλήρη απάντηση, αρχείο και τμήμα περιεχομένου που επιστρέφεται.

Αποκωδικοποιήστε διανύσματα base64 μόνο όταν ζητήθηκε αυτή η μορφή· διατηρήστε κάθε διάνυσμα και τον αρχικό δείκτη του.

##### Αν χρειάζεται έλεγχος της αρχικής απάντησης

Δεν εισάγεται endpoint εργασιών ενσωμάτωσης.

Πεδία απάντησης

| Πεδίο | Τύπος |
| --- | --- |
| Πεδίο`data[].index` | Τύποςinteger |
| Πεδίο`data[].embedding` | Τύποςfinite float\[\]\|base64 float32 vector |
| Πεδίο`model` | Τύποςstring |
| Πεδίο`usage` | Τύποςobject |

Σφάλματα και επόμενα βήματα

| Απάντηση | Συνθήκη | Επόμενο βήμα |
| --- | --- | --- |
| Απάντηση400 · `invalid_request_error` | ΣυνθήκηΜη έγκυρα υποχρεωτικά πεδία, μη έγκυρη αναπαράσταση υλικού ή μη έγκυρη τιμή παραμέτρου | Επόμενο βήμαΔιορθώστε τα υποδεικνυόμενα πεδία πριν από νέο αίτημα δημιουργίας. |

### Εναλλακτικά ονόματα

#### Εναλλακτικά ονόματα μοντέλου

**Ailoot** [`nvidia/llama-nemotron-embed-vl-1b-v2`](https://ailoot.ai/models/el/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nvidia%2Fllama-nemotron-embed-vl-1b-v2&fmt=embeddings), [`nemotron-embed-vl`](https://ailoot.ai/models/el/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl&fmt=embeddings), [`nemotron-embed-vl-latest`](https://ailoot.ai/models/el/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl-latest&fmt=embeddings)

#### Εναλλακτικές διαδρομές μεθόδων

Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.

#### Σχετικά ID μοντέλων

[`nvidia/llama-nemotron-embed-vl-1b-v2`](https://ailoot.ai/models/el/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nvidia%2Fllama-nemotron-embed-vl-1b-v2&fmt=embeddings), [`nemotron-embed-vl`](https://ailoot.ai/models/el/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl&fmt=embeddings), [`nemotron-embed-vl-latest`](https://ailoot.ai/models/el/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl-latest&fmt=embeddings)

**Ailoot · Διανυσματικές αναπαραστάσεις** `POST /v1/embeddings` `nemotron-embed-vl-latest`

[`nemotron-embed-vl-latest`](https://ailoot.ai/models/el/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl-latest&fmt=embeddings)

NVIDIA /`nemotron-embed-vl-latest`

ID μοντέλου

- `nvidia/llama-nemotron-embed-vl-1b-v2`
- `nemotron-embed-vl`
- `nemotron-embed-vl-latest`

### Εισαγωγή

Το Llama Nemotron Embed VL v2 δημιουργεί διανύσματα για σημασιολογική αναζήτηση σε έγγραφα. Στον τρέχοντα κατάλογο Ailoot παρέχεται είσοδος κειμένου για ερωτήματα και υλικό.

Αποδεκτές είσοδοι

Κείμενο

Αποτελέσματα

embedding

### Διαθέσιμα στο Ailoot · είσοδοι και μέθοδοι

**Ailoot · Διανυσματικές αναπαραστάσεις** `POST /v1/embeddings`

Είσοδος

`text`

Έξοδος

`embedding`

Παράθυρο συμφραζομένων

4.096 tokens

Μορφή εξόδου

json

| Πεδίο | Τύπος | Απαίτηση | Τιμές και όρια | Προεπιλογή |
| --- | --- | --- | --- | --- |
| Πεδίο`model` | Τύπος`string` | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια nemotron-embed-vl-latest | Προεπιλογή— |
| Πεδίο`input` | Τύπος`string\|string[]` | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Ελάχιστο πλήθος στοιχείων: 1 Συνθήκες: Κάθε συμβολοσειρά πρέπει να είναι μη κενή μετά την αφαίρεση περιφερειακών κενών· τα URI δεδομένων απορρίπτονται· ο αποδεκτός προϋπολογισμός μετρά τα σχετικά byte UTF8. | Προεπιλογή— |
| Πεδίο`input_type` | Τύπος`string` | ΑπαίτησηΠροαιρετικό | Τιμές και όρια query, passage | Προεπιλογήquery |
| Πεδίο`encoding_format` | Τύπος`string` | ΑπαίτησηΠροαιρετικό | Τιμές και όρια float, base64 | Προεπιλογήfloat |
| Πεδίο`truncate` | Τύπος`string` | ΑπαίτησηΠροαιρετικό | Τιμές και όρια NONE, START, END | Προεπιλογή— |
| Πεδίο`dimensions` | Τύπος`integer` | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Ελάχιστο: 1 | Προεπιλογή— |
| Πεδίο`user` | Τύπος`string` | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |

