{
  "aboutHtml": "<p>Nemotron 3 Embed 1B הוא מודל טקסטואלי של NVIDIA לחיפוש לפי משמעות ולהשוואת מקטעים. הוא מקודד שאלות, מסמכים וקוד לווקטורים מספריים צפופים. הייצוגים האלה משמשים למציאת ההקשר הדרוש באוספים גדולים, להשלמת תשובת עוזר באמצעותו או לחילוץ מידע שנשמר בעבר לשלב הבא של סוכן.</p><h4>ידע רב־לשוני וקוד</h4><p>המודל מיועד לחיפוש רב־לשוני ובין־לשוני: השאלה והחומר המתאים יכולים להיכתב בשפות שונות. רוסית כלולה בקבוצה שפורסמה של 34 שפות, יחד עם אנגלית, אוקראינית, סינית, יפנית, ערבית ואחרות. זה מועיל לבסיסי ידע משותפים שבהם מסמכים טכניים ופניות משתמשים אינם מותאמים לשפה אחת.</p><p>בין המשימות: חיפוש בתיעוד, השוואת טקסטים וחילוץ קוד לפי תיאור מילולי. חלון קלט גדול מאפשר לעבוד עם מסמכים ארוכים, עם הקשר קוד רחב ועם היסטוריה של כמה שלבי סוכן. החומר שנמצא מוחזר לתהליך ההמשך כהקשר; הרכיב הבא במערכת מפיק את ההסברים והתשובות הסופיים.</p><h4>מטקסט לווקטור</h4><p>הקלט מורכב ממחרוזות טקסט. לכל מחרוזת מופק וקטור אחד של 2048 מספרים. אורך הרצף המרבי הוא 32768 טוקנים; חומר ארוך יותר צריך לחלק לחלקים או לקצר. בהכנת הקלט מבחינים בין שאלה למסמך: המודל אומן להשוות את התפקידים שלהם, ולכן אין לעצב מחרוזת זהה בשתי המשימות האלה בלי להתחשב בייעוד.</p><p>הווקטורים מנורמלים לפי אורך. בייצוג כזה מכפלה סקלרית ודמיון קוסינוסי נותנים דרך השוואה שקולה. אפשר להשאיר את 1024 או 512 הקואורדינטות הראשונות של הווקטור המלא, אך לאחר הקיצור צריך לבצע נרמול מחדש. זהו מאפיין של עיבוד התוצאה; צריך לבחור ממד ייצוג עקבי לאוסף ולשאילתות.</p><h4>איך בנוי מודל קומפקטי</h4><p>המקודד כולל כ־1,14 מיליארד פרמטרים. הוא נוצר ממודל המבוסס על Ministral 3 3B באמצעות שני שלבים של צמצום מבני וזיקוק. קשב דו־כיווני מביא בחשבון את כל הקלט, ואז מחושב ממוצע ייצוגי הטוקנים לווקטור משותף.</p><p>NVIDIA מפרסמת גרסאות BF16 ו־NVFP4. מרחבי הייצוג שלהן קרובים, אך החלפת גרסה דורשת בדיקה על המסמכים שלך. דמיון מספרי ואורך ההקשר אינם מבטיחים שהחיפוש תמיד יבחר במקטע הנכון.</p>",
  "aboutText": "Nemotron 3 Embed 1B הוא מודל טקסטואלי של NVIDIA לחיפוש לפי משמעות ולהשוואת מקטעים. הוא מקודד שאלות, מסמכים וקוד לווקטורים מספריים צפופים. הייצוגים האלה משמשים למציאת ההקשר הדרוש באוספים גדולים, להשלמת תשובת עוזר באמצעותו או לחילוץ מידע שנשמר בעבר לשלב הבא של סוכן.\n\n### ידע רב־לשוני וקוד\n\nהמודל מיועד לחיפוש רב־לשוני ובין־לשוני: השאלה והחומר המתאים יכולים להיכתב בשפות שונות. רוסית כלולה בקבוצה שפורסמה של 34 שפות, יחד עם אנגלית, אוקראינית, סינית, יפנית, ערבית ואחרות. זה מועיל לבסיסי ידע משותפים שבהם מסמכים טכניים ופניות משתמשים אינם מותאמים לשפה אחת.\n\nבין המשימות: חיפוש בתיעוד, השוואת טקסטים וחילוץ קוד לפי תיאור מילולי. חלון קלט גדול מאפשר לעבוד עם מסמכים ארוכים, עם הקשר קוד רחב ועם היסטוריה של כמה שלבי סוכן. החומר שנמצא מוחזר לתהליך ההמשך כהקשר; הרכיב הבא במערכת מפיק את ההסברים והתשובות הסופיים.\n\n### מטקסט לווקטור\n\nהקלט מורכב ממחרוזות טקסט. לכל מחרוזת מופק וקטור אחד של 2048 מספרים. אורך הרצף המרבי הוא 32768 טוקנים; חומר ארוך יותר צריך לחלק לחלקים או לקצר. בהכנת הקלט מבחינים בין שאלה למסמך: המודל אומן להשוות את התפקידים שלהם, ולכן אין לעצב מחרוזת זהה בשתי המשימות האלה בלי להתחשב בייעוד.\n\nהווקטורים מנורמלים לפי אורך. בייצוג כזה מכפלה סקלרית ודמיון קוסינוסי נותנים דרך השוואה שקולה. אפשר להשאיר את 1024 או 512 הקואורדינטות הראשונות של הווקטור המלא, אך לאחר הקיצור צריך לבצע נרמול מחדש. זהו מאפיין של עיבוד התוצאה; צריך לבחור ממד ייצוג עקבי לאוסף ולשאילתות.\n\n### איך בנוי מודל קומפקטי\n\nהמקודד כולל כ־1,14 מיליארד פרמטרים. הוא נוצר ממודל המבוסס על Ministral 3 3B באמצעות שני שלבים של צמצום מבני וזיקוק. קשב דו־כיווני מביא בחשבון את כל הקלט, ואז מחושב ממוצע ייצוגי הטוקנים לווקטור משותף.\n\nNVIDIA מפרסמת גרסאות BF16 ו־NVFP4. מרחבי הייצוג שלהן קרובים, אך החלפת גרסה דורשת בדיקה על המסמכים שלך. דמיון מספרי ואורך ההקשר אינם מבטיחים שהחיפוש תמיד יבחר במקטע הנכון.",
  "editorialOverlay": {
    "copy_fields": null,
    "copy_sha256": null,
    "copy_source": null,
    "html_sha256": "ed769a5b196d254b00a34ad0482df7a957102c3aacf9aae0fcb885946f3a814e",
    "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06",
    "raw_model_unchanged": true,
    "schema": "ailoot-native-model-editorial-v1"
  },
  "locale": "he",
  "methods": [
    {
      "html": "<div class=\"sheet-head\"><span class=\"mav\" aria-hidden=\"true\">NV</span><h2 id=\"sheet-title\">Nemotron 3 Embed 1B</h2><button class=\"icon-btn\" type=\"button\" data-close-sheet aria-label=\"סגירה\">×</button></div><div class=\"idline\"><span>NVIDIA /</span><code>nvidia/nemotron-3-embed-1b</code><button type=\"button\" id=\"copy-id\">העתקת ID</button></div><nav class=\"card-jump-nav\" aria-label=\"חלקי כרטיס המודל\"><button type=\"button\" data-card-jump=\"overview\">התחלה</button><button type=\"button\" data-card-jump=\"methods\">קלט ושיטות</button><button type=\"button\" data-card-jump=\"pricing\">תעריפים</button><button type=\"button\" data-card-jump=\"examples\">דוגמאות</button><button type=\"button\" data-card-jump=\"results\">תוצאות</button><button type=\"button\" data-card-jump=\"aliases\">כינויים</button></nav><div class=\"card-method-tabs\" role=\"tablist\" aria-label=\"שיטות API\"><button type=\"button\" role=\"tab\" tabindex=\"0\" aria-controls=\"card-method-content\" aria-selected=\"true\" id=\"card-method-tab-0\" data-card-method=\"Core|embeddings|/v1/embeddings|nvidia%2Fnemotron-3-embed-1b\">ייצוגים וקטוריים</button></div><div class=\"idline\"><label for=\"card-model-id\">מזהה מודל ID</label><select class=\"sel\" id=\"card-model-id\" style=\"min-width:0;max-width:100%\"><option value=\"Core|embeddings|/v1/embeddings|nvidia%2Fnemotron-3-embed-1b\" selected>nvidia/nemotron-3-embed-1b</option><option value=\"Core|embeddings|/v1/embeddings|nemotron-3-embed\">nemotron-3-embed</option><option value=\"Core|embeddings|/v1/embeddings|nemotron-3-embed-latest\">nemotron-3-embed-latest</option></select></div><div id=\"card-method-content\" role=\"tabpanel\" aria-labelledby=\"card-method-tab-0\"><section class=\"card-section\" data-card-section=\"overview\"><h3 tabindex=\"-1\">התחלה</h3><p class=\"mdesc-full\">Nemotron 3 Embed 1B ממיר טקסטים לווקטורים לחיפוש רב־לשוני, לחיפוש קוד ול־RAG. מעבד רצפים של עד 32768 טוקנים ומפיק ייצוג בעל 2048 מספרים.</p><dl class=\"card-io\" data-card-io><div><dt>סוגי קלט נתמכים</dt><dd>טקסט</dd></div><div><dt>תוצאות</dt><dd>embedding</dd></div></dl><details class=\"card-about\"><summary>על המודל</summary><p class=\"note-s\" data-model-method-boundary>התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.</p><div class=\"mabout\" id=\"m-about\"><p>Nemotron 3 Embed 1B הוא מודל טקסטואלי של NVIDIA לחיפוש לפי משמעות ולהשוואת מקטעים. הוא מקודד שאלות, מסמכים וקוד לווקטורים מספריים צפופים. הייצוגים האלה משמשים למציאת ההקשר הדרוש באוספים גדולים, להשלמת תשובת עוזר באמצעותו או לחילוץ מידע שנשמר בעבר לשלב הבא של סוכן.</p><h4>ידע רב־לשוני וקוד</h4><p>המודל מיועד לחיפוש רב־לשוני ובין־לשוני: השאלה והחומר המתאים יכולים להיכתב בשפות שונות. רוסית כלולה בקבוצה שפורסמה של 34 שפות, יחד עם אנגלית, אוקראינית, סינית, יפנית, ערבית ואחרות. זה מועיל לבסיסי ידע משותפים שבהם מסמכים טכניים ופניות משתמשים אינם מותאמים לשפה אחת.</p><p>בין המשימות: חיפוש בתיעוד, השוואת טקסטים וחילוץ קוד לפי תיאור מילולי. חלון קלט גדול מאפשר לעבוד עם מסמכים ארוכים, עם הקשר קוד רחב ועם היסטוריה של כמה שלבי סוכן. החומר שנמצא מוחזר לתהליך ההמשך כהקשר; הרכיב הבא במערכת מפיק את ההסברים והתשובות הסופיים.</p><h4>מטקסט לווקטור</h4><p>הקלט מורכב ממחרוזות טקסט. לכל מחרוזת מופק וקטור אחד של 2048 מספרים. אורך הרצף המרבי הוא 32768 טוקנים; חומר ארוך יותר צריך לחלק לחלקים או לקצר. בהכנת הקלט מבחינים בין שאלה למסמך: המודל אומן להשוות את התפקידים שלהם, ולכן אין לעצב מחרוזת זהה בשתי המשימות האלה בלי להתחשב בייעוד.</p><p>הווקטורים מנורמלים לפי אורך. בייצוג כזה מכפלה סקלרית ודמיון קוסינוסי נותנים דרך השוואה שקולה. אפשר להשאיר את 1024 או 512 הקואורדינטות הראשונות של הווקטור המלא, אך לאחר הקיצור צריך לבצע נרמול מחדש. זהו מאפיין של עיבוד התוצאה; צריך לבחור ממד ייצוג עקבי לאוסף ולשאילתות.</p><h4>איך בנוי מודל קומפקטי</h4><p>המקודד כולל כ־1,14 מיליארד פרמטרים. הוא נוצר ממודל המבוסס על Ministral 3 3B באמצעות שני שלבים של צמצום מבני וזיקוק. קשב דו־כיווני מביא בחשבון את כל הקלט, ואז מחושב ממוצע ייצוגי הטוקנים לווקטור משותף.</p><p>NVIDIA מפרסמת גרסאות BF16 ו־NVFP4. מרחבי הייצוג שלהן קרובים, אך החלפת גרסה דורשת בדיקה על המסמכים שלך. דמיון מספרי ואורך ההקשר אינם מבטיחים שהחיפוש תמיד יבחר במקטע הנכון.</p></div></details></section><section class=\"card-section\" data-card-section=\"methods\"><h3 tabindex=\"-1\">זמין ב-Ailoot · קלט ושיטות</h3><details class=\"card-method\" open><summary><b>Ailoot · ייצוגים וקטוריים</b> <code>POST /v1/embeddings</code></summary><dl class=\"method-capabilities\"><div><dt>סוגי קלט</dt><dd><code>text</code></dd></div><div><dt>סוגי פלט</dt><dd><code>embedding</code></dd></div><div><dt>הקשר</dt><dd>⁦4,096⁩ tokens</dd></div><div><dt>פורמט פלט</dt><dd>json</dd></div></dl><div class=\"tw\" data-card-parameters data-typed-parameters><table><thead><tr><th>שדה</th><th>סוג</th><th>דרישה</th><th>ערכים ומגבלות</th><th>ברירת מחדל</th></tr></thead><tbody><tr data-parameter-availability=\"source_interface\"><th data-cell-label=\"שדה\" scope=\"row\"><span class=\"card-cell-label\">שדה</span><code class=\"card-field-name\">model</code></th><td data-cell-label=\"סוג\" data-field-type><span class=\"card-cell-label\">סוג</span><code>string</code></td><td data-cell-label=\"דרישה\"><span class=\"card-cell-label\">דרישה</span>חובה</td><td data-cell-label=\"ערכים ומגבלות\"><span class=\"card-cell-label\">ערכים ומגבלות</span><div>nvidia/nemotron-3-embed-1b</div></td><td data-cell-label=\"ברירת מחדל\" data-default=\"unspecified\"><span class=\"card-cell-label\">ברירת מחדל</span>—</td></tr><tr data-parameter-availability=\"source_interface\"><th data-cell-label=\"שדה\" scope=\"row\"><span class=\"card-cell-label\">שדה</span><code class=\"card-field-name\">input</code></th><td data-cell-label=\"סוג\" data-field-type><span class=\"card-cell-label\">סוג</span><code>string|string[]</code></td><td data-cell-label=\"דרישה\"><span class=\"card-cell-label\">דרישה</span>חובה</td><td data-cell-label=\"ערכים ומגבלות\"><span class=\"card-cell-label\">ערכים ומגבלות</span><div>מספר פריטים מזערי: ⁦1⁩</div><div>תנאים: כל מחרוזת חייבת להיות לא ריקה לאחר הסרת רווחים בקצוות; כתובות URI מסוג data נדחות; התקציב שהתקבל מודד את בתי ה־UTF8 הרלוונטיים.