Llama Nemotron Embed VL 1B v2
Llama Nemotron Embed VL v2 יוצר וקטורים לחיפוש סמנטי במסמכים. בקטלוג הנוכחי של Ailoot מוצג קלט טקסטואלי לשאילתות ולחומרים.
- Ailoot · ייצוגים וקטוריים
POST /v1/embeddingsnvidia/llama-nemotron-embed-vl-1b-v2 - Ailoot · ייצוגים וקטוריים
POST /v1/embeddingsnemotron-embed-vl - Ailoot · ייצוגים וקטוריים
POST /v1/embeddingsnemotron-embed-vl-latest
על המודל
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
למצוא את העמוד הדרוש לפי שאלה
Llama Nemotron Embed VL 1B v2 פותח בידי NVIDIA לחיפוש חומרים שמסייעים לענות על שאלה. השאילתה מוגדרת בטקסט. בקטלוג הנוכחי של Ailoot מוצג למודל קלט טקסטואלי: השאלה והחומר מקודדים כטקסט. היצרן מתאר גם מסמך כתמונת עמוד או כתמונה יחד עם טקסט שחולץ. האפשרויות החזותיות האלה דורשות שיטה נפרדת עם תמיכה בתמונות. עם קלט מתאים המודל מייצג טבלאות, גרפים ואינפוגרפיקה במרחב וקטורים משותף.
חיפוש כזה מתאים לעוזרי שאלות ותשובות על אוסף מסמכים גדול, למדריכים פנימיים ולחומרי מחקר. תוצאת הקידוד היא וקטור מספרי. אפשר להעביר אחר כך את העמוד או המקטע שנמצא למודל שמפיק תשובה: Embed VL עצמו מבצע את שלב חיפוש ההקשר.
אפשרויות מסמך אצל היצרן
- מסמך טקסטואלי: סעיף נפרד, מקטע או טקסט עמוד שכבר זוהה.
- תמונה: עמוד שלם עם הטקסט, הטבלאות והאלמנטים הגרפיים שלו.
- תמונה עם טקסט: המראה החזותי של העמוד ותוכנו הטקסטואלי משולבים בייצוג אחד.
השאילתה והמסמך מקודדים בנפרד. לכן אפשר לעבד את האוסף מראש, לשמור את הווקטורים עם עמודי המקור, ובשאלה חדשה לחשב רק את וקטור השאילתה. הדמיון בין הווקטורים מסייע לבחור חומרים לפי משמעותם. התפקידים הטקסטואליים של שאילתה ושל מסמך שונים, וחשוב לשמור על כך בהכנת הנתונים.
גודל הייצוג ואורך הקלט
כל קלט מומר לווקטור אחד בעל עד 2048 מספרים. במצב הטקסטואלי משתמשים בתקציב של 8192 טוקנים. לשיטה החזותית של היצרן עם שילוב תמונה וטקסט מתואר תקציב כולל של 10240 טוקנים שכולל את שני החלקים; זו אינה מגבלת הטקסט של שיטת Ailoot. התמונה מחולקת למקטעים: בתצורה המתוארת מותרים עד שישה מקטעים ועותק מוקטן של העמוד כולו, יחד כ־1792 טוקנים חזותיים. טקסטים ארוכים דורשים חלוקה או קיצור.
החלק הלשוני מבוסס על Llama 3.2 1B, והחזותי על SigLIP2. הם מאוחדים במקודד שמחשב ממוצע של ייצוגי טוקני הקלט ומפיק וקטור יחיד. אימון ניגודי מקרב את השאלה לעמוד המתאים ומרחיק אותה מחומרים לא רלוונטיים. החיפוש נשאר הסתברותי: קרבה בין וקטורים אינה מבטיחה שהמקטע שנבחר מכיל תשובה נכונה.
Ailoot · ייצוגים וקטוריים 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
התחלה
Llama Nemotron Embed VL v2 יוצר וקטורים לחיפוש סמנטי במסמכים. בקטלוג הנוכחי של Ailoot מוצג קלט טקסטואלי לשאילתות ולחומרים.
