Source: https://ailoot.ai/models/fr-ca/nvidia-llama-nemotron-embed-vl-1b-v2/ Canonical: https://ailoot.ai/models/fr-ca/nvidia-llama-nemotron-embed-vl-1b-v2/ Language: fr-ca # Llama Nemotron Embed VL 1B v2 [Markdown](https://ailoot.ai/models/fr-ca/nvidia-llama-nemotron-embed-vl-1b-v2/index.md) · [JSON](https://ailoot.ai/models/fr-ca/nvidia-llama-nemotron-embed-vl-1b-v2/facts.json) ## [Llama Nemotron Embed VL 1B v2](https://ailoot.ai/models/fr-ca/nvidia-llama-nemotron-embed-vl-1b-v2/) Llama Nemotron Embed VL v2 crée des vecteurs pour la recherche sémantique dans les documents. Le catalogue actuel d’Ailoot présente une entrée textuelle pour les requêtes et les contenus. - [**Ailoot · Plongements vectoriels** `POST /v1/embeddings` `nvidia/llama-nemotron-embed-vl-1b-v2`](https://ailoot.ai/models/fr-ca/nvidia-llama-nemotron-embed-vl-1b-v2/#method-0) - [**Ailoot · Plongements vectoriels** `POST /v1/embeddings` `nemotron-embed-vl`](https://ailoot.ai/models/fr-ca/nvidia-llama-nemotron-embed-vl-1b-v2/#method-1) - [**Ailoot · Plongements vectoriels** `POST /v1/embeddings` `nemotron-embed-vl-latest`](https://ailoot.ai/models/fr-ca/nvidia-llama-nemotron-embed-vl-1b-v2/#method-2) À propos du modèle Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous. #### Retrouver la page pertinente à partir d’une question Llama Nemotron Embed VL 1B v2 est développé par NVIDIA pour rechercher des contenus qui aident à répondre à une question. La requête est formulée en texte. Le catalogue actuel d’Ailoot présente une entrée textuelle pour ce modèle : la question et le contenu sont encodés comme du texte. Le fabricant décrit également le document sous la forme d’une image de page ou d’une image accompagnée du texte extrait. Ces variantes visuelles nécessitent une méthode distincte prenant en charge les images. Avec une entrée adaptée, le modèle représente les tableaux, les graphiques et les infographies dans un espace vectoriel commun. Cette recherche convient aux assistants de questions-réponses sur de grandes collections de documents, aux référentiels internes et aux documents de recherche. Le résultat de l’encodage est un vecteur numérique. La page ou le segment trouvé peut ensuite être fourni à un modèle qui produit la réponse : Embed VL effectue lui-même l’étape de recherche du contexte. #### Les variantes de document chez le fabricant - Document textuel : une section distincte, un segment ou le texte d’une page déjà reconnu. - Image : une page entière avec son texte, ses tableaux et ses éléments graphiques. - Image avec texte : l’apparence visuelle de la page et son contenu textuel sont réunis dans une même représentation. La requête et le document sont encodés indépendamment. La collection peut donc être traitée à l’avance, et les vecteurs enregistrés avec les pages sources ; pour une nouvelle question, seul le vecteur de la requête est calculé. La similarité des vecteurs aide à choisir les contenus selon leur sens. Les rôles textuels de la requête et du document sont différents, ce qu’il est important de préserver lors de la préparation des données. #### La dimension de la représentation et la longueur d’entrée Chaque entrée est transformée en un vecteur de dimension allant jusqu’à 2048 nombres. Le mode textuel utilise un budget de 8192 jetons. Pour la méthode visuelle du fabricant associant image et texte, un budget total de 10240 jetons est décrit, comprenant les deux parties ; ce n’est pas la limite textuelle de la méthode Ailoot. L’image est découpée en segments : dans la configuration décrite, jusqu’à six segments et une copie réduite de la page entière sont autorisés, soit environ 1792 jetons visuels au total. Les textes longs doivent être divisés ou raccourcis. La partie linguistique repose sur Llama 3.2 1B, et la partie visuelle sur SigLIP2. Elles sont réunies dans un encodeur qui calcule la moyenne des représentations des jetons d’entrée et produit un vecteur