</div></td><td data-cell-label=\"ברירת מחדל\" data-default=\"unspecified\"><span class=\"card-cell-label\">ברירת מחדל</span>—</td></tr><tr data-parameter-availability=\"source_interface\"><th data-cell-label=\"שדה\" scope=\"row\"><span class=\"card-cell-label\">שדה</span><code class=\"card-field-name\">input_type</code></th><td data-cell-label=\"סוג\" data-field-type><span class=\"card-cell-label\">סוג</span><code>string</code></td><td data-cell-label=\"דרישה\"><span class=\"card-cell-label\">דרישה</span>רשות</td><td data-cell-label=\"ערכים ומגבלות\"><span class=\"card-cell-label\">ערכים ומגבלות</span><div>query, passage</div></td><td data-cell-label=\"ברירת מחדל\" data-default=\"known\"><span class=\"card-cell-label\">ברירת מחדל</span>query</td></tr><tr data-parameter-availability=\"source_interface\"><th data-cell-label=\"שדה\" scope=\"row\"><span class=\"card-cell-label\">שדה</span><code class=\"card-field-name\">encoding_format</code></th><td data-cell-label=\"סוג\" data-field-type><span class=\"card-cell-label\">סוג</span><code>string</code></td><td data-cell-label=\"דרישה\"><span class=\"card-cell-label\">דרישה</span>רשות</td><td data-cell-label=\"ערכים ומגבלות\"><span class=\"card-cell-label\">ערכים ומגבלות</span><div>float, base64</div></td><td data-cell-label=\"ברירת מחדל\" data-default=\"known\"><span class=\"card-cell-label\">ברירת מחדל</span>float</td></tr><tr data-parameter-availability=\"source_interface\"><th data-cell-label=\"שדה\" scope=\"row\"><span class=\"card-cell-label\">שדה</span><code class=\"card-field-name\">truncate</code></th><td data-cell-label=\"סוג\" data-field-type><span class=\"card-cell-label\">סוג</span><code>string</code></td><td data-cell-label=\"דרישה\"><span class=\"card-cell-label\">דרישה</span>רשות</td><td data-cell-label=\"ערכים ומגבלות\"><span class=\"card-cell-label\">ערכים ומגבלות</span><div>NONE, START, END</div></td><td data-cell-label=\"ברירת מחדל\" data-default=\"unspecified\"><span class=\"card-cell-label\">ברירת מחדל</span>—</td></tr><tr data-parameter-availability=\"source_interface\"><th data-cell-label=\"שדה\" scope=\"row\"><span class=\"card-cell-label\">שדה</span><code class=\"card-field-name\">dimensions</code></th><td data-cell-label=\"סוג\" data-field-type><span class=\"card-cell-label\">סוג</span><code>integer</code></td><td data-cell-label=\"דרישה\"><span class=\"card-cell-label\">דרישה</span>רשות</td><td data-cell-label=\"ערכים ומגבלות\"><span class=\"card-cell-label\">ערכים ומגבלות</span><div>מינימום: ⁦1⁩</div></td><td data-cell-label=\"ברירת מחדל\" data-default=\"unspecified\"><span class=\"card-cell-label\">ברירת מחדל</span>—</td></tr><tr data-parameter-availability=\"source_interface\"><th data-cell-label=\"שדה\" scope=\"row\"><span class=\"card-cell-label\">שדה</span><code class=\"card-field-name\">user</code></th><td data-cell-label=\"סוג\" data-field-type><span class=\"card-cell-label\">סוג</span><code>string</code></td><td data-cell-label=\"דרישה\"><span class=\"card-cell-label\">דרישה</span>רשות</td><td data-cell-label=\"ערכים ומגבלות\"><span class=\"card-cell-label\">ערכים ומגבלות</span></td><td data-cell-label=\"ברירת מחדל\" data-default=\"unspecified\"><span class=\"card-cell-label\">ברירת מחדל</span>—</td></tr></tbody></table></div><details class=\"card-about\" data-material-combinations><summary>שילובים של חומרי קלט</summary><p class=\"note-s\"><b>text_to_embedding</b></p></details><details class=\"note-s\" data-method-contract><summary>פרמטרים ומחזור חיים של השיטה</summary><div class=\"tw\" data-card-table=\"contract\"><table><thead><tr><th>פרמטר</th><th>מפרט</th></tr></thead><tbody><tr><th data-cell-label=\"פרמטר\" scope=\"row\"><span class=\"card-cell-label\">פרמטר</span><code>material_types</code></th><td data-cell-label=\"מפרט\"><span class=\"card-cell-label\">מפרט</span>text</td></tr><tr><th data-cell-label=\"פרמטר\" scope=\"row\"><span class=\"card-cell-label\">פרמטר</span><code>required</code></th><td data-cell-label=\"מפרט\"><span class=\"card-cell-label\">מפרט</span>model, input</td></tr><tr><th data-cell-label=\"פרמטר\" scope=\"row\"><span class=\"card-cell-label\">פרמטר</span><code>optional_controls</code></th><td data-cell-label=\"מפרט\"><span class=\"card-cell-label\">מפרט</span>null</td></tr><tr><th data-cell-label=\"פרמטר\" scope=\"row\"><span class=\"card-cell-label\">פרמטר</span><code>content_type</code></th><td data-cell-label=\"מפרט\"><span class=\"card-cell-label\">מפרט</span>application/json</td></tr></tbody></table></div><p>מחזור חיים: <code>exact retained published method</code></p><p class=\"note-s\">מבני המתודות והמזהים מדויקים; יכולת הספק נפרדת מקבלת הבקשה לביצוע.</p></details></details></section><section class=\"card-section\" data-card-section=\"pricing\"><h3 tabindex=\"-1\">תעריפים</h3><h4>תעריפי שיטות Ailoot</h4><section class=\"meth\" data-route=\"Core\"><header><b><span class=\"alias\">Ailoot</span> ייצוגים וקטוריים</b><code>POST /v1/embeddings</code></header><dl><div><dt>קלט</dt><dd>⁦‏0.0001 ‏$⁩ <em>/ 1K</em></dd></div></dl></section><p class=\"note-s\">לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. <a href=\"/docs/he/billing/reserve/\">איך פועלים שריון הסכום והסדרת החיוב →</a></p></section><section class=\"card-section\" data-card-section=\"examples\"><h3 tabindex=\"-1\">דוגמאות לבקשות</h3><h4>Ailoot · ייצוגים וקטוריים</h4><div class=\"code-group\"><div class=\"cg-bar\"><div class=\"cg-tabs\" role=\"tablist\" aria-label=\"אפשרויות קוד\"><button class=\"cg-tab\" id=\"model-code-527-tab-0\" role=\"tab\" type=\"button\" aria-controls=\"model-code-527-panel-0\" aria-selected=\"true\" tabindex=\"0\">דוגמת ייצוגים וקטוריים</button></div><div class=\"cg-tools\"><button class=\"cg-btn cg-copy\" type=\"button\" aria-label=\"העתקת הקוד\"><svg class=\"cp\" viewBox=\"0 0 16 16\" fill=\"none\" stroke=\"currentColor\" stroke-width=\"1.4\"><rect x=\"5.25\" y=\"5.25\" width=\"8.5\" height=\"8.5\" rx=\"1.75\"/><path d=\"M10.75 5.25V3.5a1.25 1.25 0 0 0-1.25-1.25H3.5A1.25 1.25 0 0 0 2.25 3.5v6a1.25 1.25 0 0 0 1.25 1.25h1.75\"/></svg><svg class=\"ok\" viewBox=\"0 0 16 16\" fill=\"none\" stroke=\"currentColor\" stroke-width=\"1.4\"><path d=\"m3 8.5 3.25 3.25L13 5\"/></svg></button></div></div><div class=\"cg-body\"><div class=\"cg-pane\" id=\"model-code-527-panel-0\" role=\"tabpanel\" aria-labelledby=\"model-code-527-tab-0\"><pre data-lang=\"bash\"><code>set -eu\n: &quot;${AILOOT_API_KEY:?Set your Ailoot API key}&quot;\n: &quot;${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}&quot;\nexport AILOOT_TEXT_FILE\npython3 - &lt;&lt;&#39;PY_REQUEST&#39;\nimport json,os\nfrom pathlib import Path\np=json.loads(&#39;{&quot;model&quot;: &quot;nvidia/nemotron-3-embed-1b&quot;, &quot;input&quot;: []}&#39;)\nf=Path(os.environ[&quot;AILOOT_TEXT_FILE&quot;])\nif not f.is_file():raise SystemExit(&quot;Choose your actual UTF-8 source material&quot;)\ntext=f.read_text(encoding=&quot;utf-8&quot;)\nif not text.strip():raise SystemExit(&quot;Source material must contain text&quot;)\np[&quot;input&quot;]=[text]\nPath(&quot;request.json&quot;).write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \\\n  -H &quot;Authorization: Bearer $AILOOT_API_KEY&quot; -H &#39;Content-Type: application/json&#39; \\\n  --data-binary @request.json -D response-headers.txt -o result.json\npython3 - &lt;&lt;&#39;PY_RESULT&#39;\nimport json\nfrom pathlib import Path\nr=json.loads(Path(&quot;result.json&quot;).read_text())\nfor x in r.get(&quot;data&quot;,[]): print(json.dumps({&quot;index&quot;:x.get(&quot;index&quot;),&quot;embedding&quot;:x.get(&quot;embedding&quot;)}))\nPY_RESULT\n</code></pre></div></div></div></section><section class=\"card-section\" data-card-section=\"results\"><h3 tabindex=\"-1\">קבלה ושמירה של תוצאות</h3><h4>Ailoot · ייצוגים וקטוריים</h4><p class=\"note-s\">json</p><div class=\"card-result-process\" data-all-results><h5>שמירת כל התוצאות שהושלמו</h5><p class=\"note-s\">שמרו כל תגובה מלאה, קובץ ומקטע תוכן שהוחזרו.</p><p class=\"note-s\">יש לפענח וקטורי base64 רק כאשר הפורמט הזה התבקש; יש לשמור כל וקטור ואת האינדקס המקורי שלו.</p></div><div class=\"card-result-process\" data-unknown-recovery><h5>כשצריך לבדוק את התגובה המקורית</h5><p class=\"note-s\">לא מתווספת נקודת קצה למשימות הטמעה.</p></div><details class=\"card-about\" data-output-fields><summary>שדות התגובה</summary><div class=\"tw\" data-card-table=\"output\"><table><thead><tr><th>שדה</th><th>סוג</th></tr></thead><tbody><tr><th data-cell-label=\"שדה\" scope=\"row\"><span class=\"card-cell-label\">שדה</span><code class=\"card-field-name\">data[].index</code></th><td data-cell-label=\"סוג\" data-field-type><span class=\"card-cell-label\">סוג</span>integer</td></tr><tr><th data-cell-label=\"שדה\" scope=\"row\"><span class=\"card-cell-label\">שדה</span><code class=\"card-field-name\">data[].embedding</code></th><td data-cell-label=\"סוג\" data-field-type><span class=\"card-cell-label\">סוג</span>finite float[]|base64 float32 vector</td></tr><tr><th data-cell-label=\"שדה\" scope=\"row\"><span class=\"card-cell-label\">שדה</span><code class=\"card-field-name\">model</code></th><td data-cell-label=\"סוג\" data-field-type><span class=\"card-cell-label\">סוג</span>string</td></tr><tr><th data-cell-label=\"שדה\" scope=\"row\"><span class=\"card-cell-label\">שדה</span><code class=\"card-field-name\">usage</code></th><td data-cell-label=\"סוג\" data-field-type><span class=\"card-cell-label\">סוג</span>object</td></tr></tbody></table></div></details><details class=\"card-about\" data-method-errors><summary>שגיאות והשלבים הבאים</summary><div class=\"tw\" data-card-table=\"errors\"><table><thead><tr><th>תגובה</th><th>תנאי</th><th>השלב הבא</th></tr></thead><tbody><tr><th data-cell-label=\"תגובה\" scope=\"row\"><span class=\"card-cell-label\">תגובה</span>⁦400⁩ · <code>invalid_request_error</code></th><td data-cell-label=\"תנאי\"><span class=\"card-cell-label\">תנאי</span>שדות נדרשים, ייצוג חומר או ערך פרמטר שאינם תקינים</td><td data-cell-label=\"השלב הבא\"><span class=\"card-cell-label\">השלב הבא</span>תקנו את השדות שצוינו לפני בקשת יצירה חדשה.</td></tr></tbody></table></div></details></section><section class=\"card-section\" data-card-section=\"aliases\"><h3 tabindex=\"-1\">כינויים</h3><h4>כינויים למודל</h4><p class=\"note-s\"><span data-model-alias-route=\"Core\"><b>Ailoot</b> <a href=\"#m=nvidia%2Fnemotron-3-embed-1b&amp;route=Core&amp;caller=nvidia%2Fnemotron-3-embed-1b&amp;fmt=embeddings\"><code>nvidia/nemotron-3-embed-1b</code></a>, <a href=\"#m=nvidia%2Fnemotron-3-embed-1b&amp;route=Core&amp;caller=nemotron-3-embed&amp;fmt=embeddings\"><code>nemotron-3-embed</code></a>, <a href=\"#m=nvidia%2Fnemotron-3-embed-1b&amp;route=Core&amp;caller=nemotron-3-embed-latest&amp;fmt=embeddings\"><code>nemotron-3-embed-latest</code></a></span></p><h4>כינויים לנתיבי שיטות</h4><p class=\"note-s\">השתמשו בנתיבי השיטות המוצגים למעלה.</p><h4>מזהי מודלים קשורים IDs</h4><p class=\"note-s\"><a href=\"#m=nvidia%2Fnemotron-3-embed-1b&amp;route=Core&amp;caller=nvidia%2Fnemotron-3-embed-1b&amp;fmt=embeddings\"><code>nvidia/nemotron-3-embed-1b</code></a>, <a href=\"#m=nvidia%2Fnemotron-3-embed-1b&amp;route=Core&amp;caller=nemotron-3-embed&amp;fmt=embeddings\"><code>nemotron-3-embed</code></a>, <a href=\"#m=nvidia%2Fnemotron-3-embed-1b&amp;route=Core&amp;caller=nemotron-3-embed-latest&amp;fmt=embeddings\"><code>nemotron-3-embed-latest</code></a></p></section></div>",
      "method_identity": {
        "effective_request_model_id": "nvidia/nemotron-3-embed-1b",
        "fmt": "embeddings",
        "http": "POST",
        "path": "/v1/embeddings",
        "request_model_id": "nvidia/nemotron-3-embed-1b",
        "route_label": "Core"
      },
      "method_key": "Core|embeddings|/v1/embeddings|nvidia%2Fnemotron-3-embed-1b",
      "ordinal": 0,
      "rawMethod": {
        "cache_read": null,
        "cache_write": null,
        "cache_write_1h": null,
        "cache_write_5m": null,
        "conditional_meter": null,
        "contract": {
          "data": {
            "all_results": "Decode base64 vectors only when that format was requested; retain every vector and its original index.",
            "errors": [
              {
                "code": null,
                "condition": "שדות נדרשים, ייצוג חומר או ערך פרמטר שאינם תקינים",
                "http_status": 400,
                "recovery": "תקנו את השדות שצוינו לפני בקשת יצירה חדשה.",
                "type": "invalid_request_error"
              }
            ],
            "hints": [],
            "ignored_fields": [],
            "lifecycle": {
              "create": {
                "http": "POST",
                "path": "/v1/embeddings"
              },
              "job_read": null,
              "mode": "synchronous_json",
              "unknown": "לא מתווספת נקודת קצה למשימות הטמעה."
