Το Nemotron 3 Embed 1B είναι μοντέλο κειμένου της NVIDIA για σημασιολογική αναζήτηση και αντιστοίχιση αποσπασμάτων. Κωδικοποιεί ερωτήσεις, έγγραφα και κώδικα σε πυκνά αριθμητικά διανύσματα. Αυτές οι αναπαραστάσεις χρησιμοποιούνται για να βρεθούν τα κατάλληλα συμφραζόμενα σε μεγάλες συλλογές, να συμπληρωθεί με αυτά η απάντηση βοηθού ή να ανακτηθούν ήδη αποθηκευμένες πληροφορίες για το επόμενο βήμα ενός πράκτορα.
Το μοντέλο προορίζεται για πολύγλωσση και διαγλωσσική αναζήτηση: η ερώτηση και το κατάλληλο υλικό μπορεί να είναι γραμμένα σε διαφορετικές γλώσσες. Τα ρωσικά περιλαμβάνονται στο δημοσιευμένο σύνολο 34 γλωσσών, μαζί με αγγλικά, ουκρανικά, κινεζικά, ιαπωνικά, αραβικά και άλλες. Αυτό είναι χρήσιμο σε κοινές βάσεις γνώσης όπου τα τεχνικά έγγραφα και τα αιτήματα χρηστών δεν έχουν μεταφερθεί σε μία γλώσσα.
Στις εργασίες περιλαμβάνονται αναζήτηση σε τεκμηρίωση, αντιστοίχιση κειμένων και ανάκτηση κώδικα από λεκτική περιγραφή. Το μεγάλο παράθυρο εισόδου επιτρέπει εργασία με μεγάλα έγγραφα, εκτεταμένα συμφραζόμενα κώδικα και ιστορικό πολλών βημάτων πράκτορα. Το υλικό που βρίσκεται επιστρέφει στην επόμενη διαδικασία ως συμφραζόμενα· οι τελικές εξηγήσεις και απαντήσεις σχηματίζονται από το επόμενο στοιχείο του συστήματος.
Η είσοδος αποτελείται από συμβολοσειρές κειμένου. Για κάθε συμβολοσειρά παράγεται ένα διάνυσμα 2048 αριθμών. Το μέγιστο μήκος ακολουθίας είναι 32768 tokens· μεγαλύτερο υλικό πρέπει να χωρίζεται σε μέρη ή να συντομεύεται. Κατά την προετοιμασία της εισόδου διακρίνονται ερώτηση και έγγραφο: το μοντέλο έχει εκπαιδευτεί να αντιστοιχίζει τους ρόλους τους, επομένως η ίδια συμβολοσειρά δεν πρέπει να μορφοποιείται χωρίς να λαμβάνεται υπόψη ο σκοπός της σε καθεμία από τις δύο εργασίες.
Τα διανύσματα κανονικοποιούνται ως προς το μήκος τους. Με αυτή την αναπαράσταση, το εσωτερικό γινόμενο και η ομοιότητα συνημιτόνου δίνουν ισοδύναμο τρόπο σύγκρισης. Μπορούν να διατηρηθούν οι πρώτες 1024 ή 512 συντεταγμένες του πλήρους διανύσματος, αλλά μετά την αποκοπή πρέπει να γίνει ξανά κανονικοποίηση. Αυτή είναι ιδιότητα της επεξεργασίας του αποτελέσματος· η διάσταση πρέπει να επιλέγεται με συνέπεια για τη συλλογή και τα ερωτήματα.
Ο κωδικοποιητής περιλαμβάνει περίπου 1,14 δισεκατομμύρια παραμέτρους. Προέκυψε από μοντέλο βασισμένο στο Ministral 3 3B, μέσω δύο σταδίων δομικής μείωσης και απόσταξης. Η αμφίδρομη προσοχή λαμβάνει υπόψη ολόκληρη την είσοδο και στη συνέχεια οι αναπαραστάσεις των tokens συνδυάζονται με μέσο όρο σε κοινό διάνυσμα.
Η NVIDIA διαθέτει παραλλαγές BF16 και NVFP4. Οι χώροι αναπαράστασής τους είναι κοντινοί, αλλά η αλλαγή παραλλαγής απαιτεί έλεγχο στα δικά σας έγγραφα. Ούτε η αριθμητική ομοιότητα ούτε το μήκος των συμφραζομένων εγγυώνται ότι η αναζήτηση θα επιλέγει πάντα το σωστό απόσπασμα.
