Llama Nemotron Embed VL 1B v2
Llama Nemotron Embed VL v2 membuat vektor untuk pencarian semantik dokumen. Katalog Ailoot saat ini menyediakan masukan teks untuk pertanyaan dan materi.
- Ailoot · Embedding
POST /v1/embeddingsnvidia/llama-nemotron-embed-vl-1b-v2 - Ailoot · Embedding
POST /v1/embeddingsnemotron-embed-vl - Ailoot · Embedding
POST /v1/embeddingsnemotron-embed-vl-latest
Tentang model
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Menemukan halaman yang diperlukan melalui pertanyaan
Llama Nemotron Embed VL 1B v2 dikembangkan NVIDIA untuk mencari materi yang membantu menjawab pertanyaan. Kueri diberikan dalam teks. Dalam katalog Ailoot saat ini, model menyediakan masukan teks: pertanyaan dan materi dikodekan sebagai teks. Produsen juga menjelaskan dokumen berupa gambar halaman atau gambar bersama teks yang diekstrak. Varian visual tersebut memerlukan metode tersendiri dengan dukungan gambar. Dengan masukan yang sesuai, model merepresentasikan tabel, grafik, dan infografik dalam ruang vektor bersama.
Pencarian tersebut sesuai untuk asisten tanya-jawab atas koleksi dokumen besar, referensi internal, dan materi penelitian. Hasil pengodean adalah vektor numerik. Halaman atau bagian yang ditemukan kemudian dapat diberikan kepada model yang menyusun jawaban: Embed VL itu sendiri melakukan tahap pencarian konteks.
Varian dokumen pada layanan produsen
- Dokumen teks: bagian tersendiri, cuplikan, atau teks halaman yang telah dikenali.
- Gambar: halaman lengkap dengan teks, tabel, dan unsur grafisnya.
- Gambar dengan teks: tampilan visual halaman dan isi teksnya digabungkan dalam satu representasi.
Kueri dan dokumen dikodekan secara terpisah. Karena itu, koleksi dapat diproses terlebih dahulu dan vektornya disimpan bersama halaman sumber; saat pertanyaan baru muncul, hanya vektor kueri yang perlu dihitung. Kemiripan vektor membantu memilih materi berdasarkan makna. Peran teks kueri dan dokumen berbeda, dan perbedaan tersebut perlu dipertahankan saat menyiapkan data.
Ukuran representasi dan panjang masukan
Setiap masukan diubah menjadi satu vektor dengan dimensi hingga 2048 angka. Mode teks menggunakan anggaran 8192 token. Untuk metode visual produsen yang memadukan gambar dan teks, dijelaskan anggaran keseluruhan 10240 token yang mencakup kedua bagian; ini bukan batas teks metode Ailoot. Gambar dibagi menjadi bagian-bagian: konfigurasi yang dijelaskan mengizinkan hingga enam bagian dan salinan kecil seluruh halaman, dengan total sekitar 1792 token visual. Teks panjang harus dibagi atau dipersingkat.
Bagian bahasa dibangun di atas Llama 3.2 1B, sedangkan bagian visual di atas SigLIP2. Keduanya digabungkan menjadi encoder yang merata-ratakan representasi token masukan dan menghasilkan satu vektor. Pembelajaran kontrastif mendekatkan pertanyaan dengan halaman yang sesuai serta menjauhkannya dari materi yang tidak relevan. Pencarian tetap bersifat probabilistik: kedekatan vektor tidak menjamin bahwa bagian yang dipilih memuat jawaban yang benar.
Ailoot · Embedding POST /v1/embeddings nvidia/llama-nemotron-embed-vl-1b-v2
nvidia/llama-nemotron-embed-vl-1b-v2
nvidia/llama-nemotron-embed-vl-1b-v2nvidia/llama-nemotron-embed-vl-1b-v2nemotron-embed-vlnemotron-embed-vl-latest
Mulai
Llama Nemotron Embed VL v2 membuat vektor untuk pencarian semantik dokumen. Katalog Ailoot saat ini menyediakan masukan teks untuk pertanyaan dan materi.