            },
            "material_combinations": [
              {
                "alternatives": [
                  "nonempty string",
                  "nonempty string[]"
                ],
                "mode": "text_to_embedding"
              }
            ],
            "operation_modes": [
              "single_embedding",
              "batched_embeddings"
            ],
            "outputs": {
              "all_results": "יש לפענח וקטורי base64 רק כאשר הפורמט הזה התבקש; יש לשמור כל וקטור ואת האינדקס המקורי שלו.",
              "family": "embedding",
              "fields": [
                {
                  "description": null,
                  "name": "data[].index",
                  "type": "integer"
                },
                {
                  "description": null,
                  "name": "data[].embedding",
                  "type": "finite float[]|base64 float32 vector"
                },
                {
                  "description": null,
                  "name": "model",
                  "type": "string"
                },
                {
                  "description": null,
                  "name": "usage",
                  "type": "object"
                }
              ],
              "format": "json"
            },
            "parameters": [
              {
                "availability": "source_interface",
                "default": null,
                "default_known": false,
                "enum": [
                  "nvidia/nemotron-3-embed-1b"
                ],
                "enum_known": true,
                "name": "model",
                "required": true,
                "type": "string"
              },
              {
                "availability": "source_interface",
                "conditions": "כל מחרוזת חייבת להיות לא ריקה לאחר הסרת רווחים בקצוות; כתובות URI מסוג data נדחות; התקציב שהתקבל מודד את בתי ה־UTF8 הרלוונטיים.",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "min_items": 1,
                "name": "input",
                "required": true,
                "type": "string|string[]"
              },
              {
                "availability": "source_interface",
                "default": "query",
                "default_known": true,
                "enum": [
                  "query",
                  "passage"
                ],
                "enum_known": true,
                "name": "input_type",
                "required": false,
                "type": "string"
              },
              {
                "availability": "source_interface",
                "default": "float",
                "default_known": true,
                "enum": [
                  "float",
                  "base64"
                ],
                "enum_known": true,
                "name": "encoding_format",
                "required": false,
                "type": "string"
              },
              {
                "availability": "source_interface",
                "default": null,
                "default_known": false,
                "enum": [
                  "NONE",
                  "START",
                  "END"
                ],
                "enum_known": true,
                "name": "truncate",
                "required": false,
                "type": "string"
              },
              {
                "availability": "source_interface",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "minimum": 1,
                "name": "dimensions",
                "required": false,
                "type": "integer"
              },
              {
                "availability": "source_interface",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "name": "user",
                "required": false,
                "type": "string"
              }
            ],
            "profile_binding": "Exact existing Ailoot model and method; interface constraints below do not assert provider qualification.",
            "unsupported": [
              "image objects",
              "data URI text inputs",
              "token integer arrays on this NVIDIA adapter"
            ]
          },
          "hints": [
            "מבני המתודות והמזהים מדויקים; יכולת הספק נפרדת מקבלת הבקשה לביצוע."
          ],
          "input": {
            "content_type": "application/json",
            "material_types": [
              "text"
            ],
            "optional_controls": null,
            "required": [
              "model",
              "input"
            ]
          },
          "lifecycle": {
            "mode": "exact retained published method"
          },
          "method": {
            "http": "POST",
            "path": "/v1/embeddings"
          },
          "operation_modes": [
            "embeddings"
          ],
          "output": {
            "family": [
              "embedding"
            ],
            "format": "indexed vectors JSON",
            "multioutputs": "retain every actual response output"
          }
        },
        "ctx": 4096,
        "examples": [
          {
            "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}\"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"nvidia/nemotron-3-embed-1b\", \"input\": []}')\nf=Path(os.environ[\"AILOOT_TEXT_FILE\"])\nif not f.is_file():raise SystemExit(\"Choose your actual UTF-8 source material\")\ntext=f.read_text(encoding=\"utf-8\")\nif not text.strip():raise SystemExit(\"Source material must contain text\")\np[\"input\"]=[text]\nPath(\"request.json\").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \\\n  -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n  --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path(\"result.json\").read_text())\nfor x in r.get(\"data\",[]): print(json.dumps({\"index\":x.get(\"index\"),\"embedding\":x.get(\"embedding\")}))\nPY_RESULT\n",
            "label": "Embed your source material",
            "language": "bash"
          }
        ],
        "family": "openai",
        "fast_multiplier": null,
        "flex_multiplier": null,
        "fmt": "embeddings",
        "http": "POST",
        "img_in": null,
        "img_out": null,
        "in": 0.1,
        "input": [
          "text"
        ],
        "label": "ייצוגים וקטוריים",
        "max_out": 0,
        "max_tool_calls": null,
        "out": 0,
        "output": [
          "embedding"
        ],
        "path": "/v1/embeddings",
        "pricing_profiles": [
          {
            "dimensions": {},
            "label": "Core",
            "units": [
              {
                "amount": 0.1,
                "amount_unit": "usd_per_million_tokens",
                "key": "in",
                "label": "Input",
                "side": "in"
              },
              {
                "amount": 0,
                "amount_unit": "usd_per_million_tokens",
                "key": "out",
                "label": "Output",
                "side": "out"
              }
            ]
          }
        ],
        "request_model_id": "nvidia/nemotron-3-embed-1b",
        "route_label": "Core",
        "status_reads": [],
        "tiers": [],
        "tool_prices": null,
        "unit": "token",
        "units": []
      }
    },
    {
      "html": "<div class=\"sheet-head\"><span class=\"mav\" aria-hidden=\"true\">NV</span><h2 id=\"sheet-title\">Nemotron 3 Embed 1B</h2><button class=\"icon-btn\" type=\"button\" data-close-sheet aria-label=\"סגירה\">×</button></div><div class=\"idline\"><span>NVIDIA /</span><code>nemotron-3-embed</code><button type=\"button\" id=\"copy-id\">העתקת ID</button></div><nav class=\"card-jump-nav\" aria-label=\"חלקי כרטיס המודל\"><button type=\"button\" data-card-jump=\"overview\">התחלה</button><button type=\"button\" data-card-jump=\"methods\">קלט ושיטות</button><button type=\"button\" data-card-jump=\"pricing\">תעריפים</button><button type=\"button\" data-card-jump=\"examples\">דוגמאות</button><button type=\"button\" data-card-jump=\"results\">תוצאות</button><button type=\"button\" data-card-jump=\"aliases\">כינויים</button></nav><div class=\"card-method-tabs\" role=\"tablist\" aria-label=\"שיטות API\"><button type=\"button\" role=\"tab\" tabindex=\"0\" aria-controls=\"card-method-content\" aria-selected=\"true\" id=\"card-method-tab-0\" data-card-method=\"Core|embeddings|/v1/embeddings|nemotron-3-embed\">ייצוגים וקטוריים</button></div><div class=\"idline\"><label for=\"card-model-id\">מזהה מודל ID</label><select class=\"sel\" id=\"card-model-id\" style=\"min-width:0;max-width:100%\"><option value=\"Core|embeddings|/v1/embeddings|nvidia%2Fnemotron-3-embed-1b\">nvidia/nemotron-3-embed-1b</option><option value=\"Core|embeddings|/v1/embeddings|nemotron-3-embed\" selected>nemotron-3-embed</option><option value=\"Core|embeddings|/v1/embeddings|nemotron-3-embed-latest\">nemotron-3-embed-latest</option></select></div><div id=\"card-method-content\" role=\"tabpanel\" aria-labelledby=\"card-method-tab-0\"><section class=\"card-section\" data-card-section=\"overview\"><h3 tabindex=\"-1\">התחלה</h3><p class=\"mdesc-full\">Nemotron 3 Embed 1B ממיר טקסטים לווקטורים לחיפוש רב־לשוני, לחיפוש קוד ול־RAG. מעבד רצפים של עד 32768 טוקנים ומפיק ייצוג בעל 2048 מספרים.</p><dl class=\"card-io\" data-card-io><div><dt>סוגי קלט נתמכים</dt><dd>טקסט</dd></div><div><dt>תוצאות</dt><dd>embedding</dd></div></dl><details class=\"card-about\"><summary>על המודל</summary><p class=\"note-s\" data-model-method-boundary>התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.</p><div class=\"mabout\" id=\"m-about\"><p>Nemotron 3 Embed 1B הוא מודל טקסטואלי של NVIDIA לחיפוש לפי משמעות ולהשוואת מקטעים. הוא מקודד שאלות, מסמכים וקוד לווקטורים מספריים צפופים. הייצוגים האלה משמשים למציאת ההקשר הדרוש באוספים גדולים, להשלמת תשובת עוזר באמצעותו או לחילוץ מידע שנשמר בעבר לשלב הבא של סוכן.</p><h4>ידע רב־לשוני וקוד</h4><p>המודל מיועד לחיפוש רב־לשוני ובין־לשוני: השאלה והחומר המתאים יכולים להיכתב בשפות שונות. רוסית כלולה בקבוצה שפורסמה של 34 שפות, יחד עם אנגלית, אוקראינית, סינית, יפנית, ערבית ואחרות. זה מועיל לבסיסי ידע משותפים שבהם מסמכים טכניים ופניות משתמשים אינם מותאמים לשפה אחת.</p><p>בין המשימות: חיפוש בתיעוד, השוואת טקסטים וחילוץ קוד לפי תיאור מילולי. חלון קלט גדול מאפשר לעבוד עם מסמכים ארוכים, עם הקשר קוד רחב ועם היסטוריה של כמה שלבי סוכן. החומר שנמצא מוחזר לתהליך ההמשך כהקשר; הרכיב הבא במערכת מפיק את ההסברים והתשובות הסופיים.</p><h4>מטקסט לווקטור</h4><p>הקלט מורכב ממחרוזות טקסט. לכל מחרוזת מופק וקטור אחד של 2048 מספרים. אורך הרצף המרבי הוא 32768 טוקנים; חומר ארוך יותר צריך לחלק לחלקים או לקצר. בהכנת הקלט מבחינים בין שאלה למסמך: המודל אומן להשוות את התפקידים שלהם, ולכן אין לעצב מחרוזת זהה בשתי המשימות האלה בלי להתחשב בייעוד.</p><p>הווקטורים מנורמלים לפי אורך. בייצוג כזה מכפלה סקלרית ודמיון קוסינוסי נותנים דרך השוואה שקולה. אפשר להשאיר את 1024 או 512 הקואורדינטות הראשונות של הווקטור המלא, אך לאחר הקיצור צריך לבצע נרמול מחדש. זהו מאפיין של עיבוד התוצאה; צריך לבחור ממד ייצוג עקבי לאוסף ולשאילתות.</p><h4>איך בנוי מודל קומפקטי</h4><p>המקודד כולל כ־1,14 מיליארד פרמטרים. הוא נוצר ממודל המבוסס על Ministral 3 3B באמצעות שני שלבים של צמצום מבני וזיקוק. קשב דו־כיווני מביא בחשבון את כל הקלט, ואז מחושב ממוצע ייצוגי הטוקנים לווקטור משותף.</p><p>NVIDIA מפרסמת גרסאות BF16 ו־NVFP4. מרחבי הייצוג שלהן קרובים, אך החלפת גרסה דורשת בדיקה על המסמכים שלך. דמיון מספרי ואורך ההקשר אינם מבטיחים שהחיפוש תמיד יבחר במקטע הנכון.</p></div></details></section><section class=\"card-section\" data-card-section=\"methods\"><h3 tabindex=\"-1\">זמין ב-Ailoot · קלט ושיטות</h3><details class=\"card-method\" open><summary><b>Ailoot · ייצוגים וקטוריים</b> <code>POST /v1/embeddings</code></summary><dl class=\"method-capabilities\"><div><dt>סוגי קלט</dt><dd><code>text</code></dd></div><div><dt>סוגי פלט</dt><dd><code>embedding</code></dd></div><div><dt>הקשר</dt><dd>⁦4,096⁩ tokens</dd></div><div><dt>פורמט פלט</dt><dd>json</dd></div></dl><div class=\"tw\" data-card-parameters data-typed-parameters><table><thead><tr><th>שדה</th><th>סוג</th><th>דרישה</th><th>ערכים ומגבלות</th><th>ברירת מחדל</th></tr></thead><tbody><tr data-parameter-availability=\"source_interface\"><th data-cell-label=\"שדה\" scope=\"row\"><span class=\"card-cell-label\">שדה</span><code class=\"card-field-name\">model</code></th><td data-cell-label=\"סוג\" data-field-type><span class=\"card-cell-label\">סוג</span><code>string</code></td><td data-cell-label=\"דרישה\"><span class=\"card-cell-label\">דרישה</span>חובה</td><td data-cell-label=\"ערכים ומגבלות\"><span class=\"card-cell-label\">ערכים ומגבלות</span><div>nemotron-3-embed</div></td><td data-cell-label=\"ברירת מחדל\" data-default=\"unspecified\"><span class=\"card-cell-label\">ברירת מחדל</span>—</td></tr><tr data-parameter-availability=\"source_interface\"><th data-cell-label=\"שדה\" scope=\"row\"><span class=\"card-cell-label\">שדה</span><code class=\"card-field-name\">input</code></th><td data-cell-label=\"סוג\" data-field-type><span class=\"card-cell-label\">סוג</span><code>string|string[]</code></td><td data-cell-label=\"דרישה\"><span class=\"card-cell-label\">דרישה</span>חובה</td><td data-cell-label=\"ערכים ומגבלות\"><span class=\"card-cell-label\">ערכים ומגבלות</span><div>מספר פריטים מזערי: ⁦1⁩</div><div>תנאים: כל מחרוזת חייבת להיות לא ריקה לאחר הסרת רווחים בקצוות; כתובות URI מסוג data נדחות; התקציב שהתקבל מודד את בתי ה־UTF8 הרלוונטיים.