", "aboutText": "Το Nemotron 3 Embed 1B είναι μοντέλο κειμένου της NVIDIA για σημασιολογική αναζήτηση και αντιστοίχιση αποσπασμάτων. Κωδικοποιεί ερωτήσεις, έγγραφα και κώδικα σε πυκνά αριθμητικά διανύσματα. Αυτές οι αναπαραστάσεις χρησιμοποιούνται για να βρεθούν τα κατάλληλα συμφραζόμενα σε μεγάλες συλλογές, να συμπληρωθεί με αυτά η απάντηση βοηθού ή να ανακτηθούν ήδη αποθηκευμένες πληροφορίες για το επόμενο βήμα ενός πράκτορα.\n\n### Πολύγλωσση γνώση και κώδικας\n\nΤο μοντέλο προορίζεται για πολύγλωσση και διαγλωσσική αναζήτηση: η ερώτηση και το κατάλληλο υλικό μπορεί να είναι γραμμένα σε διαφορετικές γλώσσες. Τα ρωσικά περιλαμβάνονται στο δημοσιευμένο σύνολο 34 γλωσσών, μαζί με αγγλικά, ουκρανικά, κινεζικά, ιαπωνικά, αραβικά και άλλες. Αυτό είναι χρήσιμο σε κοινές βάσεις γνώσης όπου τα τεχνικά έγγραφα και τα αιτήματα χρηστών δεν έχουν μεταφερθεί σε μία γλώσσα.\n\nΣτις εργασίες περιλαμβάνονται αναζήτηση σε τεκμηρίωση, αντιστοίχιση κειμένων και ανάκτηση κώδικα από λεκτική περιγραφή. Το μεγάλο παράθυρο εισόδου επιτρέπει εργασία με μεγάλα έγγραφα, εκτεταμένα συμφραζόμενα κώδικα και ιστορικό πολλών βημάτων πράκτορα. Το υλικό που βρίσκεται επιστρέφει στην επόμενη διαδικασία ως συμφραζόμενα· οι τελικές εξηγήσεις και απαντήσεις σχηματίζονται από το επόμενο στοιχείο του συστήματος.\n\n### Από το κείμενο στο διάνυσμα\n\nΗ είσοδος αποτελείται από συμβολοσειρές κειμένου. Για κάθε συμβολοσειρά παράγεται ένα διάνυσμα 2048 αριθμών. Το μέγιστο μήκος ακολουθίας είναι 32768 tokens· μεγαλύτερο υλικό πρέπει να χωρίζεται σε μέρη ή να συντομεύεται. Κατά την προετοιμασία της εισόδου διακρίνονται ερώτηση και έγγραφο: το μοντέλο έχει εκπαιδευτεί να αντιστοιχίζει τους ρόλους τους, επομένως η ίδια συμβολοσειρά δεν πρέπει να μορφοποιείται χωρίς να λαμβάνεται υπόψη ο σκοπός της σε καθεμία από τις δύο εργασίες.\n\nΤα διανύσματα κανονικοποιούνται ως προς το μήκος τους. Με αυτή την αναπαράσταση, το εσωτερικό γινόμενο και η ομοιότητα συνημιτόνου δίνουν ισοδύναμο τρόπο σύγκρισης. Μπορούν να διατηρηθούν οι πρώτες 1024 ή 512 συντεταγμένες του πλήρους διανύσματος, αλλά μετά την αποκοπή πρέπει να γίνει ξανά κανονικοποίηση. Αυτή είναι ιδιότητα της επεξεργασίας του αποτελέσματος· η διάσταση πρέπει να επιλέγεται με συνέπεια για τη συλλογή και τα ερωτήματα.\n\n### Αρχιτεκτονική του συμπαγούς μοντέλου\n\nΟ κωδικοποιητής περιλαμβάνει περίπου 1,14 δισεκατομμύρια παραμέτρους. Προέκυψε από μοντέλο βασισμένο στο Ministral 3 3B, μέσω δύο σταδίων δομικής μείωσης και απόσταξης. Η αμφίδρομη προσοχή λαμβάνει υπόψη ολόκληρη την είσοδο και στη συνέχεια οι αναπαραστάσεις των tokens συνδυάζονται με μέσο όρο σε κοινό διάνυσμα.\n\nΗ NVIDIA διαθέτει παραλλαγές BF16 και NVFP4. Οι χώροι αναπαράστασής τους είναι κοντινοί, αλλά η αλλαγή παραλλαγής απαιτεί έλεγχο στα δικά σας έγγραφα. Ούτε η αριθμητική ομοιότητα ούτε το μήκος των συμφραζομένων εγγυώνται ότι η αναζήτηση θα επιλέγει πάντα το σωστό απόσπασμα.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "a95e8cbbaa5e0346e57fd902add1bc21f839c8140f33b50636e5af72061e2608", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "el", "methods": [ { "html": "nvidia/nemotron-3-embed-1bΤο Nemotron 3 Embed 1B μετατρέπει κείμενα σε διανύσματα για πολύγλωσση αναζήτηση, αναζήτηση κώδικα και RAG. Επεξεργάζεται ακολουθίες έως 32768 tokens και παράγει αναπαράσταση διάστασης 2048 αριθμών.
