Source: https://ailoot.ai/models/es-mx/nvidia-nemotron-3-embed-1b-u003a-free/ Canonical: https://ailoot.ai/models/es-mx/nvidia-nemotron-3-embed-1b-u003a-free/ Language: es-mx # NVIDIA: Nemotron 3 Embed 1B (free) [Markdown](https://ailoot.ai/models/es-mx/nvidia-nemotron-3-embed-1b-u003a-free/index.md) · [JSON](https://ailoot.ai/models/es-mx/nvidia-nemotron-3-embed-1b-u003a-free/facts.json) ## [NVIDIA: Nemotron 3 Embed 1B (free)](https://ailoot.ai/models/es-mx/nvidia-nemotron-3-embed-1b-u003a-free/) NVIDIA Nemotron 3 Embed 1B representa consultas y pasajes multilingües como vectores de 2048 dimensiones para búsqueda y RAG. Su familia documentada admite secuencias de 32,768 tokens y dimensiones vectoriales reducidas con renormalización. - [**Ailoot Ultra · Representaciones vectoriales** `POST /v1/embeddings` `nvidia/nemotron-3-embed-1b:free`](https://ailoot.ai/models/es-mx/nvidia-nemotron-3-embed-1b-u003a-free/#method-0) 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. Nemotron 3 Embed 1B es la familia de embeddings de texto de NVIDIA para recuperación multilingüe y entre idiomas y similaridad semántica. Transforma una pregunta o pasaje en un vector denso que un sistema de búsqueda puede comparar con otras representaciones textuales. El fabricante evalúa las ediciones 1B documentadas en treinta y cuatro configuraciones de idiomas y variantes lingüísticas, incluidos inglés, árabe, chino, ruso, japonés, coreano e Hinglish. #### Codificador y representación La ficha del modelo del fabricante describe un transformer podado y bidireccional derivado de Ministral 3. Tiene aproximadamente 1.14 mil millones de parámetros y promedia las representaciones a nivel de token para obtener un embedding por texto. La salida nativa es un vector de punto flotante de 2048 dimensiones. Esta es una representación de recuperación, en lugar de una respuesta escrita a la pregunta de la que se genera el embedding. El fabricante también permite conservar la primera parte de esa representación, por ejemplo 1024 o 512 dimensiones. El vector acortado debe normalizarse otra vez con L2 después del corte. Mantén coherentes la longitud de representación elegida y la normalización entre los lados de consulta y corpus de una tarea de búsqueda. La longitud de un vector y la longitud de secuencia de entrada son propiedades separadas. #### Preparación de consultas y pasajes La convención documentada de recuperación utiliza «query:» para una pregunta y «passage:» para texto documental. Los ejemplos del productor aplican esos roles antes de codificar y comparan vectores normalizados con un producto escalar, equivalente a la similaridad del coseno. Utiliza la preparación que espera el flujo seleccionado, en lugar de mezclar una representación del corpus en bruto con una consulta preparada de otro modo. Una colección práctica puede contener explicaciones técnicas, políticas o documentación relacionada con código. Una pregunta sobre cómo gestiona una función un caso particular debe recuperar el pasaje de origen o extracto de código que describe ese comportamiento. Conserva los identificadores, encabezados y condiciones pertinentes junto al texto real del pasaje. El vector permite buscar el candidato; la fuente conservada es lo que utiliza un lector o una etapa posterior de respuesta RAG. #### Material de origen más largo La longitud máxima de secuencia documentada es de 32,768 tokens. Elige deliberadamente los límites de pasajes incluso cuando el modelo pueda alojar una cantidad considerable de texto. Una sección completa puede conservar una definición y sus excepciones; un extracto específico puede facilitar la inspección de una respuesta concreta. Las entradas que superen la ventana del modelo necesitan división en fragmentos o truncamiento, por lo que la parte final omitida no debe tratarse como contenido representado. Mantén cada elemento con embedding vinculado a su documento principal y versión. Para un informe, conserva el título de sección y la explicación que rodea a la conclusión sobre la que trata la pregunta. Para una búsqueda de código, mantén el nombre de la función, la interfaz pertinente y el comportamiento junto al extracto. Esto proporciona un artefacto de origen concreto cuando la etapa de recuperación devuelve un candidato. #### Ediciones de familia y uso de resultados NVIDIA documenta versiones BF16 y NVFP4 de la familia 1B. Su ficha del modelo cuantizado afirma que ambas ediciones comparten un espacio de embeddings y recomienda comprobar la calidad de recuperación con material representativo al cambiar versiones. La representación común declarada es una afirmación del fabricante sobre ese par con nombre definido, no una regla general para todos los modelos con 2048 valores de salida. El resultado útil es un vector de consulta o una colección indexada de origen con su modelo, dimensión elegida y preparación registrados. Devuelve el texto candidato junto con su identificador y examina si aporta la información requerida. El fabricante señala expresamente que un modelo de recuperación no garantiza el pasaje correcto para cada pregunta; una etapa posterior de reordenación o respuesta trabaja con esos candidatos como su propia tarea. **Ailoot Ultra · Representaciones vectoriales** `POST /v1/embeddings` `nvidia/nemotron-3-embed-1b:free` [`nvidia/nemotron-3-embed-1b:free`](https://ailoot.ai/models/es-mx/#m=nvidia%2Fnemotron-3-embed-1b%3Afree&route=Ultra&caller=nvidia%2Fnemotron-3-embed-1b%3Afree&fmt=embeddings) NVIDIA /`nvidia/nemotron-3-embed-1b:free` ### Inicio NVIDIA Nemotron 3 Embed 1B representa consultas y pasajes multilingües como vectores de 2048 dimensiones para búsqueda y RAG. Su familia documentada admite secuencias de 32,768 tokens y dimensiones vectoriales reducidas con renormalización. 