</div></td><td data-cell-label=\"ברירת מחדל\" data-default=\"unspecified\"><span class=\"card-cell-label\">ברירת מחדל</span>—</td></tr><tr data-parameter-availability=\"source_interface\"><th data-cell-label=\"שדה\" scope=\"row\"><span class=\"card-cell-label\">שדה</span><code class=\"card-field-name\">input_type</code></th><td data-cell-label=\"סוג\" data-field-type><span class=\"card-cell-label\">סוג</span><code>string</code></td><td data-cell-label=\"דרישה\"><span class=\"card-cell-label\">דרישה</span>רשות</td><td data-cell-label=\"ערכים ומגבלות\"><span class=\"card-cell-label\">ערכים ומגבלות</span><div>query, passage</div></td><td data-cell-label=\"ברירת מחדל\" data-default=\"known\"><span class=\"card-cell-label\">ברירת מחדל</span>query</td></tr><tr data-parameter-availability=\"source_interface\"><th data-cell-label=\"שדה\" scope=\"row\"><span class=\"card-cell-label\">שדה</span><code class=\"card-field-name\">encoding_format</code></th><td data-cell-label=\"סוג\" data-field-type><span class=\"card-cell-label\">סוג</span><code>string</code></td><td data-cell-label=\"דרישה\"><span class=\"card-cell-label\">דרישה</span>רשות</td><td data-cell-label=\"ערכים ומגבלות\"><span class=\"card-cell-label\">ערכים ומגבלות</span><div>float, base64</div></td><td data-cell-label=\"ברירת מחדל\" data-default=\"known\"><span class=\"card-cell-label\">ברירת מחדל</span>float</td></tr><tr data-parameter-availability=\"source_interface\"><th data-cell-label=\"שדה\" scope=\"row\"><span class=\"card-cell-label\">שדה</span><code class=\"card-field-name\">truncate</code></th><td data-cell-label=\"סוג\" data-field-type><span class=\"card-cell-label\">סוג</span><code>string</code></td><td data-cell-label=\"דרישה\"><span class=\"card-cell-label\">דרישה</span>רשות</td><td data-cell-label=\"ערכים ומגבלות\"><span class=\"card-cell-label\">ערכים ומגבלות</span><div>NONE, START, END</div></td><td data-cell-label=\"ברירת מחדל\" data-default=\"unspecified\"><span class=\"card-cell-label\">ברירת מחדל</span>—</td></tr><tr data-parameter-availability=\"source_interface\"><th data-cell-label=\"שדה\" scope=\"row\"><span class=\"card-cell-label\">שדה</span><code class=\"card-field-name\">dimensions</code></th><td data-cell-label=\"סוג\" data-field-type><span class=\"card-cell-label\">סוג</span><code>integer</code></td><td data-cell-label=\"דרישה\"><span class=\"card-cell-label\">דרישה</span>רשות</td><td data-cell-label=\"ערכים ומגבלות\"><span class=\"card-cell-label\">ערכים ומגבלות</span><div>מינימום: ⁦1⁩</div></td><td data-cell-label=\"ברירת מחדל\" data-default=\"unspecified\"><span class=\"card-cell-label\">ברירת מחדל</span>—</td></tr><tr data-parameter-availability=\"source_interface\"><th data-cell-label=\"שדה\" scope=\"row\"><span class=\"card-cell-label\">שדה</span><code class=\"card-field-name\">user</code></th><td data-cell-label=\"סוג\" data-field-type><span class=\"card-cell-label\">סוג</span><code>string</code></td><td data-cell-label=\"דרישה\"><span class=\"card-cell-label\">דרישה</span>רשות</td><td data-cell-label=\"ערכים ומגבלות\"><span class=\"card-cell-label\">ערכים ומגבלות</span></td><td data-cell-label=\"ברירת מחדל\" data-default=\"unspecified\"><span class=\"card-cell-label\">ברירת מחדל</span>—</td></tr></tbody></table></div><details class=\"card-about\" data-material-combinations><summary>שילובים של חומרי קלט</summary><p class=\"note-s\"><b>text_to_embedding</b></p></details><details class=\"note-s\" data-method-contract><summary>פרמטרים ומחזור חיים של השיטה</summary><div class=\"tw\" data-card-table=\"contract\"><table><thead><tr><th>פרמטר</th><th>מפרט</th></tr></thead><tbody><tr><th data-cell-label=\"פרמטר\" scope=\"row\"><span class=\"card-cell-label\">פרמטר</span><code>material_types</code></th><td data-cell-label=\"מפרט\"><span class=\"card-cell-label\">מפרט</span>text</td></tr><tr><th data-cell-label=\"פרמטר\" scope=\"row\"><span class=\"card-cell-label\">פרמטר</span><code>required</code></th><td data-cell-label=\"מפרט\"><span class=\"card-cell-label\">מפרט</span>model, input</td></tr><tr><th data-cell-label=\"פרמטר\" scope=\"row\"><span class=\"card-cell-label\">פרמטר</span><code>optional_controls</code></th><td data-cell-label=\"מפרט\"><span class=\"card-cell-label\">מפרט</span>null</td></tr><tr><th data-cell-label=\"פרמטר\" scope=\"row\"><span class=\"card-cell-label\">פרמטר</span><code>content_type</code></th><td data-cell-label=\"מפרט\"><span class=\"card-cell-label\">מפרט</span>application/json</td></tr></tbody></table></div><p>מחזור חיים: <code>exact retained published method</code></p><p class=\"note-s\">מבני המתודות והמזהים מדויקים; יכולת הספק נפרדת מקבלת הבקשה לביצוע.</p></details></details></section><section class=\"card-section\" data-card-section=\"pricing\"><h3 tabindex=\"-1\">תעריפים</h3><h4>תעריפי שיטות Ailoot</h4><section class=\"meth\" data-route=\"Core\"><header><b><span class=\"alias\">Ailoot</span> ייצוגים וקטוריים</b><code>POST /v1/embeddings</code></header><dl><div><dt>קלט</dt><dd>⁦‏0.0001 ‏$⁩ <em>/ 1K</em></dd></div></dl></section><p class=\"note-s\">לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. <a href=\"/docs/he/billing/reserve/\">איך פועלים שריון הסכום והסדרת החיוב →</a></p></section><section class=\"card-section\" data-card-section=\"examples\"><h3 tabindex=\"-1\">דוגמאות לבקשות</h3><h4>Ailoot · ייצוגים וקטוריים</h4><div class=\"code-group\"><div class=\"cg-bar\"><div class=\"cg-tabs\" role=\"tablist\" aria-label=\"אפשרויות קוד\"><button class=\"cg-tab\" id=\"model-code-528-tab-0\" role=\"tab\" type=\"button\" aria-controls=\"model-code-528-panel-0\" aria-selected=\"true\" tabindex=\"0\">דוגמת ייצוגים וקטוריים</button></div><div class=\"cg-tools\"><button class=\"cg-btn cg-copy\" type=\"button\" aria-label=\"העתקת הקוד\"><svg class=\"cp\" viewBox=\"0 0 16 16\" fill=\"none\" stroke=\"currentColor\" stroke-width=\"1.4\"><rect x=\"5.25\" y=\"5.25\" width=\"8.5\" height=\"8.5\" rx=\"1.75\"/><path d=\"M10.75 5.25V3.5a1.25 1.25 0 0 0-1.25-1.25H3.5A1.25 1.25 0 0 0 2.25 3.5v6a1.25 1.25 0 0 0 1.25 1.25h1.75\"/></svg><svg class=\"ok\" viewBox=\"0 0 16 16\" fill=\"none\" stroke=\"currentColor\" stroke-width=\"1.4\"><path d=\"m3 8.5 3.25 3.25L13 5\"/></svg></button></div></div><div class=\"cg-body\"><div class=\"cg-pane\" id=\"model-code-528-panel-0\" role=\"tabpanel\" aria-labelledby=\"model-code-528-tab-0\"><pre data-lang=\"bash\"><code>set -eu\n: &quot;${AILOOT_API_KEY:?Set your Ailoot API key}&quot;\n: &quot;${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}&quot;\nexport AILOOT_TEXT_FILE\npython3 - &lt;&lt;&#39;PY_REQUEST&#39;\nimport json,os\nfrom pathlib import Path\np=json.loads(&#39;{&quot;model&quot;: &quot;nemotron-3-embed&quot;, &quot;input&quot;: []}&#39;)\nf=Path(os.environ[&quot;AILOOT_TEXT_FILE&quot;])\nif not f.is_file():raise SystemExit(&quot;Choose your actual UTF-8 source material&quot;)\ntext=f.read_text(encoding=&quot;utf-8&quot;)\nif not text.strip():raise SystemExit(&quot;Source material must contain text&quot;)\np[&quot;input&quot;]=[text]\nPath(&quot;request.json&quot;).write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \\\n  -H &quot;Authorization: Bearer $AILOOT_API_KEY&quot; -H &#39;Content-Type: application/json&#39; \\\n  --data-binary @request.json -D response-headers.txt -o result.json\npython3 - &lt;&lt;&#39;PY_RESULT&#39;\nimport json\nfrom pathlib import Path\nr=json.loads(Path(&quot;result.json&quot;).read_text())\nfor x in r.get(&quot;data&quot;,[]): print(json.dumps({&quot;index&quot;:x.get(&quot;index&quot;),&quot;embedding&quot;:x.get(&quot;embedding&quot;)}))\nPY_RESULT\n</code></pre></div></div></div></section><section class=\"card-section\" data-card-section=\"results\"><h3 tabindex=\"-1\">קבלה ושמירה של תוצאות</h3><h4>Ailoot · ייצוגים וקטוריים</h4><p class=\"note-s\">json</p><div class=\"card-result-process\" data-all-results><h5>שמירת כל התוצאות שהושלמו</h5><p class=\"note-s\">שמרו כל תגובה מלאה, קובץ ומקטע תוכן שהוחזרו.</p><p class=\"note-s\">יש לפענח וקטורי base64 רק כאשר הפורמט הזה התבקש; יש לשמור כל וקטור ואת האינדקס המקורי שלו.</p></div><div class=\"card-result-process\" data-unknown-recovery><h5>כשצריך לבדוק את התגובה המקורית</h5><p class=\"note-s\">לא מתווספת נקודת קצה למשימות הטמעה.</p></div><details class=\"card-about\" data-output-fields><summary>שדות התגובה</summary><div class=\"tw\" data-card-table=\"output\"><table><thead><tr><th>שדה</th><th>סוג</th></tr></thead><tbody><tr><th data-cell-label=\"שדה\" scope=\"row\"><span class=\"card-cell-label\">שדה</span><code class=\"card-field-name\">data[].index</code></th><td data-cell-label=\"סוג\" data-field-type><span class=\"card-cell-label\">סוג</span>integer</td></tr><tr><th data-cell-label=\"שדה\" scope=\"row\"><span class=\"card-cell-label\">שדה</span><code class=\"card-field-name\">data[].embedding</code></th><td data-cell-label=\"סוג\" data-field-type><span class=\"card-cell-label\">סוג</span>finite float[]|base64 float32 vector</td></tr><tr><th data-cell-label=\"שדה\" scope=\"row\"><span class=\"card-cell-label\">שדה</span><code class=\"card-field-name\">model</code></th><td data-cell-label=\"סוג\" data-field-type><span class=\"card-cell-label\">סוג</span>string</td></tr><tr><th data-cell-label=\"שדה\" scope=\"row\"><span class=\"card-cell-label\">שדה</span><code class=\"card-field-name\">usage</code></th><td data-cell-label=\"סוג\" data-field-type><span class=\"card-cell-label\">סוג</span>object</td></tr></tbody></table></div></details><details class=\"card-about\" data-method-errors><summary>שגיאות והשלבים הבאים</summary><div class=\"tw\" data-card-table=\"errors\"><table><thead><tr><th>תגובה</th><th>תנאי</th><th>השלב הבא</th></tr></thead><tbody><tr><th data-cell-label=\"תגובה\" scope=\"row\"><span class=\"card-cell-label\">תגובה</span>⁦400⁩ · <code>invalid_request_error</code></th><td data-cell-label=\"תנאי\"><span class=\"card-cell-label\">תנאי</span>שדות נדרשים, ייצוג חומר או ערך פרמטר שאינם תקינים</td><td data-cell-label=\"השלב הבא\"><span class=\"card-cell-label\">השלב הבא</span>תקנו את השדות שצוינו לפני בקשת יצירה חדשה.</td></tr></tbody></table></div></details></section><section class=\"card-section\" data-card-section=\"aliases\"><h3 tabindex=\"-1\">כינויים</h3><h4>כינויים למודל</h4><p class=\"note-s\"><span data-model-alias-route=\"Core\"><b>Ailoot</b> <a href=\"#m=nvidia%2Fnemotron-3-embed-1b&amp;route=Core&amp;caller=nvidia%2Fnemotron-3-embed-1b&amp;fmt=embeddings\"><code>nvidia/nemotron-3-embed-1b</code></a>, <a href=\"#m=nvidia%2Fnemotron-3-embed-1b&amp;route=Core&amp;caller=nemotron-3-embed&amp;fmt=embeddings\"><code>nemotron-3-embed</code></a>, <a href=\"#m=nvidia%2Fnemotron-3-embed-1b&amp;route=Core&amp;caller=nemotron-3-embed-latest&amp;fmt=embeddings\"><code>nemotron-3-embed-latest</code></a></span></p><h4>כינויים לנתיבי שיטות</h4><p class=\"note-s\">השתמשו בנתיבי השיטות המוצגים למעלה.</p><h4>מזהי מודלים קשורים IDs</h4><p class=\"note-s\"><a href=\"#m=nvidia%2Fnemotron-3-embed-1b&amp;route=Core&amp;caller=nvidia%2Fnemotron-3-embed-1b&amp;fmt=embeddings\"><code>nvidia/nemotron-3-embed-1b</code></a>, <a href=\"#m=nvidia%2Fnemotron-3-embed-1b&amp;route=Core&amp;caller=nemotron-3-embed&amp;fmt=embeddings\"><code>nemotron-3-embed</code></a>, <a href=\"#m=nvidia%2Fnemotron-3-embed-1b&amp;route=Core&amp;caller=nemotron-3-embed-latest&amp;fmt=embeddings\"><code>nemotron-3-embed-latest</code></a></p></section></div>",
      "method_identity": {
        "effective_request_model_id": "nemotron-3-embed",
        "fmt": "embeddings",
        "http": "POST",
        "path": "/v1/embeddings",
        "request_model_id": "nemotron-3-embed",
        "route_label": "Core"
      },
      "method_key": "Core|embeddings|/v1/embeddings|nemotron-3-embed",
      "ordinal": 1,
      "rawMethod": {
        "cache_read": null,
        "cache_write": null,
        "cache_write_1h": null,
        "cache_write_5m": null,
        "conditional_meter": null,
        "contract": {
          "data": {
            "all_results": "Decode base64 vectors only when that format was requested; retain every vector and its original index.",
            "errors": [
              {
                "code": null,
                "condition": "שדות נדרשים, ייצוג חומר או ערך פרמטר שאינם תקינים",
                "http_status": 400,
                "recovery": "תקנו את השדות שצוינו לפני בקשת יצירה חדשה.",
                "type": "invalid_request_error"
              }
            ],
            "hints": [],
            "ignored_fields": [],
            "lifecycle": {
              "create": {
                "http": "POST",
                "path": "/v1/embeddings"
              },
              "job_read": null,
              "mode": "synchronous_json",
              "unknown": "לא מתווספת נקודת קצה למשימות הטמעה."