Αυτή η περιγραφή καλύπτει τις δυνατότητες του μοντέλου. Οι είσοδοι, έξοδοι και επιλογές που διατίθενται στο Ailoot παρατίθενται παρακάτω για την επιλεγμένη μέθοδο.
Το Nemotron 3 Embed 1B είναι μοντέλο κειμένου της NVIDIA για σημασιολογική αναζήτηση και αντιστοίχιση αποσπασμάτων. Κωδικοποιεί ερωτήσεις, έγγραφα και κώδικα σε πυκνά αριθμητικά διανύσματα. Αυτές οι αναπαραστάσεις χρησιμοποιούνται για να βρεθούν τα κατάλληλα συμφραζόμενα σε μεγάλες συλλογές, να συμπληρωθεί με αυτά η απάντηση βοηθού ή να ανακτηθούν ήδη αποθηκευμένες πληροφορίες για το επόμενο βήμα ενός πράκτορα.
Το μοντέλο προορίζεται για πολύγλωσση και διαγλωσσική αναζήτηση: η ερώτηση και το κατάλληλο υλικό μπορεί να είναι γραμμένα σε διαφορετικές γλώσσες. Τα ρωσικά περιλαμβάνονται στο δημοσιευμένο σύνολο 34 γλωσσών, μαζί με αγγλικά, ουκρανικά, κινεζικά, ιαπωνικά, αραβικά και άλλες. Αυτό είναι χρήσιμο σε κοινές βάσεις γνώσης όπου τα τεχνικά έγγραφα και τα αιτήματα χρηστών δεν έχουν μεταφερθεί σε μία γλώσσα.
Στις εργασίες περιλαμβάνονται αναζήτηση σε τεκμηρίωση, αντιστοίχιση κειμένων και ανάκτηση κώδικα από λεκτική περιγραφή. Το μεγάλο παράθυρο εισόδου επιτρέπει εργασία με μεγάλα έγγραφα, εκτεταμένα συμφραζόμενα κώδικα και ιστορικό πολλών βημάτων πράκτορα. Το υλικό που βρίσκεται επιστρέφει στην επόμενη διαδικασία ως συμφραζόμενα· οι τελικές εξηγήσεις και απαντήσεις σχηματίζονται από το επόμενο στοιχείο του συστήματος.
Η είσοδος αποτελείται από συμβολοσειρές κειμένου. Για κάθε συμβολοσειρά παράγεται ένα διάνυσμα 2048 αριθμών. Το μέγιστο μήκος ακολουθίας είναι 32768 tokens· μεγαλύτερο υλικό πρέπει να χωρίζεται σε μέρη ή να συντομεύεται. Κατά την προετοιμασία της εισόδου διακρίνονται ερώτηση και έγγραφο: το μοντέλο έχει εκπαιδευτεί να αντιστοιχίζει τους ρόλους τους, επομένως η ίδια συμβολοσειρά δεν πρέπει να μορφοποιείται χωρίς να λαμβάνεται υπόψη ο σκοπός της σε καθεμία από τις δύο εργασίες.
