NVIDIA: Llama Nemotron Embed VL 1B V2 (free)
Llama Nemotron Embed VL 1B V2 es el modelo de embeddings multimodales de NVIDIA para recuperación. Convierte texto, imágenes o entradas documentales combinadas en vectores y permite buscar mediante consultas textuales en documentos con tablas, gráficos, texto e infografías.
Sobre el modelo
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Llama Nemotron Embed VL 1B V2 es el modelo de embeddings de NVIDIA para recuperación multimodal de preguntas y respuestas. Puede representar un documento como texto, una imagen o una combinación de imagen y texto. Después puede utilizarse una consulta textual para recuperar documentos relacionados. Su perfil publicado admite imágenes documentales con texto, tablas, gráficos e infografías y devuelve vectores de embeddings.
Prepara elementos documentales identificables
Mantén cada entrada conectada con el documento de origen, página o pasaje que representa. Para una página visual, conserva la imagen y cualquier texto que la acompañe y le pertenezca. Para un pasaje textual, mantén su título o etiqueta de sección cuando ayude a interpretar una coincidencia posterior. Estos identificadores de origen hacen que un elemento recuperado sea útil como evidencia, en lugar de ser solo un resultado numérico de similaridad.
Elige los límites de elementos en torno al material que un usuario necesita encontrar. Un gráfico y su explicación pueden pertenecer juntos; las páginas sin relación deben conservar sus identidades separadas. Revisa si la entrada es legible y si el texto o imagen contiene la información que la consulta prevista debe recuperar.
Consultas textuales y recuperación vectorial
La función del modelo es producir vectores para recuperación, con texto como la forma de consulta descrita por el perfil. Mantén la consulta y los elementos indexados en una configuración compatible de embeddings. La aplicación guarda los vectores, los compara y devuelve los elementos de origen correspondientes. El documento recuperado sigue siendo el material que se debe examinar o pasar a un paso posterior de generación de respuestas.
Un conjunto útil de pruebas incluye las preguntas que realmente hacen los usuarios y las páginas que deban encontrarse. Revisa las coincidencias erróneas o ausentes frente al contenido de origen y los límites de elementos. Conserva el identificador completo del documento junto con cualquier pasaje o imagen seleccionados para que el resultado pueda comprobarse en contexto.
Límite de entrada y artefacto de búsqueda
El perfil alojado documentado indica hasta 131,072 tokens por entrada. Divide los conjuntos de origen más grandes en entradas separadas y etiquetadas y conserva sus relaciones. La salida vectorial del perfil no es una respuesta en prosa generada ni una transcripción; una etapa posterior de la aplicación puede utilizar la evidencia recuperada para responder a una pregunta.
Un artefacto completo de recuperación une la consulta, los elementos de origen seleccionados y sus identificadores. Conserva el modelo de embeddings y la preparación de entrada utilizados para un índice para que los cambios posteriores puedan distinguirse de los cambios de la colección de origen.
Ailoot Ultra · Representaciones vectoriales POST /v1/embeddings nvidia/llama-nemotron-embed-vl-1b-v2:free
nvidia/llama-nemotron-embed-vl-1b-v2:free
nvidia/llama-nemotron-embed-vl-1b-v2:freeInicio
Llama Nemotron Embed VL 1B V2 es el modelo de embeddings multimodales de NVIDIA para recuperación. Convierte texto, imágenes o entradas documentales combinadas en vectores y permite buscar mediante consultas textuales en documentos con tablas, gráficos, texto e infografías.