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 32,768 tokens Formato de salida json | Campo | Tipo | Requisito | Valores y límites | Predeterminado | | --- | --- | --- | --- | --- | | Campo`model` | Tipo`string` | RequisitoObligatorio | Valores y límites nvidia/nemotron-3-embed-1b:free | Predeterminado— | | Campo`input` | Tipo`string\|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: 32,768 · Unidad de texto: bytes UTF8 · Unidad de tokens: elementos de un arreglo de tokens | Predeterminado— | | Campo`encoding_format` | Tipo`string` | RequisitoOpcional | Valores y límites float | Predeterminadofloat | | Campo`dimensions` | Tipo`integer` | RequisitoNo compatible | Valores y límites Mínimo: 1 | Predeterminado— | | Campo`user` | Tipo`json_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— | | Campo`session_id` | Tipo`json_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— | | Campo`trace` | Tipo`json_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— | | Campo`provider` | Tipo`object` | 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 | | --- | --- | | Parámetro`content_type` | Contratoapplication/json | | Parámetro`required` | Contratomodel, input | | Parámetro`input_shapes` | Contratostring, string\[\], nonnegative\_integer\_token\_array, nonnegative\_integer\_token\_array\[\] | | Parámetro`encoding_format` | Contratofloat | | Parámetro`dimensions_override` | Contratofalse | | Parámetro`max_input_budget_units` | Contrato32768 | | Parámetro`multimodal_objects` | Contratofalse | | Parámetro`material_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 **$0** / 1K tokens Entrada · Lectura de caché **—** / 1K tokens Entrada · Escritura en caché **—** / 1K tokens Entrada · Escritura en caché, 1 hora **—** / 1K tokens | Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. [Cómo funcionan la reserva y la liquidación →](https://ailoot.ai/docs/es-mx/billing/reserve/) ### Solicitudes de ejemplo #### Ailoot Ultra · Representaciones vectoriales curlPython SDK ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" python3 - <<'PY_REQUEST' import json,os from pathlib import Path p=json.loads('{"model": "nvidia/nemotron-3-embed-1b: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 ``` ```python 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/nemotron-3-embed-1b: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 | | --- | --- | | Campo`object` | Tipostring | | Campo`model` | Tipostring | | Campo`data[].index` | Tipointeger | | Campo`data[].embedding` | Tipofinite float\[\] | | Campo`usage` | 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/nemotron-3-embed-1b:free`](https://ailoot.ai/models/es-mx/#m=nvidia%2Fnemotron-3-embed-1b%3Afree&route=Ultra&caller=nvidia%2Fnemotron-3-embed-1b%3Afree&fmt=embeddings) #### Alias de rutas de métodos Usa las rutas de método indicadas arriba. #### ID de modelo relacionados [`nvidia/nemotron-3-embed-1b:free`](https://ailoot.ai/models/es-mx/#m=nvidia%2Fnemotron-3-embed-1b%3Afree&route=Ultra&caller=nvidia%2Fnemotron-3-embed-1b%3Afree&fmt=embeddings) FAQ · NVIDIA: Nemotron 3 Embed 1B (free) ¿Qué entradas y resultados están disponibles? `POST /v1/embeddings` · `nvidia/nemotron-3-embed-1b:free`: `text`, `token_ids` → `embedding` ¿Qué campos utiliza la solicitud? `POST /v1/embeddings` · `nvidia/nemotron-3-embed-1b:free`: `model`, `input`, `encoding_format`, `provider` ¿Qué límites se aplican? `POST /v1/embeddings` · `nvidia/nemotron-3-embed-1b:free`: `ctx`: `32768`; `input.budget.maximum`: `32768` (bytes UTF8); `input.min_items`: `1` Conecta Ailoot a Claude Code, OpenCode, Hermes o tu aplicación. ## La empresa y su cartera de proyectos La empresa y su cartera de proyectos: millones de clientes; ventas por miles de millones al mes. ## Compra tokens con descuento. Ahorro por suscripción para trabajo habitual. Códigos promocionales: hasta el 50% al comprar tokens. Suscripción Elige un plan con descuento para tus peticiones habituales. Código de hasta el 50% Introduce el código al comprar. El precio se recalcula según la promoción vigente. Gasto en el historial Modelo, tokens e importe quedan guardados por cada petición. [Elegir suscripción](https://ailoot.ai/docs/es-mx/billing/subscriptions/) · [Consultar precios de modelos](https://ailoot.ai/models/es-mx/) ## Conecta la API al producto que vendes. SaaS, aplicaciones y bots bajo la oferta y el acuerdo de licencia Ailoot. Solicita una licencia de reventa para redistribuir el acceso. Aplicación comercial Integra generación de texto, imágenes, vídeo y sonido en funciones de pago de tu servicio. Licencia para revendedores Envía descripción del proyecto y esquema de acceso. Solicita condiciones escritas de uso y reventa. Documentos en la web La oferta, el acuerdo de licencia y la política de datos están disponibles antes de conectar. [Solicitar licencia de reventa](mailto:support@ailoot.ai) · [Oferta y acuerdo de licencia](https://ailoot.ai/legal/offer?lang=es-mx) ## Ailoot · La empresa y su cartera de proyectos Ailoot se apoya en la experiencia operativa acumulada, una amplia base de clientes, un servicio estable y el seguimiento continuo de KPI. La empresa y su cartera de proyectos: millones de clientes; ventas por miles de millones al mes. Ailoot aplica esa experiencia operativa al acceso por API a funciones de IA en productos de clientes, agentes, aplicaciones y automatizaciones.