Τα διανύσματα κανονικοποιούνται ως προς το μήκος τους. Με αυτή την αναπαράσταση, το εσωτερικό γινόμενο και η ομοιότητα συνημιτόνου δίνουν ισοδύναμο τρόπο σύγκρισης. Μπορούν να διατηρηθούν οι πρώτες 1024 ή 512 συντεταγμένες του πλήρους διανύσματος, αλλά μετά την αποκοπή πρέπει να γίνει ξανά κανονικοποίηση. Αυτή είναι ιδιότητα της επεξεργασίας του αποτελέσματος· η διάσταση πρέπει να επιλέγεται με συνέπεια για τη συλλογή και τα ερωτήματα.
Ο κωδικοποιητής περιλαμβάνει περίπου 1,14 δισεκατομμύρια παραμέτρους. Προέκυψε από μοντέλο βασισμένο στο Ministral 3 3B, μέσω δύο σταδίων δομικής μείωσης και απόσταξης. Η αμφίδρομη προσοχή λαμβάνει υπόψη ολόκληρη την είσοδο και στη συνέχεια οι αναπαραστάσεις των tokens συνδυάζονται με μέσο όρο σε κοινό διάνυσμα.
Η NVIDIA διαθέτει παραλλαγές BF16 και NVFP4. Οι χώροι αναπαράστασής τους είναι κοντινοί, αλλά η αλλαγή παραλλαγής απαιτεί έλεγχο στα δικά σας έγγραφα. Ούτε η αριθμητική ομοιότητα ούτε το μήκος των συμφραζομένων εγγυώνται ότι η αναζήτηση θα επιλέγει πάντα το σωστό απόσπασμα.
POST /v1/embeddingstextembedding| Πεδίο | Τύπος | Απαίτηση | Τιμές και όρια | Προεπιλογή |
|---|---|---|---|---|
Πεδίοmodel | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια nvidia/nemotron-3-embed-1b | Προεπιλογή— |
Πεδίοinput | Τύποςstring|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— |
Πεδίοinput_type | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια query, passage | Προεπιλογήquery |
Πεδίοencoding_format | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια float, base64 | Προεπιλογήfloat |
Πεδίοtruncate | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια NONE, START, END | Προεπιλογή— |
Πεδίοdimensions | Τύποςinteger | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Ελάχιστο: 1 | Προεπιλογή— |
Πεδίοuser | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
text_to_embedding
| Παράμετρος | Σύμβαση |
|---|---|
Παράμετροςmaterial_types | Σύμβασηtext |
Παράμετροςrequired | Σύμβασηmodel, input |
Παράμετροςoptional_controls | Σύμβασηnull |
Παράμετροςcontent_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.
POST /v1/embeddingsΤο 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 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "nvidia/nemotron-3-embed-1b", "input": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["input"]=[text]\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/embeddings \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("data",[]): print(json.dumps({"index":x.get("index"),"embedding":x.get("embedding")}))\nPY_RESULT\njson
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.
Δεν εισάγεται endpoint εργασιών ενσωμάτωσης.
| Πεδίο | Τύπος |
|---|---|
Πεδίοdata[].index | Τύποςinteger |
Πεδίοdata[].embedding | Τύποςfinite float[]|base64 float32 vector |
Πεδίοmodel | Τύποςstring |
Πεδίοusage | Τύποςobject |
| 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. |
Ailoot nvidia/nemotron-3-embed-1b, nemotron-3-embed, nemotron-3-embed-latest
Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.
nvidia/nemotron-3-embed-1b, nemotron-3-embed, nemotron-3-embed-latest
nemotron-3-embedΤο Nemotron 3 Embed 1B μετατρέπει κείμενα σε διανύσματα για πολύγλωσση αναζήτηση, αναζήτηση κώδικα και RAG. Επεξεργάζεται ακολουθίες έως 32768 tokens και παράγει αναπαράσταση διάστασης 2048 αριθμών.
Αυτή η περιγραφή καλύπτει τις δυνατότητες του μοντέλου. Οι είσοδοι, έξοδοι και επιλογές που διατίθενται στο Ailoot παρατίθενται παρακάτω για την επιλεγμένη μέθοδο.
Το Nemotron 3 Embed 1B είναι μοντέλο κειμένου της NVIDIA για σημασιολογική αναζήτηση και αντιστοίχιση αποσπασμάτων. Κωδικοποιεί ερωτήσεις, έγγραφα και κώδικα σε πυκνά αριθμητικά διανύσματα. Αυτές οι αναπαραστάσεις χρησιμοποιούνται για να βρεθούν τα κατάλληλα συμφραζόμενα σε μεγάλες συλλογές, να συμπληρωθεί με αυτά η απάντηση βοηθού ή να ανακτηθούν ήδη αποθηκευμένες πληροφορίες για το επόμενο βήμα ενός πράκτορα.