- Entradas aceptadas
- Texto · token_ids
- Resultados
- embedding
Disponible en Ailoot · entradas y métodos
Ailoot Ultra · Representaciones vectoriales POST /v1/embeddings
- Entrada
text,token_ids- Salida
embedding- Contexto
- 131,072 tokens
- Formato de salida
- json
| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites nvidia/llama-nemotron-embed-vl-1b-v2:free | Predeterminado— |
Campoinput | Tipostring|string[]|integer[]|integer[][] | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 Condiciones: Lote homogéneo no vacío. Los ID de tokens son números enteros no negativos. Presupuesto de entrada: Máximo: 131,072 · Unidad de texto: bytes UTF8 · Unidad de tokens: elementos de un arreglo de tokens | Predeterminado— |
Campoencoding_format | Tipostring | RequisitoOpcional | Valores y límites float | Predeterminadofloat |
Campodimensions | Tipointeger | RequisitoNo compatible | Valores y límites Mínimo: 1 | Predeterminado— |
Campouser | Tipojson_value | RequisitoOpcional | Valores y límites Condiciones: La fuente permite este campo metadata de JSON; la semántica exacta en el sistema de origen depende del modelo. | Predeterminado— |
Camposession_id | Tipojson_value | RequisitoOpcional | Valores y límites Condiciones: La fuente permite este campo metadata de JSON; la semántica exacta en el sistema de origen depende del modelo. | Predeterminado— |
Campotrace | Tipojson_value | RequisitoOpcional | Valores y límites Condiciones: La fuente permite este campo metadata de JSON; la semántica exacta en el sistema de origen depende del modelo. | Predeterminado— |
Campoprovider | Tipoobject | RequisitoOpcional | Valores y límites Condiciones: provider.options rechazado | Predeterminado— |
Combinaciones de materiales de entrada
text_to_embedding
Parámetros del método y ciclo de vida
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, input |
Parámetroinput_shapes | Contratostring, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[] |
Parámetroencoding_format | Contratofloat |
Parámetrodimensions_override | Contratofalse |
Parámetromax_input_budget_units | Contrato131072 |
Parámetromultimodal_objects | Contratofalse |
Parámetromaterial_types | Contratotext, token_ids |
Ciclo de vida: synchronous_json
Conserva todos los índices y dimensiones de los vectores.
El nombre de un modelo multimodal no habilita objetos de imagen en esta ruta exacta.
Tarifas
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
- Modo fast
- Tarifa estándar Cuando se selecciona el modo fast
- Modo flex
- Tarifa estándar Cuando se selecciona el modo flex
- Esfuerzo máximo de razonamiento
- Tarifa estándar Cuando el esfuerzo máximo de razonamiento usa el ajuste default
Tarifas de Ailoot
Precios por configuración
| Configuración | Tabla de tarifas | Cargo |
|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Cargo Entrada · Tokens de entrada $0 / 1K tokens Salida · Tokens de salida $0 / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
Solicitudes de ejemplo
Ailoot Ultra · Representaciones vectoriales
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "nvidia/llama-nemotron-embed-vl-1b-v2:free", "input": ["First document", "Second document"]}')
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
from openai import OpenAI
import os
client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
result=client.embeddings.create(model='nvidia/llama-nemotron-embed-vl-1b-v2:free',input=["First document","Second document"])
print(result)
for item in result.data:print(item.index,item.embedding)
Recibir y guardar resultados
Ailoot Ultra · Representaciones vectoriales
json
Conserva todos los resultados completados
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva cada vector con su índice. La cantidad de vectores debe ser igual a la cantidad de entradas; las dimensiones deben ser consistentes.
Si es necesario revisar la respuesta original
No se incorpora ningún endpoint de tareas de embeddings.
Campos de respuesta
| Campo | Tipo |
|---|---|
Campoobject | Tipostring |
Campomodel | Tipostring |
Campodata[].index | Tipointeger |
Campodata[].embedding | Tipofinite float[] |
Campousage | Tipoobject |
Errores y siguientes pasos
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Alias
Alias del modelo
Ailoot Ultra nvidia/llama-nemotron-embed-vl-1b-v2:free
Alias de rutas de métodos
Usa las rutas de método indicadas arriba.
ID de modelo relacionados
FAQ · NVIDIA: Llama Nemotron Embed VL 1B V2 (free)
- ¿Qué entradas y resultados están disponibles?
POST /v1/embeddings·nvidia/llama-nemotron-embed-vl-1b-v2:free:text,token_ids→embedding- ¿Qué campos utiliza la solicitud?
POST /v1/embeddings·nvidia/llama-nemotron-embed-vl-1b-v2:free:model,input,encoding_format,provider- ¿Qué límites se aplican?
POST /v1/embeddings·nvidia/llama-nemotron-embed-vl-1b-v2:free:ctx:131072;input.budget.maximum:131072(bytes UTF8);input.min_items:1