Συνδυασμοί υλικών εισόδου

**text\_to\_embedding**

Παράμετροι και κύκλος ζωής μεθόδου

| Παράμετρος | Σύμβαση |
| --- | --- |
| Παράμετρος`material_types` | Σύμβασηtext |
| Παράμετρος`required` | Σύμβασηmodel, input |
| Παράμετρος`optional_controls` | Σύμβασηnull |
| Παράμετρος`content_type` | Σύμβασηapplication/json |

Κύκλος ζωής: `exact retained published method`

Οι δομές και τα ID των μεθόδων είναι ακριβή· η δυνατότητα του προμηθευτή είναι ξεχωριστή από την αποδοχή αιτημάτων.

### Τιμολόγηση

#### Χρεώσεις μεθόδων Ailoot

Είσοδος

0,0001 $ */ 1K*

Το Ailoot δεσμεύει ένα εκτιμώμενο ποσό πριν από το αίτημα. Μετά το αποτέλεσμα, εκκαθαρίζει την τελική χρέωση βάσει της μετρημένης χρήσης. Η εκκαθάριση ροής χρησιμοποιεί την τελική καταγραφή χρήσης. [Πώς λειτουργούν η δέσμευση και η εκκαθάριση →](https://ailoot.ai/docs/el/billing/reserve/)

### Παραδείγματα αιτημάτων

#### Ailoot · Διανυσματικές αναπαραστάσεις

Παράδειγμα διανυσματικής αναπαράστασης

```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-embed-vl-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
```

### Λήψη και αποθήκευση αποτελεσμάτων

#### Ailoot · Διανυσματικές αναπαραστάσεις

json

##### Διατηρήστε όλα τα ολοκληρωμένα αποτελέσματα

Διατηρήστε κάθε πλήρη απάντηση, αρχείο και τμήμα περιεχομένου που επιστρέφεται.

Αποκωδικοποιήστε διανύσματα base64 μόνο όταν ζητήθηκε αυτή η μορφή· διατηρήστε κάθε διάνυσμα και τον αρχικό δείκτη του.

##### Αν χρειάζεται έλεγχος της αρχικής απάντησης

Δεν εισάγεται endpoint εργασιών ενσωμάτωσης.

Πεδία απάντησης

| Πεδίο | Τύπος |
| --- | --- |
| Πεδίο`data[].index` | Τύποςinteger |
| Πεδίο`data[].embedding` | Τύποςfinite float\[\]\|base64 float32 vector |
| Πεδίο`model` | Τύποςstring |
| Πεδίο`usage` | Τύποςobject |

Σφάλματα και επόμενα βήματα

| Απάντηση | Συνθήκη | Επόμενο βήμα |
| --- | --- | --- |
| Απάντηση400 · `invalid_request_error` | ΣυνθήκηΜη έγκυρα υποχρεωτικά πεδία, μη έγκυρη αναπαράσταση υλικού ή μη έγκυρη τιμή παραμέτρου | Επόμενο βήμαΔιορθώστε τα υποδεικνυόμενα πεδία πριν από νέο αίτημα δημιουργίας. |

### Εναλλακτικά ονόματα

#### Εναλλακτικά ονόματα μοντέλου

**Ailoot** [`nvidia/llama-nemotron-embed-vl-1b-v2`](https://ailoot.ai/models/el/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nvidia%2Fllama-nemotron-embed-vl-1b-v2&fmt=embeddings), [`nemotron-embed-vl`](https://ailoot.ai/models/el/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl&fmt=embeddings), [`nemotron-embed-vl-latest`](https://ailoot.ai/models/el/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl-latest&fmt=embeddings)

#### Εναλλακτικές διαδρομές μεθόδων

Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.