Το μοντέλο προορίζεται για πολύγλωσση και διαγλωσσική αναζήτηση: η ερώτηση και το κατάλληλο υλικό μπορεί να είναι γραμμένα σε διαφορετικές γλώσσες. Τα ρωσικά περιλαμβάνονται στο δημοσιευμένο σύνολο 34 γλωσσών, μαζί με αγγλικά, ουκρανικά, κινεζικά, ιαπωνικά, αραβικά και άλλες. Αυτό είναι χρήσιμο σε κοινές βάσεις γνώσης όπου τα τεχνικά έγγραφα και τα αιτήματα χρηστών δεν έχουν μεταφερθεί σε μία γλώσσα.
Στις εργασίες περιλαμβάνονται αναζήτηση σε τεκμηρίωση, αντιστοίχιση κειμένων και ανάκτηση κώδικα από λεκτική περιγραφή. Το μεγάλο παράθυρο εισόδου επιτρέπει εργασία με μεγάλα έγγραφα, εκτεταμένα συμφραζόμενα κώδικα και ιστορικό πολλών βημάτων πράκτορα. Το υλικό που βρίσκεται επιστρέφει στην επόμενη διαδικασία ως συμφραζόμενα· οι τελικές εξηγήσεις και απαντήσεις σχηματίζονται από το επόμενο στοιχείο του συστήματος.
Η είσοδος αποτελείται από συμβολοσειρές κειμένου. Για κάθε συμβολοσειρά παράγεται ένα διάνυσμα 2048 αριθμών. Το μέγιστο μήκος ακολουθίας είναι 32768 tokens· μεγαλύτερο υλικό πρέπει να χωρίζεται σε μέρη ή να συντομεύεται. Κατά την προετοιμασία της εισόδου διακρίνονται ερώτηση και έγγραφο: το μοντέλο έχει εκπαιδευτεί να αντιστοιχίζει τους ρόλους τους, επομένως η ίδια συμβολοσειρά δεν πρέπει να μορφοποιείται χωρίς να λαμβάνεται υπόψη ο σκοπός της σε καθεμία από τις δύο εργασίες.
Τα διανύσματα κανονικοποιούνται ως προς το μήκος τους. Με αυτή την αναπαράσταση, το εσωτερικό γινόμενο και η ομοιότητα συνημιτόνου δίνουν ισοδύναμο τρόπο σύγκρισης. Μπορούν να διατηρηθούν οι πρώτες 1024 ή 512 συντεταγμένες του πλήρους διανύσματος, αλλά μετά την αποκοπή πρέπει να γίνει ξανά κανονικοποίηση. Αυτή είναι ιδιότητα της επεξεργασίας του αποτελέσματος· η διάσταση πρέπει να επιλέγεται με συνέπεια για τη συλλογή και τα ερωτήματα.
Ο κωδικοποιητής περιλαμβάνει περίπου 1,14 δισεκατομμύρια παραμέτρους. Προέκυψε από μοντέλο βασισμένο στο Ministral 3 3B, μέσω δύο σταδίων δομικής μείωσης και απόσταξης. Η αμφίδρομη προσοχή λαμβάνει υπόψη ολόκληρη την είσοδο και στη συνέχεια οι αναπαραστάσεις των tokens συνδυάζονται με μέσο όρο σε κοινό διάνυσμα.
Η NVIDIA διαθέτει παραλλαγές BF16 και NVFP4. Οι χώροι αναπαράστασής τους είναι κοντινοί, αλλά η αλλαγή παραλλαγής απαιτεί έλεγχο στα δικά σας έγγραφα. Ούτε η αριθμητική ομοιότητα ούτε το μήκος των συμφραζομένων εγγυώνται ότι η αναζήτηση θα επιλέγει πάντα το σωστό απόσπασμα.