- סוגי קלט נתמכים
- טקסט
- תוצאות
- embedding
זמין ב-Ailoot · קלט ושיטות
Ailoot · ייצוגים וקטוריים POST /v1/embeddings
- סוגי קלט
text- סוגי פלט
embedding- הקשר
- 4,096 tokens
- פורמט פלט
- json
| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות nvidia/llama-nemotron-embed-vl-1b-v2 | ברירת מחדל— |
שדהinput | סוגstring|string[] | דרישהחובה | ערכים ומגבלות מספר פריטים מזערי: 1 תנאים: כל מחרוזת חייבת להיות לא ריקה לאחר הסרת רווחים בקצוות; כתובות URI מסוג data נדחות; התקציב שהתקבל מודד את בתי ה־UTF8 הרלוונטיים. | ברירת מחדל— |
שדהinput_type | סוגstring | דרישהרשות | ערכים ומגבלות query, passage | ברירת מחדלquery |
שדהencoding_format | סוגstring | דרישהרשות | ערכים ומגבלות float, base64 | ברירת מחדלfloat |
שדהtruncate | סוגstring | דרישהרשות | ערכים ומגבלות NONE, START, END | ברירת מחדל— |
שדהdimensions | סוגinteger | דרישהרשות | ערכים ומגבלות מינימום: 1 | ברירת מחדל— |
שדהuser | סוגstring | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שילובים של חומרי קלט
text_to_embedding
פרמטרים ומחזור חיים של השיטה
| פרמטר | מפרט |
|---|---|
פרמטרmaterial_types | מפרטtext |
פרמטרrequired | מפרטmodel, input |
פרמטרoptional_controls | מפרטnull |
פרמטרcontent_type | מפרטapplication/json |
מחזור חיים: exact retained published method
מבני המתודות והמזהים מדויקים; יכולת הספק נפרדת מקבלת הבקשה לביצוע.
תעריפים
תעריפי שיטות Ailoot
POST /v1/embeddings- קלט
- 0.0001 $ / 1K
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
דוגמאות לבקשות
Ailoot · ייצוגים וקטוריים
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
קבלה ושמירה של תוצאות
Ailoot · ייצוגים וקטוריים
json
שמירת כל התוצאות שהושלמו
שמרו כל תגובה מלאה, קובץ ומקטע תוכן שהוחזרו.
יש לפענח וקטורי base64 רק כאשר הפורמט הזה התבקש; יש לשמור כל וקטור ואת האינדקס המקורי שלו.
כשצריך לבדוק את התגובה המקורית
לא מתווספת נקודת קצה למשימות הטמעה.
שדות התגובה
| שדה | סוג |
|---|---|
שדהdata[].index | סוגinteger |
שדהdata[].embedding | סוגfinite float[]|base64 float32 vector |
שדהmodel | סוגstring |
שדהusage | סוגobject |
שגיאות והשלבים הבאים
| תגובה | תנאי | השלב הבא |
|---|---|---|
תגובה400 · invalid_request_error | תנאישדות נדרשים, ייצוג חומר או ערך פרמטר שאינם תקינים | השלב הבאתקנו את השדות שצוינו לפני בקשת יצירה חדשה. |
כינויים
כינויים למודל
Ailoot nvidia/llama-nemotron-embed-vl-1b-v2, nemotron-embed-vl, nemotron-embed-vl-latest
כינויים לנתיבי שיטות
השתמשו בנתיבי השיטות המוצגים למעלה.
מזהי מודלים קשורים IDs
nvidia/llama-nemotron-embed-vl-1b-v2, nemotron-embed-vl, nemotron-embed-vl-latest
Ailoot · ייצוגים וקטוריים POST /v1/embeddings nemotron-embed-vl
nemotron-embed-vlnvidia/llama-nemotron-embed-vl-1b-v2nemotron-embed-vlnemotron-embed-vl-latest
התחלה
Llama Nemotron Embed VL v2 יוצר וקטורים לחיפוש סמנטי במסמכים. בקטלוג הנוכחי של Ailoot מוצג קלט טקסטואלי לשאילתות ולחומרים.