            },
            "material_combinations": [
              {
                "alternatives": [
                  "nonempty string",
                  "nonempty string[]"
                ],
                "mode": "text_to_embedding"
              }
            ],
            "operation_modes": [
              "single_embedding",
              "batched_embeddings"
            ],
            "outputs": {
              "all_results": "יש לפענח וקטורי base64 רק כאשר הפורמט הזה התבקש; יש לשמור כל וקטור ואת האינדקס המקורי שלו.",
              "family": "embedding",
              "fields": [
                {
                  "description": null,
                  "name": "data[].index",
                  "type": "integer"
                },
                {
                  "description": null,
                  "name": "data[].embedding",
                  "type": "finite float[]|base64 float32 vector"
                },
                {
                  "description": null,
                  "name": "model",
                  "type": "string"
                },
                {
                  "description": null,
                  "name": "usage",
                  "type": "object"
                }
              ],
              "format": "json"
            },
            "parameters": [
              {
                "availability": "source_interface",
                "default": null,
                "default_known": false,
                "enum": [
                  "nemotron-3-embed"
                ],
                "enum_known": true,
                "name": "model",
                "required": true,
                "type": "string"
              },
              {
                "availability": "source_interface",
                "conditions": "כל מחרוזת חייבת להיות לא ריקה לאחר הסרת רווחים בקצוות; כתובות URI מסוג data נדחות; התקציב שהתקבל מודד את בתי ה־UTF8 הרלוונטיים.",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "min_items": 1,
                "name": "input",
                "required": true,
                "type": "string|string[]"
              },
              {
                "availability": "source_interface",
                "default": "query",
                "default_known": true,
                "enum": [
                  "query",
                  "passage"
                ],
                "enum_known": true,
                "name": "input_type",
                "required": false,
                "type": "string"
              },
              {
                "availability": "source_interface",
                "default": "float",
                "default_known": true,
                "enum": [
                  "float",
                  "base64"
                ],
                "enum_known": true,
                "name": "encoding_format",
                "required": false,
                "type": "string"
              },
              {
                "availability": "source_interface",
                "default": null,
                "default_known": false,
                "enum": [
                  "NONE",
                  "START",
                  "END"
                ],
                "enum_known": true,
                "name": "truncate",
                "required": false,
                "type": "string"
              },
              {
                "availability": "source_interface",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "minimum": 1,
                "name": "dimensions",
                "required": false,
                "type": "integer"
              },
              {
                "availability": "source_interface",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "name": "user",
                "required": false,
                "type": "string"
              }
            ],
            "profile_binding": "Exact existing Ailoot model and method; interface constraints below do not assert provider qualification.",
            "unsupported": [
              "image objects",
              "data URI text inputs",
              "token integer arrays on this NVIDIA adapter"
            ]
          },
          "hints": [
            "מבני המתודות והמזהים מדויקים; יכולת הספק נפרדת מקבלת הבקשה לביצוע."
          ],
          "input": {
            "content_type": "application/json",
            "material_types": [
              "text"
            ],
            "optional_controls": null,
            "required": [
              "model",
              "input"
            ]
          },
          "lifecycle": {
            "mode": "exact retained published method"
          },
          "method": {
            "http": "POST",
            "path": "/v1/embeddings"
          },
          "operation_modes": [
            "embeddings"
          ],
          "output": {
            "family": [
              "embedding"
            ],
            "format": "indexed vectors JSON",
            "multioutputs": "retain every actual response output"
          }
        },
        "ctx": 4096,
        "examples": [
          {
            "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}\"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"nemotron-3-embed\", \"input\": []}')\nf=Path(os.environ[\"AILOOT_TEXT_FILE\"])\nif not f.is_file():raise SystemExit(\"Choose your actual UTF-8 source material\")\ntext=f.read_text(encoding=\"utf-8\")\nif not text.strip():raise SystemExit(\"Source material must contain text\")\np[\"input\"]=[text]\nPath(\"request.json\").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \\\n  -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n  --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path(\"result.json\").read_text())\nfor x in r.get(\"data\",[]): print(json.dumps({\"index\":x.get(\"index\"),\"embedding\":x.get(\"embedding\")}))\nPY_RESULT\n",
            "label": "Embed your source material",
            "language": "bash"
          }
        ],
        "family": "openai",
        "fast_multiplier": null,
        "flex_multiplier": null,
        "fmt": "embeddings",
        "http": "POST",
        "img_in": null,
        "img_out": null,
        "in": 0.1,
        "input": [
          "text"
        ],
        "label": "ייצוגים וקטוריים",
        "max_out": 0,
        "max_tool_calls": null,
        "out": 0,
        "output": [
          "embedding"
        ],
        "path": "/v1/embeddings",
        "pricing_profiles": [
          {
            "dimensions": {},
            "label": "Core",
            "units": [
              {
                "amount": 0.1,
                "amount_unit": "usd_per_million_tokens",
                "key": "in",
                "label": "Input",
                "side": "in"
              },
              {
                "amount": 0,
                "amount_unit": "usd_per_million_tokens",
                "key": "out",
                "label": "Output",
                "side": "out"
              }
            ]
          }
        ],
        "request_model_id": "nemotron-3-embed",
        "route_label": "Core",
        "status_reads": [],
        "tiers": [],
        "tool_prices": null,
        "unit": "token",
        "units": []
      }
    },
    {
      "html": "<div class=\"sheet-head\"><span class=\"mav\" aria-hidden=\"true\">NV</span><h2 id=\"sheet-title\">Nemotron 3 Embed 1B</h2><button class=\"icon-btn\" type=\"button\" data-close-sheet aria-label=\"סגירה\">×</button></div><div class=\"idline\"><span>NVIDIA /</span><code>nemotron-3-embed-latest</code><button type=\"button\" id=\"copy-id\">העתקת ID</button></div><nav class=\"card-jump-nav\" aria-label=\"חלקי כרטיס המודל\"><button type=\"button\" data-card-jump=\"overview\">התחלה</button><button type=\"button\" data-card-jump=\"methods\">קלט ושיטות</button><button type=\"button\" data-card-jump=\"pricing\">תעריפים</button><button type=\"button\" data-card-jump=\"examples\">דוגמאות</button><button type=\"button\" data-card-jump=\"results\">תוצאות</button><button type=\"button\" data-card-jump=\"aliases\">כינויים</button></nav><div class=\"card-method-tabs\" role=\"tablist\" aria-label=\"שיטות API\"><button type=\"button\" role=\"tab\" tabindex=\"0\" aria-controls=\"card-method-content\" aria-selected=\"true\" id=\"card-method-tab-0\" data-card-method=\"Core|embeddings|/v1/embeddings|nemotron-3-embed-latest\">ייצוגים וקטוריים</button></div><div class=\"idline\"><label for=\"card-model-id\">מזהה מודל ID</label><select class=\"sel\" id=\"card-model-id\" style=\"min-width:0;max-width:100%\"><option value=\"Core|embeddings|/v1/embeddings|nvidia%2Fnemotron-3-embed-1b\">nvidia/nemotron-3-embed-1b</option><option value=\"Core|embeddings|/v1/embeddings|nemotron-3-embed\">nemotron-3-embed</option><option value=\"Core|embeddings|/v1/embeddings|nemotron-3-embed-latest\" selected>nemotron-3-embed-latest</option></select></div><div id=\"card-method-content\" role=\"tabpanel\" aria-labelledby=\"card-method-tab-0\"><section class=\"card-section\" data-card-section=\"overview\"><h3 tabindex=\"-1\">התחלה</h3><p class=\"mdesc-full\">Nemotron 3 Embed 1B ממיר טקסטים לווקטורים לחיפוש רב־לשוני, לחיפוש קוד ול־RAG. מעבד רצפים של עד 32768 טוקנים ומפיק ייצוג בעל 2048 מספרים.</p><dl class=\"card-io\" data-card-io><div><dt>סוגי קלט נתמכים</dt><dd>טקסט</dd></div><div><dt>תוצאות</dt><dd>embedding</dd></div></dl><details class=\"card-about\"><summary>על המודל</summary><p class=\"note-s\" data-model-method-boundary>התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.</p><div class=\"mabout\" id=\"m-about\"><p>Nemotron 3 Embed 1B הוא מודל טקסטואלי של NVIDIA לחיפוש לפי משמעות ולהשוואת מקטעים. הוא מקודד שאלות, מסמכים וקוד לווקטורים מספריים צפופים. הייצוגים האלה משמשים למציאת ההקשר הדרוש באוספים גדולים, להשלמת תשובת עוזר באמצעותו או לחילוץ מידע שנשמר בעבר לשלב הבא של סוכן.</p><h4>ידע רב־לשוני וקוד</h4><p>המודל מיועד לחיפוש רב־לשוני ובין־לשוני: השאלה והחומר המתאים יכולים להיכתב בשפות שונות. רוסית כלולה בקבוצה שפורסמה של 34 שפות, יחד עם אנגלית, אוקראינית, סינית, יפנית, ערבית ואחרות. זה מועיל לבסיסי ידע משותפים שבהם מסמכים טכניים ופניות משתמשים אינם מותאמים לשפה אחת.</p><p>בין המשימות: חיפוש בתיעוד, השוואת טקסטים וחילוץ קוד לפי תיאור מילולי. חלון קלט גדול מאפשר לעבוד עם מסמכים ארוכים, עם הקשר קוד רחב ועם היסטוריה של כמה שלבי סוכן. החומר שנמצא מוחזר לתהליך ההמשך כהקשר; הרכיב הבא במערכת מפיק את ההסברים והתשובות הסופיים.</p><h4>מטקסט לווקטור</h4><p>הקלט מורכב ממחרוזות טקסט. לכל מחרוזת מופק וקטור אחד של 2048 מספרים. אורך הרצף המרבי הוא 32768 טוקנים; חומר ארוך יותר צריך לחלק לחלקים או לקצר. בהכנת הקלט מבחינים בין שאלה למסמך: המודל אומן להשוות את התפקידים שלהם, ולכן אין לעצב מחרוזת זהה בשתי המשימות האלה בלי להתחשב בייעוד.</p><p>הווקטורים מנורמלים לפי אורך. בייצוג כזה מכפלה סקלרית ודמיון קוסינוסי נותנים דרך השוואה שקולה. אפשר להשאיר את 1024 או 512 הקואורדינטות הראשונות של הווקטור המלא, אך לאחר הקיצור צריך לבצע נרמול מחדש. זהו מאפיין של עיבוד התוצאה; צריך לבחור ממד ייצוג עקבי לאוסף ולשאילתות.</p><h4>איך בנוי מודל קומפקטי</h4><p>המקודד כולל כ־1,14 מיליארד פרמטרים. הוא נוצר ממודל המבוסס על Ministral 3 3B באמצעות שני שלבים של צמצום מבני וזיקוק. קשב דו־כיווני מביא בחשבון את כל הקלט, ואז מחושב ממוצע ייצוגי הטוקנים לווקטור משותף.</p><p>NVIDIA מפרסמת גרסאות BF16 ו־NVFP4. מרחבי הייצוג שלהן קרובים, אך החלפת גרסה דורשת בדיקה על המסמכים שלך. דמיון מספרי ואורך ההקשר אינם מבטיחים שהחיפוש תמיד יבחר במקטע הנכון.</p></div></details></section><section class=\"card-section\" data-card-section=\"methods\"><h3 tabindex=\"-1\">זמין ב-Ailoot · קלט ושיטות</h3><details class=\"card-method\" open><summary><b>Ailoot · ייצוגים וקטוריים</b> <code>POST /v1/embeddings</code></summary><dl class=\"method-capabilities\"><div><dt>סוגי קלט</dt><dd><code>text</code></dd></div><div><dt>סוגי פלט</dt><dd><code>embedding</code></dd></div><div><dt>הקשר</dt><dd>⁦4,096⁩ tokens</dd></div><div><dt>פורמט פלט</dt><dd>json</dd></div></dl><div class=\"tw\" data-card-parameters data-typed-parameters><table><thead><tr><th>שדה</th><th>סוג</th><th>דרישה</th><th>ערכים ומגבלות</th><th>ברירת מחדל</th></tr></thead><tbody><tr data-parameter-availability=\"source_interface\"><th data-cell-label=\"שדה\" scope=\"row\"><span class=\"card-cell-label\">שדה</span><code class=\"card-field-name\">model</code></th><td data-cell-label=\"סוג\" data-field-type><span class=\"card-cell-label\">סוג</span><code>string</code></td><td data-cell-label=\"דרישה\"><span class=\"card-cell-label\">דרישה</span>חובה</td><td data-cell-label=\"ערכים ומגבלות\"><span class=\"card-cell-label\">ערכים ומגבלות</span><div>nemotron-3-embed-latest</div></td><td data-cell-label=\"ברירת מחדל\" data-default=\"unspecified\"><span class=\"card-cell-label\">ברירת מחדל</span>—</td></tr><tr data-parameter-availability=\"source_interface\"><th data-cell-label=\"שדה\" scope=\"row\"><span class=\"card-cell-label\">שדה</span><code class=\"card-field-name\">input</code></th><td data-cell-label=\"סוג\" data-field-type><span class=\"card-cell-label\">סוג</span><code>string|string[]</code></td><td data-cell-label=\"דרישה\"><span class=\"card-cell-label\">דרישה</span>חובה</td><td data-cell-label=\"ערכים ומגבלות\"><span class=\"card-cell-label\">ערכים ומגבלות</span><div>מספר פריטים מזערי: ⁦1⁩</div><div>תנאים: כל מחרוזת חייבת להיות לא ריקה לאחר הסרת רווחים בקצוות; כתובות URI מסוג data נדחות; התקציב שהתקבל מודד את בתי ה־UTF8 הרלוונטיים.