POST /v1/embeddingstextembedding| Πεδίο | Τύπος | Απαίτηση | Τιμές και όρια | Προεπιλογή |
|---|---|---|---|---|
Πεδίοmodel | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια nemotron-3-embed | Προεπιλογή— |
Πεδίοinput | Τύποςstring|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— |
Πεδίοinput_type | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια query, passage | Προεπιλογήquery |
Πεδίοencoding_format | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια float, base64 | Προεπιλογήfloat |
Πεδίοtruncate | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια NONE, START, END | Προεπιλογή— |
Πεδίοdimensions | Τύποςinteger | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Ελάχιστο: 1 | Προεπιλογή— |
Πεδίοuser | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
text_to_embedding
| Παράμετρος | Σύμβαση |
|---|---|
Παράμετροςmaterial_types | Σύμβασηtext |
Παράμετροςrequired | Σύμβασηmodel, input |
Παράμετροςoptional_controls | Σύμβασηnull |
Παράμετροςcontent_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.
POST /v1/embeddingsΤο 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 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "nemotron-3-embed", "input": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["input"]=[text]\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/embeddings \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("data",[]): print(json.dumps({"index":x.get("index"),"embedding":x.get("embedding")}))\nPY_RESULT\njson
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.
Δεν εισάγεται endpoint εργασιών ενσωμάτωσης.
| Πεδίο | Τύπος |
|---|---|
Πεδίοdata[].index | Τύποςinteger |
Πεδίοdata[].embedding | Τύποςfinite float[]|base64 float32 vector |
Πεδίοmodel | Τύποςstring |
Πεδίοusage | Τύποςobject |
| 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. |
Ailoot nvidia/nemotron-3-embed-1b, nemotron-3-embed, nemotron-3-embed-latest
Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.
nvidia/nemotron-3-embed-1b, nemotron-3-embed, nemotron-3-embed-latest
nemotron-3-embed-latestΤο Nemotron 3 Embed 1B μετατρέπει κείμενα σε διανύσματα για πολύγλωσση αναζήτηση, αναζήτηση κώδικα και RAG. Επεξεργάζεται ακολουθίες έως 32768 tokens και παράγει αναπαράσταση διάστασης 2048 αριθμών.
Αυτή η περιγραφή καλύπτει τις δυνατότητες του μοντέλου. Οι είσοδοι, έξοδοι και επιλογές που διατίθενται στο Ailoot παρατίθενται παρακάτω για την επιλεγμένη μέθοδο.
Το Nemotron 3 Embed 1B είναι μοντέλο κειμένου της NVIDIA για σημασιολογική αναζήτηση και αντιστοίχιση αποσπασμάτων. Κωδικοποιεί ερωτήσεις, έγγραφα και κώδικα σε πυκνά αριθμητικά διανύσματα. Αυτές οι αναπαραστάσεις χρησιμοποιούνται για να βρεθούν τα κατάλληλα συμφραζόμενα σε μεγάλες συλλογές, να συμπληρωθεί με αυτά η απάντηση βοηθού ή να ανακτηθούν ήδη αποθηκευμένες πληροφορίες για το επόμενο βήμα ενός πράκτορα.
Το μοντέλο προορίζεται για πολύγλωσση και διαγλωσσική αναζήτηση: η ερώτηση και το κατάλληλο υλικό μπορεί να είναι γραμμένα σε διαφορετικές γλώσσες. Τα ρωσικά περιλαμβάνονται στο δημοσιευμένο σύνολο 34 γλωσσών, μαζί με αγγλικά, ουκρανικά, κινεζικά, ιαπωνικά, αραβικά και άλλες. Αυτό είναι χρήσιμο σε κοινές βάσεις γνώσης όπου τα τεχνικά έγγραφα και τα αιτήματα χρηστών δεν έχουν μεταφερθεί σε μία γλώσσα.
Στις εργασίες περιλαμβάνονται αναζήτηση σε τεκμηρίωση, αντιστοίχιση κειμένων και ανάκτηση κώδικα από λεκτική περιγραφή. Το μεγάλο παράθυρο εισόδου επιτρέπει εργασία με μεγάλα έγγραφα, εκτεταμένα συμφραζόμενα κώδικα και ιστορικό πολλών βημάτων πράκτορα. Το υλικό που βρίσκεται επιστρέφει στην επόμενη διαδικασία ως συμφραζόμενα· οι τελικές εξηγήσεις και απαντήσεις σχηματίζονται από το επόμενο στοιχείο του συστήματος.
