מודלים

Llama Nemotron Embed VL 1B v2

Markdown · JSON

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.

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 /nvidia/llama-nemotron-embed-vl-1b-v2
מזהה מודל ID
  • nvidia/llama-nemotron-embed-vl-1b-v2
  • nemotron-embed-vl
  • nemotron-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
שדהסוגדרישהערכים ומגבלותברירת מחדל
שדהmodelסוגstringדרישהחובהערכים ומגבלות
nvidia/llama-nemotron-embed-vl-1b-v2
ברירת מחדל—
שדהinputסוגstring|string[]דרישהחובהערכים 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_typeסוגstringדרישהרשותערכים ומגבלות
query, passage
ברירת מחדלquery
שדהencoding_formatסוגstringדרישהרשותערכים ומגבלות
float, base64
ברירת מחדלfloat
שדהtruncateסוגstringדרישהרשותערכים ומגבלות
NONE, START, END
ברירת מחדל—
שדהdimensionsסוגintegerדרישהרשותערכים ומגבלות
מינימום: ⁦1⁩
ברירת מחדל—
שדהuserסוגstringדרישהרשותערכים ומגבלותברירת מחדל—
שילובים של חומרי קלט

text_to_embedding

פרמטרים ומחזור חיים של השיטה
פרמטרמפרט
פרמטרmaterial_typesמפרטtext
פרמטרrequiredמפרטmodel, input
פרמטרoptional_controlsמפרטnull
פרמטרcontent_typeמפרטapplication/json

מחזור חיים: exact retained published method

מבני המתודות והמזהים מדויקים; יכולת הספק נפרדת מקבלת הבקשה לביצוע.

תעריפים

תעריפי שיטות Ailoot

Ailoot ייצוגים וקטורייםPOST /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

דוגמת 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
שדהסוג
שדהdata[].indexסוגinteger
שדהdata[].embeddingסוגfinite float[]|base64 float32 vector
שדהmodelסוגstring
שדהusageסוגobject
שגיאות והשלבים הבאים
תגובהתנאיהשלב הבא
תגובה⁦400⁩ · invalid_request_errorתנאישדות נדרשים, ייצוג חומר או ערך פרמטר שאינם תקיניםהשלב 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-vl

NVIDIA /nemotron-embed-vl
מזהה מודל ID
  • nvidia/llama-nemotron-embed-vl-1b-v2
  • nemotron-embed-vl
  • nemotron-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
שדהסוגדרישהערכים ומגבלותברירת מחדל
שדהmodelסוגstringדרישהחובהערכים ומגבלות
nemotron-embed-vl
ברירת מחדל—
שדהinputסוגstring|string[]דרישהחובהערכים 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_typeסוגstringדרישהרשותערכים ומגבלות
query, passage
ברירת מחדלquery
שדהencoding_formatסוגstringדרישהרשותערכים ומגבלות
float, base64
ברירת מחדלfloat
שדהtruncateסוגstringדרישהרשותערכים ומגבלות
NONE, START, END
ברירת מחדל—
שדהdimensionsסוגintegerדרישהרשותערכים ומגבלות
מינימום: ⁦1⁩
ברירת מחדל—
שדהuserסוגstringדרישהרשותערכים ומגבלותברירת מחדל—
שילובים של חומרי קלט

text_to_embedding

פרמטרים ומחזור חיים של השיטה
פרמטרמפרט
פרמטרmaterial_typesמפרטtext
פרמטרrequiredמפרטmodel, input
פרמטרoptional_controlsמפרטnull
פרמטרcontent_typeמפרטapplication/json

מחזור חיים: exact retained published method

מבני המתודות והמזהים מדויקים; יכולת הספק נפרדת מקבלת הבקשה לביצוע.