</div></td><td data-cell-label=\"ברירת מחדל\" data-default=\"unspecified\"><span class=\"card-cell-label\">ברירת מחדל</span>—</td></tr><tr data-parameter-availability=\"source_interface\"><th data-cell-label=\"שדה\" scope=\"row\"><span class=\"card-cell-label\">שדה</span><code class=\"card-field-name\">input_type</code></th><td data-cell-label=\"סוג\" data-field-type><span class=\"card-cell-label\">סוג</span><code>string</code></td><td data-cell-label=\"דרישה\"><span class=\"card-cell-label\">דרישה</span>רשות</td><td data-cell-label=\"ערכים ומגבלות\"><span class=\"card-cell-label\">ערכים ומגבלות</span><div>query, passage</div></td><td data-cell-label=\"ברירת מחדל\" data-default=\"known\"><span class=\"card-cell-label\">ברירת מחדל</span>query</td></tr><tr data-parameter-availability=\"source_interface\"><th data-cell-label=\"שדה\" scope=\"row\"><span class=\"card-cell-label\">שדה</span><code class=\"card-field-name\">encoding_format</code></th><td data-cell-label=\"סוג\" data-field-type><span class=\"card-cell-label\">סוג</span><code>string</code></td><td data-cell-label=\"דרישה\"><span class=\"card-cell-label\">דרישה</span>רשות</td><td data-cell-label=\"ערכים ומגבלות\"><span class=\"card-cell-label\">ערכים ומגבלות</span><div>float, base64</div></td><td data-cell-label=\"ברירת מחדל\" data-default=\"known\"><span class=\"card-cell-label\">ברירת מחדל</span>float</td></tr><tr data-parameter-availability=\"source_interface\"><th data-cell-label=\"שדה\" scope=\"row\"><span class=\"card-cell-label\">שדה</span><code class=\"card-field-name\">truncate</code></th><td data-cell-label=\"סוג\" data-field-type><span class=\"card-cell-label\">סוג</span><code>string</code></td><td data-cell-label=\"דרישה\"><span class=\"card-cell-label\">דרישה</span>רשות</td><td data-cell-label=\"ערכים ומגבלות\"><span class=\"card-cell-label\">ערכים ומגבלות</span><div>NONE, START, END</div></td><td data-cell-label=\"ברירת מחדל\" data-default=\"unspecified\"><span class=\"card-cell-label\">ברירת מחדל</span>—</td></tr><tr data-parameter-availability=\"source_interface\"><th data-cell-label=\"שדה\" scope=\"row\"><span class=\"card-cell-label\">שדה</span><code class=\"card-field-name\">dimensions</code></th><td data-cell-label=\"סוג\" data-field-type><span class=\"card-cell-label\">סוג</span><code>integer</code></td><td data-cell-label=\"דרישה\"><span class=\"card-cell-label\">דרישה</span>רשות</td><td data-cell-label=\"ערכים ומגבלות\"><span class=\"card-cell-label\">ערכים ומגבלות</span><div>מינימום: ⁦1⁩</div></td><td data-cell-label=\"ברירת מחדל\" data-default=\"unspecified\"><span class=\"card-cell-label\">ברירת מחדל</span>—</td></tr><tr data-parameter-availability=\"source_interface\"><th data-cell-label=\"שדה\" scope=\"row\"><span class=\"card-cell-label\">שדה</span><code class=\"card-field-name\">user</code></th><td data-cell-label=\"סוג\" data-field-type><span class=\"card-cell-label\">סוג</span><code>string</code></td><td data-cell-label=\"דרישה\"><span class=\"card-cell-label\">דרישה</span>רשות</td><td data-cell-label=\"ערכים ומגבלות\"><span class=\"card-cell-label\">ערכים ומגבלות</span></td><td data-cell-label=\"ברירת מחדל\" data-default=\"unspecified\"><span class=\"card-cell-label\">ברירת מחדל</span>—</td></tr></tbody></table></div><details class=\"card-about\" data-material-combinations><summary>שילובים של חומרי קלט</summary><p class=\"note-s\"><b>text_to_embedding</b></p></details><details class=\"note-s\" data-method-contract><summary>פרמטרים ומחזור חיים של השיטה</summary><div class=\"tw\" data-card-table=\"contract\"><table><thead><tr><th>פרמטר</th><th>מפרט</th></tr></thead><tbody><tr><th data-cell-label=\"פרמטר\" scope=\"row\"><span class=\"card-cell-label\">פרמטר</span><code>material_types</code></th><td data-cell-label=\"מפרט\"><span class=\"card-cell-label\">מפרט</span>text</td></tr><tr><th data-cell-label=\"פרמטר\" scope=\"row\"><span class=\"card-cell-label\">פרמטר</span><code>required</code></th><td data-cell-label=\"מפרט\"><span class=\"card-cell-label\">מפרט</span>model, input</td></tr><tr><th data-cell-label=\"פרמטר\" scope=\"row\"><span class=\"card-cell-label\">פרמטר</span><code>optional_controls</code></th><td data-cell-label=\"מפרט\"><span class=\"card-cell-label\">מפרט</span>null</td></tr><tr><th data-cell-label=\"פרמטר\" scope=\"row\"><span class=\"card-cell-label\">פרמטר</span><code>content_type</code></th><td data-cell-label=\"מפרט\"><span class=\"card-cell-label\">מפרט</span>application/json</td></tr></tbody></table></div><p>מחזור חיים: <code>exact retained published method</code></p><p class=\"note-s\">מבני המתודות והמזהים מדויקים; יכולת הספק נפרדת מקבלת הבקשה לביצוע.</p></details></details></section><section class=\"card-section\" data-card-section=\"pricing\"><h3 tabindex=\"-1\">תעריפים</h3><h4>תעריפי שיטות Ailoot</h4><section class=\"meth\" data-route=\"Core\"><header><b><span class=\"alias\">Ailoot</span> ייצוגים וקטוריים</b><code>POST /v1/embeddings</code></header><dl><div><dt>קלט</dt><dd>⁦‏0.0001 ‏$⁩ <em>/ 1K</em></dd></div></dl></section><p class=\"note-s\">לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. <a href=\"/docs/he/billing/reserve/\">איך פועלים שריון הסכום והסדרת החיוב →</a></p></section><section class=\"card-section\" data-card-section=\"examples\"><h3 tabindex=\"-1\">דוגמאות לבקשות</h3><h4>Ailoot · ייצוגים וקטוריים</h4><div class=\"code-group\"><div class=\"cg-bar\"><div class=\"cg-tabs\" role=\"tablist\" aria-label=\"אפשרויות קוד\"><button class=\"cg-tab\" id=\"model-code-529-tab-0\" role=\"tab\" type=\"button\" aria-controls=\"model-code-529-panel-0\" aria-selected=\"true\" tabindex=\"0\">דוגמת ייצוגים וקטוריים</button></div><div class=\"cg-tools\"><button class=\"cg-btn cg-copy\" type=\"button\" aria-label=\"העתקת הקוד\"><svg class=\"cp\" viewBox=\"0 0 16 16\" fill=\"none\" stroke=\"currentColor\" stroke-width=\"1.4\"><rect x=\"5.25\" y=\"5.25\" width=\"8.5\" height=\"8.5\" rx=\"1.75\"/><path d=\"M10.75 5.25V3.5a1.25 1.25 0 0 0-1.25-1.25H3.5A1.25 1.25 0 0 0 2.25 3.5v6a1.25 1.25 0 0 0 1.25 1.25h1.75\"/></svg><svg class=\"ok\" viewBox=\"0 0 16 16\" fill=\"none\" stroke=\"currentColor\" stroke-width=\"1.4\"><path d=\"m3 8.5 3.25 3.25L13 5\"/></svg></button></div></div><div class=\"cg-body\"><div class=\"cg-pane\" id=\"model-code-529-panel-0\" role=\"tabpanel\" aria-labelledby=\"model-code-529-tab-0\"><pre data-lang=\"bash\"><code>set -eu\n: &quot;${AILOOT_API_KEY:?Set your Ailoot API key}&quot;\n: &quot;${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}&quot;\nexport AILOOT_TEXT_FILE\npython3 - &lt;&lt;&#39;PY_REQUEST&#39;\nimport json,os\nfrom pathlib import Path\np=json.loads(&#39;{&quot;model&quot;: &quot;nemotron-3-embed-latest&quot;, &quot;input&quot;: []}&#39;)\nf=Path(os.environ[&quot;AILOOT_TEXT_FILE&quot;])\nif not f.is_file():raise SystemExit(&quot;Choose your actual UTF-8 source material&quot;)\ntext=f.read_text(encoding=&quot;utf-8&quot;)\nif not text.strip():raise SystemExit(&quot;Source material must contain text&quot;)\np[&quot;input&quot;]=[text]\nPath(&quot;request.json&quot;).write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \\\n  -H &quot;Authorization: Bearer $AILOOT_API_KEY&quot; -H &#39;Content-Type: application/json&#39; \\\n  --data-binary @request.json -D response-headers.txt -o result.json\npython3 - &lt;&lt;&#39;PY_RESULT&#39;\nimport json\nfrom pathlib import Path\nr=json.loads(Path(&quot;result.json&quot;).read_text())\nfor x in r.get(&quot;data&quot;,[]): print(json.dumps({&quot;index&quot;:x.get(&quot;index&quot;),&quot;embedding&quot;:x.get(&quot;embedding&quot;)}))\nPY_RESULT\n</code></pre></div></div></div></section><section class=\"card-section\" data-card-section=\"results\"><h3 tabindex=\"-1\">קבלה ושמירה של תוצאות</h3><h4>Ailoot · ייצוגים וקטוריים</h4><p class=\"note-s\">json</p><div class=\"card-result-process\" data-all-results><h5>שמירת כל התוצאות שהושלמו</h5><p class=\"note-s\">שמרו כל תגובה מלאה, קובץ ומקטע תוכן שהוחזרו.</p><p class=\"note-s\">יש לפענח וקטורי base64 רק כאשר הפורמט הזה התבקש; יש לשמור כל וקטור ואת האינדקס המקורי שלו.</p></div><div class=\"card-result-process\" data-unknown-recovery><h5>כשצריך לבדוק את התגובה המקורית</h5><p class=\"note-s\">לא מתווספת נקודת קצה למשימות הטמעה.</p></div><details class=\"card-about\" data-output-fields><summary>שדות התגובה</summary><div class=\"tw\" data-card-table=\"output\"><table><thead><tr><th>שדה</th><th>סוג</th></tr></thead><tbody><tr><th data-cell-label=\"שדה\" scope=\"row\"><span class=\"card-cell-label\">שדה</span><code class=\"card-field-name\">data[].index</code></th><td data-cell-label=\"סוג\" data-field-type><span class=\"card-cell-label\">סוג</span>integer</td></tr><tr><th data-cell-label=\"שדה\" scope=\"row\"><span class=\"card-cell-label\">שדה</span><code class=\"card-field-name\">data[].embedding</code></th><td data-cell-label=\"סוג\" data-field-type><span class=\"card-cell-label\">סוג</span>finite float[]|base64 float32 vector</td></tr><tr><th data-cell-label=\"שדה\" scope=\"row\"><span class=\"card-cell-label\">שדה</span><code class=\"card-field-name\">model</code></th><td data-cell-label=\"סוג\" data-field-type><span class=\"card-cell-label\">סוג</span>string</td></tr><tr><th data-cell-label=\"שדה\" scope=\"row\"><span class=\"card-cell-label\">שדה</span><code class=\"card-field-name\">usage</code></th><td data-cell-label=\"סוג\" data-field-type><span class=\"card-cell-label\">סוג</span>object</td></tr></tbody></table></div></details><details class=\"card-about\" data-method-errors><summary>שגיאות והשלבים הבאים</summary><div class=\"tw\" data-card-table=\"errors\"><table><thead><tr><th>תגובה</th><th>תנאי</th><th>השלב הבא</th></tr></thead><tbody><tr><th data-cell-label=\"תגובה\" scope=\"row\"><span class=\"card-cell-label\">תגובה</span>⁦400⁩ · <code>invalid_request_error</code></th><td data-cell-label=\"תנאי\"><span class=\"card-cell-label\">תנאי</span>שדות נדרשים, ייצוג חומר או ערך פרמטר שאינם תקינים</td><td data-cell-label=\"השלב הבא\"><span class=\"card-cell-label\">השלב הבא</span>תקנו את השדות שצוינו לפני בקשת יצירה חדשה.</td></tr></tbody></table></div></details></section><section class=\"card-section\" data-card-section=\"aliases\"><h3 tabindex=\"-1\">כינויים</h3><h4>כינויים למודל</h4><p class=\"note-s\"><span data-model-alias-route=\"Core\"><b>Ailoot</b> <a href=\"#m=nvidia%2Fnemotron-3-embed-1b&amp;route=Core&amp;caller=nvidia%2Fnemotron-3-embed-1b&amp;fmt=embeddings\"><code>nvidia/nemotron-3-embed-1b</code></a>, <a href=\"#m=nvidia%2Fnemotron-3-embed-1b&amp;route=Core&amp;caller=nemotron-3-embed&amp;fmt=embeddings\"><code>nemotron-3-embed</code></a>, <a href=\"#m=nvidia%2Fnemotron-3-embed-1b&amp;route=Core&amp;caller=nemotron-3-embed-latest&amp;fmt=embeddings\"><code>nemotron-3-embed-latest</code></a></span></p><h4>כינויים לנתיבי שיטות</h4><p class=\"note-s\">השתמשו בנתיבי השיטות המוצגים למעלה.</p><h4>מזהי מודלים קשורים IDs</h4><p class=\"note-s\"><a href=\"#m=nvidia%2Fnemotron-3-embed-1b&amp;route=Core&amp;caller=nvidia%2Fnemotron-3-embed-1b&amp;fmt=embeddings\"><code>nvidia/nemotron-3-embed-1b</code></a>, <a href=\"#m=nvidia%2Fnemotron-3-embed-1b&amp;route=Core&amp;caller=nemotron-3-embed&amp;fmt=embeddings\"><code>nemotron-3-embed</code></a>, <a href=\"#m=nvidia%2Fnemotron-3-embed-1b&amp;route=Core&amp;caller=nemotron-3-embed-latest&amp;fmt=embeddings\"><code>nemotron-3-embed-latest</code></a></p></section></div>",
      "method_identity": {
        "effective_request_model_id": "nemotron-3-embed-latest",
        "fmt": "embeddings",
        "http": "POST",
        "path": "/v1/embeddings",
        "request_model_id": "nemotron-3-embed-latest",
        "route_label": "Core"
      },
      "method_key": "Core|embeddings|/v1/embeddings|nemotron-3-embed-latest",
      "ordinal": 2,
      "rawMethod": {
        "cache_read": null,
        "cache_write": null,
        "cache_write_1h": null,
        "cache_write_5m": null,
        "conditional_meter": null,
        "contract": {
          "data": {
            "all_results": "Decode base64 vectors only when that format was requested; retain every vector and its original index.",
            "errors": [
              {
                "code": null,
                "condition": "שדות נדרשים, ייצוג חומר או ערך פרמטר שאינם תקינים",
                "http_status": 400,
                "recovery": "תקנו את השדות שצוינו לפני בקשת יצירה חדשה.",
                "type": "invalid_request_error"
              }
            ],
            "hints": [],
            "ignored_fields": [],
            "lifecycle": {
              "create": {
                "http": "POST",
                "path": "/v1/embeddings"
              },
              "job_read": null,
              "mode": "synchronous_json",
              "unknown": "לא מתווספת נקודת קצה למשימות הטמעה."