Η είσοδος αποτελείται από συμβολοσειρές κειμένου. Για κάθε συμβολοσειρά παράγεται ένα διάνυσμα 2048 αριθμών. Το μέγιστο μήκος ακολουθίας είναι 32768 tokens· μεγαλύτερο υλικό πρέπει να χωρίζεται σε μέρη ή να συντομεύεται. Κατά την προετοιμασία της εισόδου διακρίνονται ερώτηση και έγγραφο: το μοντέλο έχει εκπαιδευτεί να αντιστοιχίζει τους ρόλους τους, επομένως η ίδια συμβολοσειρά δεν πρέπει να μορφοποιείται χωρίς να λαμβάνεται υπόψη ο σκοπός της σε καθεμία από τις δύο εργασίες.
Τα διανύσματα κανονικοποιούνται ως προς το μήκος τους. Με αυτή την αναπαράσταση, το εσωτερικό γινόμενο και η ομοιότητα συνημιτόνου δίνουν ισοδύναμο τρόπο σύγκρισης. Μπορούν να διατηρηθούν οι πρώτες 1024 ή 512 συντεταγμένες του πλήρους διανύσματος, αλλά μετά την αποκοπή πρέπει να γίνει ξανά κανονικοποίηση. Αυτή είναι ιδιότητα της επεξεργασίας του αποτελέσματος· η διάσταση πρέπει να επιλέγεται με συνέπεια για τη συλλογή και τα ερωτήματα.
Ο κωδικοποιητής περιλαμβάνει περίπου 1,14 δισεκατομμύρια παραμέτρους. Προέκυψε από μοντέλο βασισμένο στο Ministral 3 3B, μέσω δύο σταδίων δομικής μείωσης και απόσταξης. Η αμφίδρομη προσοχή λαμβάνει υπόψη ολόκληρη την είσοδο και στη συνέχεια οι αναπαραστάσεις των tokens συνδυάζονται με μέσο όρο σε κοινό διάνυσμα.
Η NVIDIA διαθέτει παραλλαγές BF16 και NVFP4. Οι χώροι αναπαράστασής τους είναι κοντινοί, αλλά η αλλαγή παραλλαγής απαιτεί έλεγχο στα δικά σας έγγραφα. Ούτε η αριθμητική ομοιότητα ούτε το μήκος των συμφραζομένων εγγυώνται ότι η αναζήτηση θα επιλέγει πάντα το σωστό απόσπασμα.
POST /v1/embeddingstextembedding| Πεδίο | Τύπος | Απαίτηση | Τιμές και όρια | Προεπιλογή |
|---|---|---|---|---|
Πεδίοmodel | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια nemotron-3-embed-latest | Προεπιλογή— |
Πεδίοinput | Τύποςstring|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— |
Πεδίοinput_type | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια query, passage | Προεπιλογήquery |
Πεδίοencoding_format | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια float, base64 | Προεπιλογήfloat |
Πεδίοtruncate | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια NONE, START, END | Προεπιλογή— |
Πεδίοdimensions | Τύποςinteger | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Ελάχιστο: 1 | Προεπιλογή— |
Πεδίοuser | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
text_to_embedding
| Παράμετρος | Σύμβαση |
|---|---|
Παράμετροςmaterial_types | Σύμβασηtext |
Παράμετροςrequired | Σύμβασηmodel, input |
Παράμετροςoptional_controls | Σύμβασηnull |
Παράμετροςcontent_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.
POST /v1/embeddingsΤο 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 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "nemotron-3-embed-latest", "input": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["input"]=[text]\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/embeddings \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("data",[]): print(json.dumps({"index":x.get("index"),"embedding":x.get("embedding")}))\nPY_RESULT\njson
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.
Δεν εισάγεται endpoint εργασιών ενσωμάτωσης.
| Πεδίο | Τύπος |
|---|---|
Πεδίοdata[].index | Τύποςinteger |
Πεδίοdata[].embedding | Τύποςfinite float[]|base64 float32 vector |
Πεδίοmodel | Τύποςstring |
Πεδίοusage | Τύποςobject |
| 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. |
Ailoot nvidia/nemotron-3-embed-1b, nemotron-3-embed, nemotron-3-embed-latest
Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.
nvidia/nemotron-3-embed-1b, nemotron-3-embed, nemotron-3-embed-latest