#### Σχετικά ID μοντέλων

[`nvidia/llama-nemotron-embed-vl-1b-v2`](https://ailoot.ai/models/el/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nvidia%2Fllama-nemotron-embed-vl-1b-v2&fmt=embeddings), [`nemotron-embed-vl`](https://ailoot.ai/models/el/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl&fmt=embeddings), [`nemotron-embed-vl-latest`](https://ailoot.ai/models/el/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl-latest&fmt=embeddings)

FAQ · nvidia/llama-nemotron-embed-vl-1b-v2

Ποιες είσοδοι και αποτελέσματα διατίθενται;

`POST /v1/embeddings` · `nvidia/llama-nemotron-embed-vl-1b-v2`: `text` → `embedding` `POST /v1/embeddings` · `nemotron-embed-vl`: `text` → `embedding` `POST /v1/embeddings` · `nemotron-embed-vl-latest`: `text` → `embedding`

Ποια πεδία χρησιμοποιεί το αίτημα;

`POST /v1/embeddings` · `nvidia/llama-nemotron-embed-vl-1b-v2`: `model`, `input`, `input_type`, `encoding_format`, `truncate`, `dimensions`, `user` `POST /v1/embeddings` · `nemotron-embed-vl`: `model`, `input`, `input_type`, `encoding_format`, `truncate`, `dimensions`, `user` `POST /v1/embeddings` · `nemotron-embed-vl-latest`: `model`, `input`, `input_type`, `encoding_format`, `truncate`, `dimensions`, `user`

Ποια όρια ισχύουν;

`POST /v1/embeddings` · `nvidia/llama-nemotron-embed-vl-1b-v2`: `ctx`: `4096`; `input.min_items`: `1`; `dimensions.minimum`: `1` `POST /v1/embeddings` · `nemotron-embed-vl`: `ctx`: `4096`; `input.min_items`: `1`; `dimensions.minimum`: `1` `POST /v1/embeddings` · `nemotron-embed-vl-latest`: `ctx`: `4096`; `input.min_items`: `1`; `dimensions.minimum`: `1`

Συνδέστε το Ailoot με Claude Code, OpenCode, Hermes ή τη δική σας εφαρμογή.

## Η εταιρεία και το χαρτοφυλάκιο έργων της

Η εταιρεία και το χαρτοφυλάκιο έργων της: εκατομμύρια πελάτες· μηνιαίες πωλήσεις δισεκατομμυρίων.

## Αγοράστε token με έκπτωση.

Έκπτωση συνδρομής για τακτική χρήση. Προωθητικοί κωδικοί — έως 50% στην αγορά token.

Συνδρομή

Επιλέξτε πρόγραμμα με έκπτωση για τα τακτικά αιτήματά σας.

Προωθητικός κωδικός έως 50%

Εισαγάγετε τον κωδικό στην αγορά. Η τιμή επανυπολογίζεται σύμφωνα με την ενεργή προσφορά.

Δαπάνες στο ιστορικό

Μοντέλο, token και ποσό αποθηκεύονται για κάθε αίτημα.

[Επιλέξτε συνδρομή](https://ailoot.ai/docs/el/billing/subscriptions/) · [Δείτε τιμές μοντέλων](https://ailoot.ai/models/el/)

## Συνδέστε το API με το προϊόν που πουλάτε.

SaaS, εφαρμογές και bot — σύμφωνα με τη δημόσια προσφορά και τη σύμβαση άδειας χρήσης Ailoot. Για μεταπώληση ζητήστε σχετική άδεια.

Εμπορική εφαρμογή

Ενσωματώστε δημιουργία κειμένου, εικόνων, βίντεο και ήχου στις πληρωμένες λειτουργίες της υπηρεσίας σας.

Άδεια για μεταπωλητή

Στείλτε περιγραφή έργου και τρόπο πρόσβασης. Ζητήστε γραπτούς όρους χρήσης και μεταπώλησης.

Έγγραφα στον ιστότοπο

Δημόσια προσφορά, σύμβαση άδειας χρήσης και πολιτική επεξεργασίας δεδομένων είναι διαθέσιμες πριν τη σύνδεση.

[Ζητήστε άδεια μεταπώλησης](mailto:support@ailoot.ai) · [Δημόσια προσφορά και σύμβαση άδειας χρήσης](https://ailoot.ai/legal/offer?lang=el)

## Ailoot · Η εταιρεία και το χαρτοφυλάκιο έργων της





Η Ailoot στηρίζεται στη συσσωρευμένη λειτουργική εμπειρία, τη μεγάλη πελατειακή βάση, τη σταθερή εξυπηρέτηση και τον συνεχή έλεγχο KPI.





Η εταιρεία και το χαρτοφυλάκιο έργων της: εκατομμύρια πελάτες· μηνιαίες πωλήσεις δισεκατομμυρίων.





Η Ailoot αξιοποιεί αυτή τη λειτουργική εμπειρία για πρόσβαση μέσω API σε λειτουργίες AI στα προϊόντα, τους πράκτορες, τις εφαρμογές και τους αυτοματισμούς των πελατών.