- סוגי קלט נתמכים
- טקסט
- תוצאות
- embedding
זמין ב-Ailoot · קלט ושיטות
Ailoot · ייצוגים וקטוריים POST /v1/embeddings
- סוגי קלט
text- סוגי פלט
embedding- הקשר
- 4,096 tokens
- פורמט פלט
- json
| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות nemotron-embed-vl | ברירת מחדל— |
שדהinput | סוגstring|string[] | דרישהחובה | ערכים ומגבלות מספר פריטים מזערי: 1 תנאים: כל מחרוזת חייבת להיות לא ריקה לאחר הסרת רווחים בקצוות; כתובות URI מסוג data נדחות; התקציב שהתקבל מודד את בתי ה־UTF8 הרלוונטיים. | ברירת מחדל— |
שדהinput_type | סוגstring | דרישהרשות | ערכים ומגבלות query, passage | ברירת מחדלquery |
שדהencoding_format | סוגstring | דרישהרשות | ערכים ומגבלות float, base64 | ברירת מחדלfloat |
שדהtruncate | סוגstring | דרישהרשות | ערכים ומגבלות NONE, START, END | ברירת מחדל— |
שדהdimensions | סוגinteger | דרישהרשות | ערכים ומגבלות מינימום: 1 | ברירת מחדל— |
שדהuser | סוגstring | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שילובים של חומרי קלט
text_to_embedding
פרמטרים ומחזור חיים של השיטה
| פרמטר | מפרט |
|---|---|
פרמטרmaterial_types | מפרטtext |
פרמטרrequired | מפרטmodel, input |
פרמטרoptional_controls | מפרטnull |
פרמטרcontent_type | מפרטapplication/json |
מחזור חיים: exact retained published method
מבני המתודות והמזהים מדויקים; יכולת הספק נפרדת מקבלת הבקשה לביצוע.
תעריפים
תעריפי שיטות Ailoot
POST /v1/embeddings- קלט
- 0.0001 $ / 1K
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
דוגמאות לבקשות
Ailoot · ייצוגים וקטוריים
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
קבלה ושמירה של תוצאות
Ailoot · ייצוגים וקטוריים
json
שמירת כל התוצאות שהושלמו
שמרו כל תגובה מלאה, קובץ ומקטע תוכן שהוחזרו.
יש לפענח וקטורי base64 רק כאשר הפורמט הזה התבקש; יש לשמור כל וקטור ואת האינדקס המקורי שלו.
כשצריך לבדוק את התגובה המקורית
לא מתווספת נקודת קצה למשימות הטמעה.
שדות התגובה
| שדה | סוג |
|---|---|
שדהdata[].index | סוגinteger |
שדהdata[].embedding | סוגfinite float[]|base64 float32 vector |
שדהmodel | סוגstring |
שדהusage | סוגobject |
שגיאות והשלבים הבאים
| תגובה | תנאי | השלב הבא |
|---|---|---|
תגובה400 · invalid_request_error | תנאישדות נדרשים, ייצוג חומר או ערך פרמטר שאינם תקינים | השלב הבאתקנו את השדות שצוינו לפני בקשת יצירה חדשה. |
כינויים
כינויים למודל
Ailoot nvidia/llama-nemotron-embed-vl-1b-v2, nemotron-embed-vl, nemotron-embed-vl-latest
כינויים לנתיבי שיטות
השתמשו בנתיבי השיטות המוצגים למעלה.
מזהי מודלים קשורים IDs
nvidia/llama-nemotron-embed-vl-1b-v2, nemotron-embed-vl, nemotron-embed-vl-latest
Ailoot · ייצוגים וקטוריים POST /v1/embeddings nemotron-embed-vl-latest
nemotron-embed-vl-latestnvidia/llama-nemotron-embed-vl-1b-v2nemotron-embed-vlnemotron-embed-vl-latest
התחלה
Llama Nemotron Embed VL v2 יוצר וקטורים לחיפוש סמנטי במסמכים. בקטלוג הנוכחי של Ailoot מוצג קלט טקסטואלי לשאילתות ולחומרים.
