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/embeddingsnvidia/llama-nemotron-embed-vl-1b-v2 - Ailoot · Plongements vectoriels
POST /v1/embeddingsnemotron-embed-vl - Ailoot · Plongements vectoriels
POST /v1/embeddingsnemotron-embed-vl-latest
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 tokens. Pour la méthode visuelle du fabricant associant image et texte, un budget total de 10240 tokens 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 tokens 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 tokens 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
nvidia/llama-nemotron-embed-vl-1b-v2nvidia/llama-nemotron-embed-vl-1b-v2nemotron-embed-vlnemotron-embed-vl-latest
Premiers pas
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
- Types d’entrée
text- Types de sortie
embedding- Contexte
- 4 096 tokens
- Format de sortie
- json
| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites nvidia/llama-nemotron-embed-vl-1b-v2 | Par défaut— |
Champinput | Typestring|string[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 Conditions: Chaque chaîne doit rester non vide après suppression des caractères d’espacement au début et à la fin ; les URI data sont rejetées ; le budget accepté mesure les octets UTF8 concernés. | Par défaut— |
Champinput_type | Typestring | ExigenceFacultatif | Valeurs et limites query, passage | Par défautquery |
Champencoding_format | Typestring | ExigenceFacultatif | Valeurs et limites float, base64 | Par défautfloat |
Champtruncate | Typestring | ExigenceFacultatif | Valeurs et limites NONE, START, END | Par défaut— |
Champdimensions | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 | Par défaut— |
Champuser | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Combinaisons d’éléments d’entrée
text_to_embedding
Paramètres et cycle de vie de la méthode
| Paramètre | Contrat |
|---|---|
Paramètrematerial_types | Contrattext |
Paramètrerequired | Contratmodel, input |
Paramètreoptional_controls | Contratnull |
Paramètrecontent_type | Contratapplication/json |
Cycle de vie : exact retained published method
Les structures des méthodes et les identifiants sont exacts ; la capacité du fournisseur est distincte de l’admission.
Tarifs
Tarifs des méthodes Ailoot
POST /v1/embeddings- 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 →
Exemples de requêtes
Ailoot · Plongements vectoriels
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 uniquement lorsque ce format a été demandé ; conservez chaque vecteur et son index 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 |
|---|---|
Champdata[].index | Typeinteger |
Champdata[].embedding | Typefinite float[]|base64 float32 vector |
Champmodel | Typestring |
Champusage | Typeobject |
Erreurs et étapes suivantes
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Alias
Alias du modèle
Ailoot nvidia/llama-nemotron-embed-vl-1b-v2, nemotron-embed-vl, nemotron-embed-vl-latest
Alias des chemins de méthode
Utilisez les chemins de méthode indiqués ci-dessus.
ID d’appel associés
nvidia/llama-nemotron-embed-vl-1b-v2, nemotron-embed-vl, nemotron-embed-vl-latest
Ailoot · Plongements vectoriels POST /v1/embeddings nemotron-embed-vl
nemotron-embed-vlnvidia/llama-nemotron-embed-vl-1b-v2nemotron-embed-vlnemotron-embed-vl-latest
Premiers pas
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
- Types d’entrée
text- Types de sortie
embedding- Contexte
- 4 096 tokens
- Format de sortie
- json
| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites nemotron-embed-vl | Par défaut— |
Champinput | Typestring|string[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 Conditions: Chaque chaîne doit rester non vide après suppression des caractères d’espacement au début et à la fin ; les URI data sont rejetées ; le budget accepté mesure les octets UTF8 concernés. | Par défaut— |
Champinput_type | Typestring | ExigenceFacultatif | Valeurs et limites query, passage | Par défautquery |
Champencoding_format | Typestring | ExigenceFacultatif | Valeurs et limites float, base64 | Par défautfloat |
Champtruncate | Typestring | ExigenceFacultatif | Valeurs et limites NONE, START, END | Par défaut— |
Champdimensions | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 | Par défaut— |
Champuser | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Combinaisons d’éléments d’entrée
text_to_embedding
Paramètres et cycle de vie de la méthode
| Paramètre | Contrat |
|---|---|
Paramètrematerial_types | Contrattext |
Paramètrerequired | Contratmodel, input |
Paramètreoptional_controls | Contratnull |
Paramètrecontent_type | Contratapplication/json |
Cycle de vie : exact retained published method
Les structures des méthodes et les identifiants sont exacts ; la capacité du fournisseur est distincte de l’admission.
