NVIDIA: Nemotron 3.5 Embed 8B (free)

{"about":"### Búsqueda por significado en una base de conocimiento\n\nNemotron 3.5 Embed 8B es un modelo de NVIDIA para convertir consultas y documentos en embeddings. Estas representaciones numéricas ayudan a comparar textos por su contenido cuando la formulación de una pregunta difiere de las palabras de la fuente. El modelo sirve para la capa de búsqueda de una base de conocimiento empresarial, un servicio de consulta o una aplicación que selecciona documentos antes de preparar una respuesta.\n\nEl modelo original de NVIDIA reúne texto e imágenes de documentos en un mismo espacio de representación; la generación 3.5 añade búsquedas en el contenido visual de las páginas. En esta ficha de Ailoot se utiliza su función de texto: texto de entrada y vector de salida.\n\nEn Ailoot están disponibles la entrada de texto y la salida vectorial mediante embeddings. La aplicación recibe una representación del material original y la utiliza para buscar registros cercanos en el índice. Si se necesita una respuesta coherente con explicación, los textos recuperados pueden enviarse a otro modelo de generación junto con la pregunta del usuario.\n\n### Qué distingue a la versión 8B\n\nLa codificación textual se basa en Nemotron 3 Embed 8B. Al crear la generación 3.5, NVIDIA conservó esa parte textual y su espacio de embeddings y amplió el modelo original con capacidades adicionales. La ficha publicada describe una salida de 4096 valores, obtenida mediante el promedio de las representaciones de tokens y normalización L2. Al preparar el índice vectorial, su dimensionalidad debe ajustarse a la respuesta real del método.\n\nLa búsqueda textual se evaluó en 34 idiomas, incluido el ruso. Para instrucciones y manuales multilingües, esto permite considerar el modelo como una capa común de búsqueda. El resultado de la recuperación depende de la composición de la base, de la división de los documentos y de las preguntas habituales de los usuarios; conviene comprobarlo con materiales de tu ámbito.\n\n### Flujo de trabajo\n\n1. Divide los documentos originales en fragmentos que contengan una respuesta o explicación completa.\n2. Obtén los embeddings y guárdalos junto con el texto, el título y una referencia a la fuente.\n3. Transforma la pregunta del usuario con el mismo modelo y encuentra registros cercanos.\n4. Muestra los fragmentos recuperados o utilízalos en RAG para preparar una respuesta basada en las fuentes.\n\n### Tamaño de entrada\n\nPara esta variante, Ailoot indica un contexto textual y un límite de entrada de 32768 tokens. Los fragmentos de un documento largo pueden guardarse como registros independientes con una referencia común al material original. El resultado disponible del modelo es un embedding del texto, que la aplicación utiliza en el procesamiento posterior.","alias_of":null,"aliases":[],"author":"NVIDIA","canonical_model":"nvidia/nemotron-3.5-embed-8b:free","ctx":32768,"formats":["embeddings"],"id":"nvidia/nemotron-3.5-embed-8b:free","input":["text"],"kind":"embedding","max_out":0,"methods":[{"cache_read":null,"cache_write":null,"cache_write_1h":null,"cache_write_5m":null,"conditional_meter":null,"ctx":32768,"family":"openai","fast_multiplier":1,"flex_multiplier":1,"fmt":"embeddings","http":"POST","img_in":null,"img_out":null,"in":0,"input":["text"],"label":"Эмбеддинги","max_out":0,"max_tool_calls":null,"out":0,"output":["embedding"],"path":"/v1/embeddings","request_model_id":"nvidia/nemotron-3.5-embed-8b:free","route_label":"Ultra","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]}],"model_aliases":[{"canonical_model_id":"nvidia/nemotron-3.5-embed-8b:free","request_model_id":"nvidia/nemotron-3.5-embed-8b:free","route_label":"Ultra"}],"name":"NVIDIA: Nemotron 3.5 Embed 8B (free)","price":{"in":0,"in_label":null,"out":null,"out_label":null,"sort_in":0,"sort_out":null,"varies":false},"public_id":"nvidia/nemotron-3.5-embed-8b:free","short":"Embeddings de texto multilingües de NVIDIA para búsquedas semánticas en documentos y construcción de RAG."}