unique. L’apprentissage contrastif rapproche la question de la page appropriée et l’éloigne des contenus non pertinents. La recherche reste probabiliste : la proximité des vecteurs ne garantit pas que le segment choisi contient la bonne réponse. **Ailoot · Plongements vectoriels** `POST /v1/embeddings` `nvidia/llama-nemotron-embed-vl-1b-v2` [`nvidia/llama-nemotron-embed-vl-1b-v2`](https://ailoot.ai/models/fr-ca/#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 du modèle - `nvidia/llama-nemotron-embed-vl-1b-v2` - `nemotron-embed-vl` - `nemotron-embed-vl-latest` ### Pour commencer Llama Nemotron Embed VL v2 crée des vecteurs pour la recherche sémantique dans les documents. Le catalogue actuel d’Ailoot présente une entrée textuelle pour les requêtes et les contenus. Entrées acceptées Texte Résultats embedding ### Disponible dans Ailoot · entrées et méthodes **Ailoot · Plongements vectoriels** `POST /v1/embeddings` Entrée `text` Sortie `embedding` Contexte 4 096 tokens Format de sortie json | Champ | Type | Exigence | Valeurs et limites | Par défaut | | --- | --- | --- | --- | --- | | Champ`model` | Type`string` | ExigenceObligatoire | Valeurs et limites nvidia/llama-nemotron-embed-vl-1b-v2 | Par défaut— | | Champ`input` | Type`string\|string[]` | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 Conditions: Chaque chaîne doit être non vide après trim; les URI de données sont rejetées; le budget accepté mesure les octets UTF8 pertinents. | Par défaut— | | Champ`input_type` | Type`string` | ExigenceFacultatif | Valeurs et limites query, passage | Par défautquery | | Champ`encoding_format` | Type`string` | ExigenceFacultatif | Valeurs et limites float, base64 | Par défautfloat | | Champ`truncate` | Type`string` | ExigenceFacultatif | Valeurs et limites NONE, START, END | Par défaut— | | Champ`dimensions` | Type`integer` | ExigenceFacultatif | Valeurs et limites Minimum: 1 | Par défaut— | | Champ`user` | Type`string` | ExigenceFacultatif | Valeurs et limites | Par défaut— | Combinaisons d’éléments d’entrée **text\_to\_embedding** Paramètres et cycle de vie de la méthode | Paramètre | Contrat | | --- | --- | | Paramètre`material_types` | Contrattext | | Paramètre`required` | Contratmodel, input | | Paramètre`optional_controls` | Contratnull | | Paramètre`content_type` | Contratapplication/json | Cycle de vie : `exact retained published method` Les structures des méthodes et les ID sont exacts ; la capacité du fournisseur est distincte de l’admission des requêtes. ### Tarifs #### Tarifs des méthodes Ailoot Entrée 0,0001 USD */ 1K* Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. [Fonctionnement de la réservation et du débit →](https://ailoot.ai/docs/fr-ca/billing/reserve/) ### Exemples de requêtes #### Ailoot · Plongements vectoriels Exemple d’embeddings ```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 ``` ### Recevoir et enregistrer les résultats #### Ailoot · Plongements vectoriels json ##### Conserver tous les résultats terminés Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité. Décodez les vecteurs base64 seulement si ce format a été demandé; conservez chaque vecteur et son indice d’origine. ##### Si la réponse d’origine doit être vérifiée Aucun point de terminaison dédié aux tâches d’embedding n’est ajouté. Champs de la réponse | Champ | Type | | --- | --- | | Champ`data[].index` | Typeinteger | | Champ`data[].embedding` | Typefinite float\[\]\|base64 float32 vector | | Champ`model` | Typestring | | Champ`usage` | Typeobject | Erreurs et étapes suivantes | Réponse | Condition | Étape suivante | | --- | --- | --- | | Réponse400 · `invalid_request_error` | ConditionChamps obligatoires, représentation des éléments fournis ou valeur de paramètre invalides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. | ### Alias #### Alias du modèle **Ailoot** [`nvidia/llama-nemotron-embed-vl-1b-v2`](https://ailoot.ai/models/fr-ca/#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/fr-ca/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl&fmt=embeddings), [`nemotron-embed-vl-latest`](https://ailoot.ai/models/fr-ca/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl-latest&fmt=embeddings) #### Alias des chemins de méthode Utilisez les chemins de méthode indiqués ci-dessus. #### ID d’appel associés [`nvidia/llama-nemotron-embed-vl-1b-v2`](https://ailoot.ai/models/fr-ca/#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/fr-ca/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl&fmt=embeddings), [`nemotron-embed-vl-latest`](https://ailoot.ai/models/fr-ca/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl-latest&fmt=embeddings) **Ailoot · Plongements vectoriels** `POST /v1/embeddings` `nemotron-embed-vl` [`nemotron-embed-vl`](https://ailoot.ai/models/fr-ca/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl&fmt=embeddings) NVIDIA /`nemotron-embed-vl` ID du modèle - `nvidia/llama-nemotron-embed-vl-1b-v2` - `nemotron-embed-vl` - `nemotron-embed-vl-latest` ### Pour commencer Llama Nemotron Embed VL v2 crée des vecteurs pour la recherche sémantique dans les documents. Le catalogue actuel d’Ailoot présente une entrée textuelle pour les requêtes et les contenus. Entrées acceptées Texte Résultats embedding ### Disponible dans Ailoot · entrées et méthodes **Ailoot · Plongements vectoriels** `POST /v1/embeddings` Entrée `text` Sortie `embedding` Contexte 4 096 tokens Format de sortie json | Champ | Type | Exigence | Valeurs et limites | Par défaut | | --- | --- | --- | --- | --- | | Champ`model` | Type`string` | ExigenceObligatoire | Valeurs et limites nemotron-embed-vl | Par défaut— | | Champ`input` | Type`string\|string[]` | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 Conditions: Chaque chaîne doit être non vide après trim; les URI de données sont rejetées; le budget accepté mesure les octets UTF8 pertinents. | Par défaut— | | Champ`input_type` | Type`string` | ExigenceFacultatif | Valeurs et limites query, passage | Par défautquery | | Champ`encoding_format` | Type`string` | ExigenceFacultatif | Valeurs et limites float, base64 | Par défautfloat | | Champ`truncate` | Type`string` | ExigenceFacultatif | Valeurs et limites NONE, START, END | Par défaut— | | Champ`dimensions` | Type`integer` | ExigenceFacultatif | Valeurs et limites Minimum: 1 | Par défaut— | | Champ`user` | Type`string` | ExigenceFacultatif | Valeurs et limites | Par défaut— | Combinaisons d’éléments d’entrée **text\_to\_embedding** Paramètres et cycle de vie de la méthode | Paramètre | Contrat | | --- | --- | | Paramètre`material_types` | Contrattext | | Paramètre`required` | Contratmodel, input | | Paramètre`optional_controls` | Contratnull | | Paramètre`content_type` | Contratapplication/json | Cycle de vie : `exact retained published method` Les structures des méthodes et les ID sont exacts ; la capacité du fournisseur est distincte de l’admission des requêtes. ### Tarifs #### Tarifs des méthodes Ailoot Entrée 0,0001 USD */ 1K* Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. [Fonctionnement de la réservation et du débit →](https://ailoot.ai/docs/fr-ca/billing/reserve/) ### Exemples de requêtes #### Ailoot · Plongements vectoriels Exemple d’embeddings ```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 ``` ### Recevoir et enregistrer les résultats #### Ailoot · Plongements vectoriels json ##### Conserver tous les résultats terminés Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité. Décodez les vecteurs base64 seulement si ce format a été demandé; conservez chaque vecteur et son indice d’origine. ##### Si la réponse d’origine doit être vérifiée Aucun point de terminaison dédié aux tâches d’embedding n’est ajouté. Champs de la réponse | Champ | Type | | --- | --- | | Champ`data[].index` | Typeinteger | | Champ`data[].embedding` | Typefinite float\[\]\|base64 float32 vector | | Champ`model` | Typestring | | Champ`usage` | Typeobject | Erreurs et étapes suivantes | Réponse | Condition | Étape suivante | | --- | --- | --- | | Réponse400 · `invalid_request_error` | ConditionChamps obligatoires, représentation des éléments fournis ou valeur de paramètre invalides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. | ### Alias #### Alias du modèle **Ailoot** [`nvidia/llama-nemotron-embed-vl-1b-v2`](https://ailoot.ai/models/fr-ca/#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/fr-ca/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl&fmt=embeddings), [`nemotron-embed-vl-latest`](https://ailoot.ai/models/fr-ca/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl-latest&fmt=embeddings) #### Alias des chemins de méthode Utilisez les chemins de méthode indiqués ci-dessus. #### ID d’appel associés [`nvidia/llama-nemotron-embed-vl-1b-v2`](https://ailoot.ai/models/fr-ca/#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/fr-ca/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl&fmt=embeddings), [`nemotron-embed-vl-latest`](https://ailoot.ai/models/fr-ca/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl-latest&fmt=embeddings) **Ailoot · Plongements vectoriels** `POST /v1/embeddings` `nemotron-embed-vl-latest` [`nemotron-embed-vl-latest`](https://ailoot.ai/models/fr-ca/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl-latest&fmt=embeddings) NVIDIA /`nemotron-embed-vl-latest` ID du modèle - `nvidia/llama-nemotron-embed-vl-1b-v2` - `nemotron-embed-vl` - `nemotron-embed-vl-latest` ### Pour commencer Llama Nemotron Embed VL v2 crée des vecteurs pour la recherche sémantique dans les documents. Le catalogue actuel d’Ailoot présente une entrée textuelle pour les requêtes et les contenus. Entrées acceptées Texte Résultats embedding ### Disponible dans Ailoot · entrées et méthodes **Ailoot · Plongements vectoriels** `POST /v1/embeddings` Entrée `text` Sortie `embedding` Contexte 4 096 tokens Format de sortie json | Champ | Type | Exigence | Valeurs et limites | Par défaut | | --- | --- | --- | --- | --- | | Champ`model` | Type`string` | ExigenceObligatoire | Valeurs et limites nemotron-embed-vl-latest | Par défaut— | | Champ`input` | Type`string\|string[]` | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 Conditions: Chaque chaîne doit être non vide après trim; les URI de données sont rejetées; le budget accepté mesure les octets UTF8 pertinents. | Par défaut— | | Champ`input_type` | Type`string` | ExigenceFacultatif | Valeurs et limites query, passage | Par défautquery | | Champ`encoding_format` | Type`string` | ExigenceFacultatif | Valeurs et limites float, base64 | Par défautfloat | | Champ`truncate` | Type`string` | ExigenceFacultatif | Valeurs et limites NONE, START, END | Par défaut— | | Champ`dimensions` | Type`integer` | ExigenceFacultatif | Valeurs et limites Minimum: 1 | Par défaut— | | Champ`user` | Type`string` | ExigenceFacultatif | Valeurs et limites | Par défaut— | Combinaisons d’éléments d’entrée **text\_to\_embedding** Paramètres et cycle de vie de la méthode | Paramètre | Contrat | | --- | --- | | Paramètre`material_types` | Contrattext | | Paramètre`required` | Contratmodel, input | | Paramètre`optional_controls` | Contratnull | | Paramètre`content_type` | Contratapplication/json | Cycle de vie : `exact retained published method` Les structures des méthodes et les ID sont exacts ; la capacité du fournisseur est distincte de l’admission des requêtes. ### Tarifs #### Tarifs des méthodes Ailoot Entrée 0,0001 USD */ 1K* Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. [Fonctionnement de la réservation et du débit →](https://ailoot.ai/docs/fr-ca/billing/reserve/) ### Exemples de requêtes #### Ailoot · Plongements vectoriels Exemple d’embeddings ```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 ``` ### Recevoir et enregistrer les résultats #### Ailoot · Plongements vectoriels json ##### Conserver tous les