            },
            "material_combinations": [
              {
                "alternatives": [
                  "nonempty string",
                  "nonempty string[]"
                ],
                "mode": "text_to_embedding"
              }
            ],
            "operation_modes": [
              "single_embedding",
              "batched_embeddings"
            ],
            "outputs": {
              "all_results": "יש לפענח וקטורי base64 רק כאשר הפורמט הזה התבקש; יש לשמור כל וקטור ואת האינדקס המקורי שלו.",
              "family": "embedding",
              "fields": [
                {
                  "description": null,
                  "name": "data[].index",
                  "type": "integer"
                },
                {
                  "description": null,
                  "name": "data[].embedding",
                  "type": "finite float[]|base64 float32 vector"
                },
                {
                  "description": null,
                  "name": "model",
                  "type": "string"
                },
                {
                  "description": null,
                  "name": "usage",
                  "type": "object"
                }
              ],
              "format": "json"
            },
            "parameters": [
              {
                "availability": "source_interface",
                "default": null,
                "default_known": false,
                "enum": [
                  "nemotron-3-embed-latest"
                ],
                "enum_known": true,
                "name": "model",
                "required": true,
                "type": "string"
              },
              {
                "availability": "source_interface",
                "conditions": "כל מחרוזת חייבת להיות לא ריקה לאחר הסרת רווחים בקצוות; כתובות URI מסוג data נדחות; התקציב שהתקבל מודד את בתי ה־UTF8 הרלוונטיים.",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "min_items": 1,
                "name": "input",
                "required": true,
                "type": "string|string[]"
              },
              {
                "availability": "source_interface",
                "default": "query",
                "default_known": true,
                "enum": [
                  "query",
                  "passage"
                ],
                "enum_known": true,
                "name": "input_type",
                "required": false,
                "type": "string"
              },
              {
                "availability": "source_interface",
                "default": "float",
                "default_known": true,
                "enum": [
                  "float",
                  "base64"
                ],
                "enum_known": true,
                "name": "encoding_format",
                "required": false,
                "type": "string"
              },
              {
                "availability": "source_interface",
                "default": null,
                "default_known": false,
                "enum": [
                  "NONE",
                  "START",
                  "END"
                ],
                "enum_known": true,
                "name": "truncate",
                "required": false,
                "type": "string"
              },
              {
                "availability": "source_interface",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "minimum": 1,
                "name": "dimensions",
                "required": false,
                "type": "integer"
              },
              {
                "availability": "source_interface",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "name": "user",
                "required": false,
                "type": "string"
              }
            ],
            "profile_binding": "Exact existing Ailoot model and method; interface constraints below do not assert provider qualification.",
            "unsupported": [
              "image objects",
              "data URI text inputs",
              "token integer arrays on this NVIDIA adapter"
            ]
          },
          "hints": [
            "מבני המתודות והמזהים מדויקים; יכולת הספק נפרדת מקבלת הבקשה לביצוע."
          ],
          "input": {
            "content_type": "application/json",
            "material_types": [
              "text"
            ],
            "optional_controls": null,
            "required": [
              "model",
              "input"
            ]
          },
          "lifecycle": {
            "mode": "exact retained published method"
          },
          "method": {
            "http": "POST",
            "path": "/v1/embeddings"
          },
          "operation_modes": [
            "embeddings"
          ],
          "output": {
            "family": [
              "embedding"
            ],
            "format": "indexed vectors JSON",
            "multioutputs": "retain every actual response output"
          }
        },
        "ctx": 4096,
        "examples": [
          {
            "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}\"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"nemotron-3-embed-latest\", \"input\": []}')\nf=Path(os.environ[\"AILOOT_TEXT_FILE\"])\nif not f.is_file():raise SystemExit(\"Choose your actual UTF-8 source material\")\ntext=f.read_text(encoding=\"utf-8\")\nif not text.strip():raise SystemExit(\"Source material must contain text\")\np[\"input\"]=[text]\nPath(\"request.json\").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \\\n  -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n  --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path(\"result.json\").read_text())\nfor x in r.get(\"data\",[]): print(json.dumps({\"index\":x.get(\"index\"),\"embedding\":x.get(\"embedding\")}))\nPY_RESULT\n",
            "label": "Embed your source material",
            "language": "bash"
          }
        ],
        "family": "openai",
        "fast_multiplier": null,
        "flex_multiplier": null,
        "fmt": "embeddings",
        "http": "POST",
        "img_in": null,
        "img_out": null,
        "in": 0.1,
        "input": [
          "text"
        ],
        "label": "ייצוגים וקטוריים",
        "max_out": 0,
        "max_tool_calls": null,
        "out": 0,
        "output": [
          "embedding"
        ],
        "path": "/v1/embeddings",
        "pricing_profiles": [
          {
            "dimensions": {},
            "label": "Core",
            "units": [
              {
                "amount": 0.1,
                "amount_unit": "usd_per_million_tokens",
                "key": "in",
                "label": "Input",
                "side": "in"
              },
              {
                "amount": 0,
                "amount_unit": "usd_per_million_tokens",
                "key": "out",
                "label": "Output",
                "side": "out"
              }
            ]
          }
        ],
        "request_model_id": "nemotron-3-embed-latest",
        "route_label": "Core",
        "status_reads": [],
        "tiers": [],
        "tool_prices": null,
        "unit": "token",
        "units": []
      }
    }
  ],
  "model_id": "nvidia/nemotron-3-embed-1b",
  "nativeProvenance": {
    "input_facts_canonical_sha256": "7c6316cefc76e91ddff15c1568381c7351e06bdea5b05821db0f303d455e7975",
    "input_html_sha256": "d14fed81a1ea1cd6a0935e00a694fe68feaa03b004d85f86008fb249a57ac2f2",
    "private_audit_sha256": "3c35564739002d29882ef776d0d3c57ea7162846df998d4916babfadd9895ad8",
    "role": "historical-normalized-input-audit-hashes",
    "schema": "ailoot-native-model-provenance-v2"
  },
  "page": {
    "canonical": "https://ailoot.ai/models/he/nvidia-nemotron-3-embed-1b/",
    "description": "Nemotron 3 Embed 1B ממיר טקסטים לווקטורים לחיפוש רב־לשוני, לחיפוש קוד ול־RAG. מעבד רצפים של עד 32768 טוקנים ומפיק ייצוג בעל 2048 מספרים.",
    "locale": "he",
    "md_url": "https://ailoot.ai/models/he/nvidia-nemotron-3-embed-1b/index.md",
    "title": "Nemotron 3 Embed 1B — Ailoot",
    "url": "https://ailoot.ai/models/he/nvidia-nemotron-3-embed-1b/"
  },
  "rawModel": {
    "about": "Nemotron 3 Embed 1B הוא מודל טקסטואלי של NVIDIA לחיפוש לפי משמעות ולהשוואת מקטעים. הוא מקודד שאלות, מסמכים וקוד לווקטורים מספריים צפופים. הייצוגים האלה משמשים למציאת ההקשר הדרוש באוספים גדולים, להשלמת תשובת עוזר באמצעותו או לחילוץ מידע שנשמר בעבר לשלב הבא של סוכן.\n\n### ידע רב־לשוני וקוד\n\nהמודל מיועד לחיפוש רב־לשוני ובין־לשוני: השאלה והחומר המתאים יכולים להיכתב בשפות שונות. רוסית כלולה בקבוצה שפורסמה של 34 שפות, יחד עם אנגלית, אוקראינית, סינית, יפנית, ערבית ואחרות. זה מועיל לבסיסי ידע משותפים שבהם מסמכים טכניים ופניות משתמשים אינם מותאמים לשפה אחת.\n\nבין המשימות: חיפוש בתיעוד, השוואת טקסטים וחילוץ קוד לפי תיאור מילולי. חלון קלט גדול מאפשר לעבוד עם מסמכים ארוכים, עם הקשר קוד רחב ועם היסטוריה של כמה שלבי סוכן. החומר שנמצא מוחזר לתהליך ההמשך כהקשר; הרכיב הבא במערכת מפיק את ההסברים והתשובות הסופיים.\n\n### מטקסט לווקטור\n\nהקלט מורכב ממחרוזות טקסט. לכל מחרוזת מופק וקטור אחד של 2048 מספרים. אורך הרצף המרבי הוא 32768 טוקנים; חומר ארוך יותר צריך לחלק לחלקים או לקצר. בהכנת הקלט מבחינים בין שאלה למסמך: המודל אומן להשוות את התפקידים שלהם, ולכן אין לעצב מחרוזת זהה בשתי המשימות האלה בלי להתחשב בייעוד.\n\nהווקטורים מנורמלים לפי אורך. בייצוג כזה מכפלה סקלרית ודמיון קוסינוסי נותנים דרך השוואה שקולה. אפשר להשאיר את 1024 או 512 הקואורדינטות הראשונות של הווקטור המלא, אך לאחר הקיצור צריך לבצע נרמול מחדש. זהו מאפיין של עיבוד התוצאה; צריך לבחור ממד ייצוג עקבי לאוסף ולשאילתות.\n\n### איך בנוי מודל קומפקטי\n\nהמקודד כולל כ־1,14 מיליארד פרמטרים. הוא נוצר ממודל המבוסס על Ministral 3 3B באמצעות שני שלבים של צמצום מבני וזיקוק. קשב דו־כיווני מביא בחשבון את כל הקלט, ואז מחושב ממוצע ייצוגי הטוקנים לווקטור משותף.\n\nNVIDIA מפרסמת גרסאות BF16 ו־NVFP4. מרחבי הייצוג שלהן קרובים, אך החלפת גרסה דורשת בדיקה על המסמכים שלך. דמיון מספרי ואורך ההקשר אינם מבטיחים שהחיפוש תמיד יבחר במקטע הנכון.",
    "alias_of": null,
    "aliases": [
      "nemotron-3-embed",
      "nemotron-3-embed-latest"
    ],
    "author": "NVIDIA",
    "ctx": 4096,
    "display_name": "Nemotron 3 Embed 1B",
    "formats": [
      "embeddings"
    ],
    "id": "nvidia/nemotron-3-embed-1b",
    "input": [
      "text"
    ],
    "kind": "embedding",
    "max_out": null,
    "methods": [
      {
        "cache_read": null,
        "cache_write": null,
        "cache_write_1h": null,
        "cache_write_5m": null,
        "conditional_meter": null,
        "contract": {
          "data": {
            "all_results": "Decode base64 vectors only when that format was requested; retain every vector and its original index.",
            "errors": [
              {
                "code": null,
                "condition": "שדות נדרשים, ייצוג חומר או ערך פרמטר שאינם תקינים",
                "http_status": 400,
                "recovery": "תקנו את השדות שצוינו לפני בקשת יצירה חדשה.",
                "type": "invalid_request_error"
              }
            ],
            "hints": [],
            "ignored_fields": [],
            "lifecycle": {
              "create": {
                "http": "POST",
                "path": "/v1/embeddings"
              },
              "job_read": null,
              "mode": "synchronous_json",
              "unknown": "לא מתווספת נקודת קצה למשימות הטמעה."
            },
            "material_combinations": [
              {
                "alternatives": [
                  "nonempty string",
                  "nonempty string[]"
                ],
                "mode": "text_to_embedding"
              }
            ],
            "operation_modes": [
              "single_embedding",
              "batched_embeddings"
            ],
            "outputs": {
              "all_results": "יש לפענח וקטורי base64 רק כאשר הפורמט הזה התבקש; יש לשמור כל וקטור ואת האינדקס המקורי שלו.",
              "family": "embedding",
              "fields": [
                {
                  "description": null,
                  "name": "data[].index",
                  "type": "integer"
                },
                {
                  "description": null,
                  "name": "data[].embedding",
                  "type": "finite float[]|base64 float32 vector"
                },
                {
                  "description": null,
                  "name": "model",
                  "type": "string"
                },
                {
                  "description": null,
                  "name": "usage",
                  "type": "object"
                }
              ],
              "format": "json"
            },
            "parameters": [
              {
                "availability": "source_interface",
                "default": null,
                "default_known": false,
                "enum": [
                  "nvidia/nemotron-3-embed-1b"
                ],
                "enum_known": true,
                "name": "model",
                "required": true,
                "type": "string"
              },
              {
                "availability": "source_interface",
                "conditions": "כל מחרוזת חייבת להיות לא ריקה לאחר הסרת רווחים בקצוות; כתובות URI מסוג data נדחות; התקציב שהתקבל מודד את בתי ה־UTF8 הרלוונטיים.",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "min_items": 1,
                "name": "input",
                "required": true,
                "type": "string|string[]"
              },
              {
                "availability": "source_interface",
                "default": "query",
                "default_known": true,
                "enum": [
                  "query",
                  "passage"
                ],
                "enum_known": true,
                "name": "input_type",
                "required": false,
                "type": "string"
              },
              {
                "availability": "source_interface",
                "default": "float",
                "default_known": true,
                "enum": [
                  "float",
                  "base64"
                ],
                "enum_known": true,
                "name": "encoding_format",
                "required": false,
                "type": "string"
              },
              {
                "availability": "source_interface",
                "default": null,
                "default_known": false,
                "enum": [
                  "NONE",
                  "START",
                  "END"
                ],
                "enum_known": true,
                "name": "truncate",
                "required": false,
                "type": "string"
              },
              {
                "availability": "source_interface",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "minimum": 1,
                "name": "dimensions",
                "required": false,
                "type": "integer"
              },
              {
                "availability": "source_interface",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "name": "user",
                "required": false,
                "type": "string"
              }
            ],
            "profile_binding": "Exact existing Ailoot model and method; interface constraints below do not assert provider qualification.",
            "unsupported": [
              "image objects",
              "data URI text inputs",
              "token integer arrays on this NVIDIA adapter"
            ]
          },
          "hints": [
            "מבני המתודות והמזהים מדויקים; יכולת הספק נפרדת מקבלת הבקשה לביצוע."
          ],
          "input": {
            "content_type": "application/json",
            "material_types": [
              "text"
            ],
            "optional_controls": null,
            "required": [
              "model",
              "input"
            ]
          },
          "lifecycle": {
            "mode": "exact retained published method"
          },
          "method": {
            "http": "POST",
            "path": "/v1/embeddings"
          },
          "operation_modes": [
            "embeddings"
          ],
          "output": {
            "family": [
              "embedding"
            ],
            "format": "indexed vectors JSON",
            "multioutputs": "retain every actual response output"
          }
        },
        "ctx": 4096,
        "examples": [
          {
            "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}\"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"nvidia/nemotron-3-embed-1b\", \"input\": []}')\nf=Path(os.environ[\"AILOOT_TEXT_FILE\"])\nif not f.is_file():raise SystemExit(\"Choose your actual UTF-8 source material\")\ntext=f.read_text(encoding=\"utf-8\")\nif not text.strip():raise SystemExit(\"Source material must contain text\")\np[\"input\"]=[text]\nPath(\"request.json\").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \\\n  -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n  --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path(\"result.json\").read_text())\nfor x in r.get(\"data\",[]): print(json.dumps({\"index\":x.get(\"index\"),\"embedding\":x.get(\"embedding\")}))\nPY_RESULT\n",
            "label": "Embed your source material",
            "language": "bash"
          }
        ],
        "family": "openai",
        "fast_multiplier": null,
        "flex_multiplier": null,
        "fmt": "embeddings",
        "http": "POST",
        "img_in": null,
        "img_out": null,
        "in": 0.1,
        "input": [
          "text"
        ],
        "label": "ייצוגים וקטוריים",
        "max_out": 0,
        "max_tool_calls": null,
        "out": 0,
        "output": [
          "embedding"
        ],
        "path": "/v1/embeddings",
        "pricing_profiles": [
          {
            "dimensions": {},
            "label": "Core",
            "units": [
              {
                "amount": 0.1,
                "amount_unit": "usd_per_million_tokens",
                "key": "in",
                "label": "Input",
                "side": "in"
              },
              {
                "amount": 0,
                "amount_unit": "usd_per_million_tokens",
                "key": "out",
                "label": "Output",
                "side": "out"
              }
            ]
          }
        ],
        "request_model_id": "nvidia/nemotron-3-embed-1b",
        "route_label": "Core",
        "status_reads": [],
        "tiers": [],
        "tool_prices": null,
        "unit": "token",
        "units": []
      },
      {
        "cache_read": null,
        "cache_write": null,
        "cache_write_1h": null,
        "cache_write_5m": null,
        "conditional_meter": null,
        "contract": {
          "data": {
            "all_results": "Decode base64 vectors only when that format was requested; retain every vector and its original index.",
            "errors": [
              {
                "code": null,
                "condition": "שדות נדרשים, ייצוג חומר או ערך פרמטר שאינם תקינים",
                "http_status": 400,
                "recovery": "תקנו את השדות שצוינו לפני בקשת יצירה חדשה.",
                "type": "invalid_request_error"
              }
            ],
            "hints": [],
            "ignored_fields": [],
            "lifecycle": {
              "create": {
                "http": "POST",
                "path": "/v1/embeddings"
              },
              "job_read": null,
              "mode": "synchronous_json",
              "unknown": "לא מתווספת נקודת קצה למשימות הטמעה."