- סוגי קלט נתמכים
- טקסט
- תוצאות
- embedding
זמין ב-Ailoot · קלט ושיטות
Ailoot · ייצוגים וקטוריים POST /v1/embeddings
- סוגי קלט
text- סוגי פלט
embedding- הקשר
- 4,096 tokens
- פורמט פלט
- json
| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות nemotron-embed-vl-latest | ברירת מחדל— |
שדהinput | סוגstring|string[] | דרישהחובה | ערכים ומגבלות מספר פריטים מזערי: 1 תנאים: כל מחרוזת חייבת להיות לא ריקה לאחר הסרת רווחים בקצוות; כתובות URI מסוג data נדחות; התקציב שהתקבל מודד את בתי ה־UTF8 הרלוונטיים. | ברירת מחדל— |
שדהinput_type | סוגstring | דרישהרשות | ערכים ומגבלות query, passage | ברירת מחדלquery |
שדהencoding_format | סוגstring | דרישהרשות | ערכים ומגבלות float, base64 | ברירת מחדלfloat |
שדהtruncate | סוגstring | דרישהרשות | ערכים ומגבלות NONE, START, END | ברירת מחדל— |
שדהdimensions | סוגinteger | דרישהרשות | ערכים ומגבלות מינימום: 1 | ברירת מחדל— |
שדהuser | סוגstring | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שילובים של חומרי קלט
text_to_embedding
פרמטרים ומחזור חיים של השיטה
| פרמטר | מפרט |
|---|---|
פרמטרmaterial_types | מפרטtext |
פרמטרrequired | מפרטmodel, input |
פרמטרoptional_controls | מפרטnull |
פרמטרcontent_type | מפרטapplication/json |
מחזור חיים: exact retained published method
מבני המתודות והמזהים מדויקים; יכולת הספק נפרדת מקבלת הבקשה לביצוע.
תעריפים
תעריפי שיטות Ailoot
POST /v1/embeddings- קלט
- 0.0001 $ / 1K
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
דוגמאות לבקשות
Ailoot · ייצוגים וקטוריים
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
קבלה ושמירה של תוצאות
Ailoot · ייצוגים וקטוריים
json
שמירת כל התוצאות שהושלמו
שמרו כל תגובה מלאה, קובץ ומקטע תוכן שהוחזרו.
יש לפענח וקטורי base64 רק כאשר הפורמט הזה התבקש; יש לשמור כל וקטור ואת האינדקס המקורי שלו.
כשצריך לבדוק את התגובה המקורית
לא מתווספת נקודת קצה למשימות הטמעה.
שדות התגובה
| שדה | סוג |
|---|---|
שדהdata[].index | סוגinteger |
שדהdata[].embedding | סוגfinite float[]|base64 float32 vector |
שדהmodel | סוגstring |
שדהusage | סוגobject |
שגיאות והשלבים הבאים
| תגובה | תנאי | השלב הבא |
|---|---|---|
תגובה400 · invalid_request_error | תנאישדות נדרשים, ייצוג חומר או ערך פרמטר שאינם תקינים | השלב הבאתקנו את השדות שצוינו לפני בקשת יצירה חדשה. |
כינויים
כינויים למודל
Ailoot nvidia/llama-nemotron-embed-vl-1b-v2, nemotron-embed-vl, nemotron-embed-vl-latest
כינויים לנתיבי שיטות
השתמשו בנתיבי השיטות המוצגים למעלה.
מזהי מודלים קשורים IDs
nvidia/llama-nemotron-embed-vl-1b-v2, nemotron-embed-vl, nemotron-embed-vl-latest
FAQ · nvidia/llama-nemotron-embed-vl-1b-v2
- אילו קלטים ותוצאות זמינים?
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- באילו שדות הבקשה משתמשת?
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- אילו מגבלות חלות?
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