résultats terminés Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité. Décodez les vecteurs base64 seulement si ce format a été demandé; conservez chaque vecteur et son indice d’origine. ##### Si la réponse d’origine doit être vérifiée Aucun point de terminaison dédié aux tâches d’embedding n’est ajouté. Champs de la réponse | Champ | Type | | --- | --- | | Champ`data[].index` | Typeinteger | | Champ`data[].embedding` | Typefinite float\[\]\|base64 float32 vector | | Champ`model` | Typestring | | Champ`usage` | Typeobject | Erreurs et étapes suivantes | Réponse | Condition | Étape suivante | | --- | --- | --- | | Réponse400 · `invalid_request_error` | ConditionChamps obligatoires, représentation des éléments fournis ou valeur de paramètre invalides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. | ### Alias #### Alias du modèle **Ailoot** [`nvidia/llama-nemotron-embed-vl-1b-v2`](https://ailoot.ai/models/fr-ca/#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/fr-ca/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl&fmt=embeddings), [`nemotron-embed-vl-latest`](https://ailoot.ai/models/fr-ca/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl-latest&fmt=embeddings) #### Alias des chemins de méthode Utilisez les chemins de méthode indiqués ci-dessus. #### ID d’appel associés [`nvidia/llama-nemotron-embed-vl-1b-v2`](https://ailoot.ai/models/fr-ca/#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/fr-ca/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl&fmt=embeddings), [`nemotron-embed-vl-latest`](https://ailoot.ai/models/fr-ca/#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 Quelles entrées et quels résultats sont disponibles ? `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` Quels champs la requête utilise-t-elle ? `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` Quelles limites s’appliquent ? `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` Connectez Ailoot à Claude Code, OpenCode, Hermes ou à votre application. ## L’entreprise et son portefeuille de projets L’entreprise et son portefeuille de projets : des millions de clients ; des ventes qui se chiffrent en milliards chaque mois. ## Achetez des tokens à prix réduit. Une remise d’abonnement pour le travail régulier. Des codes promo jusqu’à 50% sur l’achat de tokens. Abonnement Choisissez une offre à tarif réduit pour vos requêtes régulières. Code promo jusqu’à 50% Saisissez le code à l’achat. Le prix est recalculé selon la promotion en cours. Dépenses dans l’historique Modèle, tokens et montant sont enregistrés pour chaque requête. [Choisir un abonnement](https://ailoot.ai/docs/fr-ca/billing/subscriptions/) · [Voir les prix des modèles](https://ailoot.ai/models/fr-ca/) ## Connectez l’API au produit que vous vendez. SaaS, applications et bots selon l’offre officielle et le contrat de licence Ailoot. Pour la revente, demandez une licence revendeur. Application commerciale Intégrez la génération de texte, d’images, de vidéo et de son aux fonctions payantes de votre service. Licence revendeur Envoyez la description du projet et le mode d’accès. Demandez des conditions écrites d’utilisation et de revente. Documents sur le site L’offre officielle, le contrat de licence et la politique de traitement des données sont accessibles avant connexion. [Demander une licence revendeur](mailto:support@ailoot.ai) · [Offre officielle et contrat de licence](https://ailoot.ai/legal/offer?lang=fr-ca) ## Ailoot · L’entreprise et son portefeuille de projets Ailoot s’appuie sur une expérience opérationnelle éprouvée, une large clientèle, un service stable et un suivi continu des KPI. L’entreprise et son portefeuille de projets : des millions de clients ; des ventes qui se chiffrent en milliards chaque mois. Ailoot met cette expérience opérationnelle au service de l’accès API aux fonctions d’IA dans les produits des clients, leurs agents, applications et automatisations.