Tarifs
Tarifs des méthodes Ailoot
POST /v1/embeddings- 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 →
Exemples de requêtes
Ailoot · Plongements vectoriels
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 uniquement lorsque ce format a été demandé ; conservez chaque vecteur et son index 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 |
|---|---|
Champdata[].index | Typeinteger |
Champdata[].embedding | Typefinite float[]|base64 float32 vector |
Champmodel | Typestring |
Champusage | Typeobject |
Erreurs et étapes suivantes
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Alias
Alias du modèle
Ailoot nvidia/llama-nemotron-embed-vl-1b-v2, nemotron-embed-vl, nemotron-embed-vl-latest
Alias des chemins de méthode
Utilisez les chemins de méthode indiqués ci-dessus.
ID d’appel associés
nvidia/llama-nemotron-embed-vl-1b-v2, nemotron-embed-vl, nemotron-embed-vl-latest
Ailoot · Plongements vectoriels POST /v1/embeddings nemotron-embed-vl-latest
nemotron-embed-vl-latestnvidia/llama-nemotron-embed-vl-1b-v2nemotron-embed-vlnemotron-embed-vl-latest
Premiers pas
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
- Types d’entrée
text- Types de sortie
embedding- Contexte
- 4 096 tokens
- Format de sortie
- json
| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites nemotron-embed-vl-latest | Par défaut— |
Champinput | Typestring|string[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 Conditions: Chaque chaîne doit rester non vide après suppression des caractères d’espacement au début et à la fin ; les URI data sont rejetées ; le budget accepté mesure les octets UTF8 concernés. | Par défaut— |
Champinput_type | Typestring | ExigenceFacultatif | Valeurs et limites query, passage | Par défautquery |
Champencoding_format | Typestring | ExigenceFacultatif | Valeurs et limites float, base64 | Par défautfloat |
Champtruncate | Typestring | ExigenceFacultatif | Valeurs et limites NONE, START, END | Par défaut— |
Champdimensions | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 | Par défaut— |
Champuser | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Combinaisons d’éléments d’entrée
text_to_embedding
Paramètres et cycle de vie de la méthode
| Paramètre | Contrat |
|---|---|
Paramètrematerial_types | Contrattext |
Paramètrerequired | Contratmodel, input |
Paramètreoptional_controls | Contratnull |
Paramètrecontent_type | Contratapplication/json |
Cycle de vie : exact retained published method
Les structures des méthodes et les identifiants sont exacts ; la capacité du fournisseur est distincte de l’admission.
Tarifs
Tarifs des méthodes Ailoot
POST /v1/embeddings- 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 →
Exemples de requêtes
Ailoot · Plongements vectoriels
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 uniquement lorsque ce format a été demandé ; conservez chaque vecteur et son index 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 |
|---|---|
Champdata[].index | Typeinteger |
Champdata[].embedding | Typefinite float[]|base64 float32 vector |
Champmodel | Typestring |
Champusage | Typeobject |
Erreurs et étapes suivantes
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Alias
Alias du modèle
Ailoot nvidia/llama-nemotron-embed-vl-1b-v2, nemotron-embed-vl, nemotron-embed-vl-latest
Alias des chemins de méthode
Utilisez les chemins de méthode indiqués ci-dessus.
ID d’appel associés
nvidia/llama-nemotron-embed-vl-1b-v2, nemotron-embed-vl, nemotron-embed-vl-latest
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→embeddingPOST /v1/embeddings·nemotron-embed-vl:text→embeddingPOST /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,userPOST /v1/embeddings·nemotron-embed-vl:model,input,input_type,encoding_format,truncate,dimensions,userPOST /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:1POST /v1/embeddings·nemotron-embed-vl:ctx:4096;input.min_items:1;dimensions.minimum:1POST /v1/embeddings·nemotron-embed-vl-latest:ctx:4096;input.min_items:1;dimensions.minimum:1