            },
            "material_combinations": [
              {
                "alternatives": [
                  "nonempty string",
                  "nonempty string[]"
                ],
                "mode": "text_to_embedding"
              }
            ],
            "operation_modes": [
              "single_embedding",
              "batched_embeddings"
            ],
            "outputs": {
              "all_results": "יש לפענח וקטורי base64 רק כאשר הפורמט הזה התבקש; יש לשמור כל וקטור ואת האינדקס המקורי שלו.",
              "family": "embedding",
              "fields": [
                {
                  "description": null,
                  "name": "data[].index",
                  "type": "integer"
                },
                {
                  "description": null,
                  "name": "data[].embedding",
                  "type": "finite float[]|base64 float32 vector"
                },
                {
                  "description": null,
                  "name": "model",
                  "type": "string"
                },
                {
                  "description": null,
                  "name": "usage",
                  "type": "object"
                }
              ],
              "format": "json"
            },
            "parameters": [
              {
                "availability": "source_interface",
                "default": null,
                "default_known": false,
                "enum": [
                  "nemotron-3-embed"
                ],
                "enum_known": true,
                "name": "model",
                "required": true,
                "type": "string"
              },
              {
                "availability": "source_interface",
                "conditions": "כל מחרוזת חייבת להיות לא ריקה לאחר הסרת רווחים בקצוות; כתובות URI מסוג data נדחות; התקציב שהתקבל מודד את בתי ה־UTF8 הרלוונטיים.",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "min_items": 1,
                "name": "input",
                "required": true,
                "type": "string|string[]"
              },
              {
                "availability": "source_interface",
                "default": "query",
                "default_known": true,
                "enum": [
                  "query",
                  "passage"
                ],
                "enum_known": true,
                "name": "input_type",
                "required": false,
                "type": "string"
              },
              {
                "availability": "source_interface",
                "default": "float",
                "default_known": true,
                "enum": [
                  "float",
                  "base64"
                ],
                "enum_known": true,
                "name": "encoding_format",
                "required": false,
                "type": "string"
              },
              {
                "availability": "source_interface",
                "default": null,
                "default_known": false,
                "enum": [
                  "NONE",
                  "START",
                  "END"
                ],
                "enum_known": true,
                "name": "truncate",
                "required": false,
                "type": "string"
              },
              {
                "availability": "source_interface",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "minimum": 1,
                "name": "dimensions",
                "required": false,
                "type": "integer"
              },
              {
                "availability": "source_interface",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "name": "user",
                "required": false,
                "type": "string"
              }
            ],
            "profile_binding": "Exact existing Ailoot model and method; interface constraints below do not assert provider qualification.",
            "unsupported": [
              "image objects",
              "data URI text inputs",
              "token integer arrays on this NVIDIA adapter"
            ]
          },
          "hints": [
            "מבני המתודות והמזהים מדויקים; יכולת הספק נפרדת מקבלת הבקשה לביצוע."
          ],
          "input": {
            "content_type": "application/json",
            "material_types": [
              "text"
            ],
            "optional_controls": null,
            "required": [
              "model",
              "input"
            ]
          },
          "lifecycle": {
            "mode": "exact retained published method"
          },
          "method": {
            "http": "POST",
            "path": "/v1/embeddings"
          },
          "operation_modes": [
            "embeddings"
          ],
          "output": {
            "family": [
              "embedding"
            ],
            "format": "indexed vectors JSON",
            "multioutputs": "retain every actual response output"
          }
        },
        "ctx": 4096,
        "examples": [
          {
            "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}\"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"nemotron-3-embed\", \"input\": []}')\nf=Path(os.environ[\"AILOOT_TEXT_FILE\"])\nif not f.is_file():raise SystemExit(\"Choose your actual UTF-8 source material\")\ntext=f.read_text(encoding=\"utf-8\")\nif not text.strip():raise SystemExit(\"Source material must contain text\")\np[\"input\"]=[text]\nPath(\"request.json\").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \\\n  -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n  --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path(\"result.json\").read_text())\nfor x in r.get(\"data\",[]): print(json.dumps({\"index\":x.get(\"index\"),\"embedding\":x.get(\"embedding\")}))\nPY_RESULT\n",
            "label": "Embed your source material",
            "language": "bash"
          }
        ],
        "family": "openai",
        "fast_multiplier": null,
        "flex_multiplier": null,
        "fmt": "embeddings",
        "http": "POST",
        "img_in": null,
        "img_out": null,
        "in": 0.1,
        "input": [
          "text"
        ],
        "label": "ייצוגים וקטוריים",
        "max_out": 0,
        "max_tool_calls": null,
        "out": 0,
        "output": [
          "embedding"
        ],
        "path": "/v1/embeddings",
        "pricing_profiles": [
          {
            "dimensions": {},
            "label": "Core",
            "units": [
              {
                "amount": 0.1,
                "amount_unit": "usd_per_million_tokens",
                "key": "in",
                "label": "Input",
                "side": "in"
              },
              {
                "amount": 0,
                "amount_unit": "usd_per_million_tokens",
                "key": "out",
                "label": "Output",
                "side": "out"
              }
            ]
          }
        ],
        "request_model_id": "nemotron-3-embed",
        "route_label": "Core",
        "status_reads": [],
        "tiers": [],
        "tool_prices": null,
        "unit": "token",
        "units": []
      },
      {
        "cache_read": null,
        "cache_write": null,
        "cache_write_1h": null,
        "cache_write_5m": null,
        "conditional_meter": null,
        "contract": {
          "data": {
            "all_results": "Decode base64 vectors only when that format was requested; retain every vector and its original index.",
            "errors": [
              {
                "code": null,
                "condition": "שדות נדרשים, ייצוג חומר או ערך פרמטר שאינם תקינים",
                "http_status": 400,
                "recovery": "תקנו את השדות שצוינו לפני בקשת יצירה חדשה.",
                "type": "invalid_request_error"
              }
            ],
            "hints": [],
            "ignored_fields": [],
            "lifecycle": {
              "create": {
                "http": "POST",
                "path": "/v1/embeddings"
              },
              "job_read": null,
              "mode": "synchronous_json",
              "unknown": "לא מתווספת נקודת קצה למשימות הטמעה."
            },
            "material_combinations": [
              {
                "alternatives": [
                  "nonempty string",
                  "nonempty string[]"
                ],
                "mode": "text_to_embedding"
              }
            ],
            "operation_modes": [
              "single_embedding",
              "batched_embeddings"
            ],
            "outputs": {
              "all_results": "יש לפענח וקטורי base64 רק כאשר הפורמט הזה התבקש; יש לשמור כל וקטור ואת האינדקס המקורי שלו.",
              "family": "embedding",
              "fields": [
                {
                  "description": null,
                  "name": "data[].index",
                  "type": "integer"
                },
                {
                  "description": null,
                  "name": "data[].embedding",
                  "type": "finite float[]|base64 float32 vector"
                },
                {
                  "description": null,
                  "name": "model",
                  "type": "string"
                },
                {
                  "description": null,
                  "name": "usage",
                  "type": "object"
                }
              ],
              "format": "json"
            },
            "parameters": [
              {
                "availability": "source_interface",
                "default": null,
                "default_known": false,
                "enum": [
                  "nemotron-3-embed-latest"
                ],
                "enum_known": true,
                "name": "model",
                "required": true,
                "type": "string"
              },
              {
                "availability": "source_interface",
                "conditions": "כל מחרוזת חייבת להיות לא ריקה לאחר הסרת רווחים בקצוות; כתובות URI מסוג data נדחות; התקציב שהתקבל מודד את בתי ה־UTF8 הרלוונטיים.",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "min_items": 1,
                "name": "input",
                "required": true,
                "type": "string|string[]"
              },
              {
                "availability": "source_interface",
                "default": "query",
                "default_known": true,
                "enum": [
                  "query",
                  "passage"
                ],
                "enum_known": true,
                "name": "input_type",
                "required": false,
                "type": "string"
              },
              {
                "availability": "source_interface",
                "default": "float",
                "default_known": true,
                "enum": [
                  "float",
                  "base64"
                ],
                "enum_known": true,
                "name": "encoding_format",
                "required": false,
                "type": "string"
              },
              {
                "availability": "source_interface",
                "default": null,
                "default_known": false,
                "enum": [
                  "NONE",
                  "START",
                  "END"
                ],
                "enum_known": true,
                "name": "truncate",
                "required": false,
                "type": "string"
              },
              {
                "availability": "source_interface",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "minimum": 1,
                "name": "dimensions",
                "required": false,
                "type": "integer"
              },
              {
                "availability": "source_interface",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "name": "user",
                "required": false,
                "type": "string"
              }
            ],
            "profile_binding": "Exact existing Ailoot model and method; interface constraints below do not assert provider qualification.",
            "unsupported": [
              "image objects",
              "data URI text inputs",
              "token integer arrays on this NVIDIA adapter"
            ]
          },
          "hints": [
            "מבני המתודות והמזהים מדויקים; יכולת הספק נפרדת מקבלת הבקשה לביצוע."
          ],
          "input": {
            "content_type": "application/json",
            "material_types": [
              "text"
            ],
            "optional_controls": null,
            "required": [
              "model",
              "input"
            ]
          },
          "lifecycle": {
            "mode": "exact retained published method"
          },
          "method": {
            "http": "POST",
            "path": "/v1/embeddings"
          },
          "operation_modes": [
            "embeddings"
          ],
          "output": {
            "family": [
              "embedding"
            ],
            "format": "indexed vectors JSON",
            "multioutputs": "retain every actual response output"
          }
        },
        "ctx": 4096,
        "examples": [
          {
            "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}\"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"nemotron-3-embed-latest\", \"input\": []}')\nf=Path(os.environ[\"AILOOT_TEXT_FILE\"])\nif not f.is_file():raise SystemExit(\"Choose your actual UTF-8 source material\")\ntext=f.read_text(encoding=\"utf-8\")\nif not text.strip():raise SystemExit(\"Source material must contain text\")\np[\"input\"]=[text]\nPath(\"request.json\").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \\\n  -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n  --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path(\"result.json\").read_text())\nfor x in r.get(\"data\",[]): print(json.dumps({\"index\":x.get(\"index\"),\"embedding\":x.get(\"embedding\")}))\nPY_RESULT\n",
            "label": "Embed your source material",
            "language": "bash"
          }
        ],
        "family": "openai",
        "fast_multiplier": null,
        "flex_multiplier": null,
        "fmt": "embeddings",
        "http": "POST",
        "img_in": null,
        "img_out": null,
        "in": 0.1,
        "input": [
          "text"
        ],
        "label": "ייצוגים וקטוריים",
        "max_out": 0,
        "max_tool_calls": null,
        "out": 0,
        "output": [
          "embedding"
        ],
        "path": "/v1/embeddings",
        "pricing_profiles": [
          {
            "dimensions": {},
            "label": "Core",
            "units": [
              {
                "amount": 0.1,
                "amount_unit": "usd_per_million_tokens",
                "key": "in",
                "label": "Input",
                "side": "in"
              },
              {
                "amount": 0,
                "amount_unit": "usd_per_million_tokens",
                "key": "out",
                "label": "Output",
                "side": "out"
              }
            ]
          }
        ],
        "request_model_id": "nemotron-3-embed-latest",
        "route_label": "Core",
        "status_reads": [],
        "tiers": [],
        "tool_prices": null,
        "unit": "token",
        "units": []
      }
    ],
    "model_aliases": [
      {
        "canonical_model_id": "nvidia/nemotron-3-embed-1b",
        "request_model_id": "nvidia/nemotron-3-embed-1b",
        "route_label": "Core"
      },
      {
        "canonical_model_id": "nvidia/nemotron-3-embed-1b",
        "request_model_id": "nemotron-3-embed",
        "route_label": "Core"
      },
      {
        "canonical_model_id": "nvidia/nemotron-3-embed-1b",
        "request_model_id": "nemotron-3-embed-latest",
        "route_label": "Core"
      }
    ],
    "name": "nvidia/nemotron-3-embed-1b",
    "price": {
      "in": 0.1,
      "in_label": null,
      "out": null,
      "out_label": null,
      "sort_in": 0.1,
      "sort_out": null,
      "varies": false
    },
    "short": "Nemotron 3 Embed 1B ממיר טקסטים לווקטורים לחיפוש רב־לשוני, לחיפוש קוד ול־RAG. מעבד רצפים של עד 32768 טוקנים ומפיק ייצוג בעל 2048 מספרים."
  },
  "renderer_schema": {
    "method_order": "Original DTO methods order; every exact route/format/path/caller survives.",
    "prices": "Original public DTO fields and original native display HTML; no flattened or normalized offers."
  },
  "representation": "exact-public-dto-and-native-renderer-html",
  "representationNotes": {
    "current_reference": {
      "about_json_pointer": "/aboutHtml",
      "methods": [
        {
          "contract_json_pointer": "/methods/0/rawMethod/contract",
          "html_json_pointer": "/methods/0/html",
          "method_ordinal": 0
        },
        {
          "contract_json_pointer": "/methods/1/rawMethod/contract",
          "html_json_pointer": "/methods/1/html",
          "method_ordinal": 1
        },
        {
          "contract_json_pointer": "/methods/2/rawMethod/contract",
          "html_json_pointer": "/methods/2/html",
          "method_ordinal": 2
        }
      ],
      "role": "current-semantic-reference"
    },
    "raw_input": {
      "examples_role": "historical-input-not-current-ready-examples",
      "json_pointers": [
        "/rawModel",
        "/methods/0/rawMethod",
        "/methods/1/rawMethod",
        "/methods/2/rawMethod"
      ],
      "role": "historical-owner-input"
    },
    "schema": "ailoot-native-model-representations-v1"
  },
  "schema": "ailoot-static-model-facts-v1",
  "schema_version": 1,
  "shortText": "Nemotron 3 Embed 1B ממיר טקסטים לווקטורים לחיפוש רב־לשוני, לחיפוש קוד ול־RAG. מעבד רצפים של עד 32768 טוקנים ומפיק ייצוג בעל 2048 מספרים.",
  "source": {
    "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1",
    "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036",
    "raw_model_json_sha256": "0ddcc7e9633d4de9b807061d034dc85556bedc9bde3b52d1478f40be3d2e71e4",
    "renderer_sha256": "c36bd89b8b0dac234af52bf68530df83530b908ec7a9f2e1de2483fe236ae910"
  },
  "sourceRevision": "b21196a94f913c8feb346e7603e1925fd42f1c222e4f3a90ba35a32b622fdc7f"
}