תעריפים

תעריפי שיטות Ailoot

Ailoot ייצוגים וקטורייםPOST /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

דוגמת 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
שדהסוג
שדהdata[].indexסוגinteger
שדהdata[].embeddingסוגfinite float[]|base64 float32 vector
שדהmodelסוגstring
שדהusageסוגobject
שגיאות והשלבים הבאים
תגובהתנאיהשלב הבא
תגובה⁦400⁩ · invalid_request_errorתנאישדות נדרשים, ייצוג חומר או ערך פרמטר שאינם תקיניםהשלב 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-latest

NVIDIA /nemotron-embed-vl-latest
מזהה מודל ID
  • nvidia/llama-nemotron-embed-vl-1b-v2
  • nemotron-embed-vl
  • nemotron-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
שדהסוגדרישהערכים ומגבלותברירת מחדל
שדהmodelסוגstringדרישהחובהערכים ומגבלות
nemotron-embed-vl-latest
ברירת מחדל—
שדהinputסוגstring|string[]דרישהחובהערכים 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_typeסוגstringדרישהרשותערכים ומגבלות
query, passage
ברירת מחדלquery
שדהencoding_formatסוגstringדרישהרשותערכים ומגבלות
float, base64
ברירת מחדלfloat
שדהtruncateסוגstringדרישהרשותערכים ומגבלות
NONE, START, END
ברירת מחדל—
שדהdimensionsסוגintegerדרישהרשותערכים ומגבלות
מינימום: ⁦1⁩
ברירת מחדל—
שדהuserסוגstringדרישהרשותערכים ומגבלותברירת מחדל—
שילובים של חומרי קלט

text_to_embedding

פרמטרים ומחזור חיים של השיטה
פרמטרמפרט
פרמטרmaterial_typesמפרטtext
פרמטרrequiredמפרטmodel, input
פרמטרoptional_controlsמפרטnull
פרמטרcontent_typeמפרטapplication/json

מחזור חיים: exact retained published method

מבני המתודות והמזהים מדויקים; יכולת הספק נפרדת מקבלת הבקשה לביצוע.

תעריפים

תעריפי שיטות Ailoot

Ailoot ייצוגים וקטורייםPOST /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

דוגמת 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
שדהסוג
שדהdata[].indexסוגinteger
שדהdata[].embeddingסוגfinite float[]|base64 float32 vector
שדהmodelסוגstring
שדהusageסוגobject
שגיאות והשלבים הבאים
תגובהתנאיהשלב הבא
תגובה⁦400⁩ · invalid_request_errorתנאישדות נדרשים, ייצוג חומר או ערך פרמטר שאינם תקיניםהשלב 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 → embedding

POST /v1/embeddings · nemotron-embed-vl: text → embedding

POST /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, 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

אילו מגבלות חלות?

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

פרטים נוספים

חברו Ailoot ל- Claude Code, OpenCode, Hermes או ליישום שלכם.

החברה ופורטפוליו הפרויקטים שלה

החברה ופורטפוליו הפרויקטים שלה: מיליוני לקוחות; מכירות בהיקף של מיליארדים מדי חודש.

קנו אסימונים בהנחה.

הנחת מנוי לעבודה קבועה. קודי הנחה עד 50% על רכישת אסימונים.

מנוי
בחרו מסלול עם הנחה לבקשות הקבועות שלכם.
קוד הנחה עד 50%
הזינו קוד ברכישה. המחיר יחושב מחדש לפי המבצע הפעיל.
הוצאות בהיסטוריה
המודל, האסימונים והסכום נשמרים לכל בקשה.

בחירת מנוי · מחירי מודלים

חברו API למוצר שאתם מוכרים.

SaaS, יישומים ובוטים לפי ההצעה והסכם הרישוי של Ailoot. למכירה מחדש בקשו רישיון משווק.

יישום מסחרי
שלבו יצירת טקסט, תמונות, וידאו ושמע בתכונות בתשלום של השירות שלכם.
רישיון למכירה מחדש
שלחו תיאור פרויקט ואופן מתן גישה. בקשו תנאי שימוש ומכירה מחדש בכתב.
מסמכים באתר
ההצעה, הסכם הרישוי ומדיניות עיבוד הנתונים זמינים לפני החיבור.

בקשת רישיון למכירה מחדש · ההצעה והסכם הרישוי