- Masukan yang diterima
- Teks
- Hasil
- embedding
Tersedia di Ailoot · masukan & metode
Ailoot · Embedding POST /v1/embeddings
- Masukan
text- Keluaran
embedding- Konteks
- 4.096 tokens
- Format keluaran
- json
| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan nvidia/llama-nemotron-embed-vl-1b-v2 | Bawaan— |
Kolominput | Jenisstring|string[] | PersyaratanWajib | Nilai & batasan Item minimum: 1 Kondisi: Setiap string tidak kosong setelah trim; URI data ditolak; batas yang diterima mengukur byte UTF8 yang relevan. | Bawaan— |
Kolominput_type | Jenisstring | PersyaratanOpsional | Nilai & batasan query, passage | Bawaanquery |
Kolomencoding_format | Jenisstring | PersyaratanOpsional | Nilai & batasan float, base64 | Bawaanfloat |
Kolomtruncate | Jenisstring | PersyaratanOpsional | Nilai & batasan NONE, START, END | Bawaan— |
Kolomdimensions | Jenisinteger | PersyaratanOpsional | Nilai & batasan Minimum: 1 | Bawaan— |
Kolomuser | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kombinasi bahan masukan
text_to_embedding
Parameter metode dan siklus hidup
| Parameter | Kontrak |
|---|---|
Parametermaterial_types | Kontraktext |
Parameterrequired | Kontrakmodel, input |
Parameteroptional_controls | Kontraknull |
Parametercontent_type | Kontrakapplication/json |
Siklus hidup: exact retained published method
Struktur metode dan ID bersifat eksak; kemampuan pemasok terpisah dari penerimaan permintaan.
Paket
Tarif metode Ailoot
POST /v1/embeddings- Masukan
- US$0,0001 / 1K
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
Contoh permintaan
Ailoot · Embedding
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"
export AILOOT_TEXT_FILE
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "nvidia/llama-nemotron-embed-vl-1b-v2", "input": []}')
f=Path(os.environ["AILOOT_TEXT_FILE"])
if not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")
text=f.read_text(encoding="utf-8")
if not text.strip():raise SystemExit("Source material must contain text")
p["input"]=[text]
Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \
-H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
r=json.loads(Path("result.json").read_text())
for x in r.get("data",[]): print(json.dumps({"index":x.get("index"),"embedding":x.get("embedding")}))
PY_RESULT
Terima dan simpan hasil
Ailoot · Embedding
json
Simpan semua hasil yang selesai
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Dekode vektor base64 hanya jika format tersebut diminta; simpan setiap vektor beserta indeks aslinya.
Jika respons asli perlu diperiksa
Endpoint untuk tugas embedding tidak ditambahkan.
Kolom respons
| Kolom | Jenis |
|---|---|
Kolomdata[].index | Jenisinteger |
Kolomdata[].embedding | Jenisfinite float[]|base64 float32 vector |
Kolommodel | Jenisstring |
Kolomusage | Jenisobject |
Kesalahan dan langkah berikutnya
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
Alias
Alias model
Ailoot nvidia/llama-nemotron-embed-vl-1b-v2, nemotron-embed-vl, nemotron-embed-vl-latest
Alias jalur metode
Gunakan jalur metode yang ditampilkan di atas.
ID pemanggil terkait
nvidia/llama-nemotron-embed-vl-1b-v2, nemotron-embed-vl, nemotron-embed-vl-latest
Ailoot · Embedding POST /v1/embeddings nemotron-embed-vl
nemotron-embed-vlnvidia/llama-nemotron-embed-vl-1b-v2nemotron-embed-vlnemotron-embed-vl-latest
Mulai
Llama Nemotron Embed VL v2 membuat vektor untuk pencarian semantik dokumen. Katalog Ailoot saat ini menyediakan masukan teks untuk pertanyaan dan materi.
- Masukan yang diterima
- Teks
- Hasil
- embedding
Tersedia di Ailoot · masukan & metode
Ailoot · Embedding POST /v1/embeddings
- Masukan
text- Keluaran
embedding- Konteks
- 4.096 tokens
- Format keluaran
- json
| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan nemotron-embed-vl | Bawaan— |
Kolominput | Jenisstring|string[] | PersyaratanWajib | Nilai & batasan Item minimum: 1 Kondisi: Setiap string tidak kosong setelah trim; URI data ditolak; batas yang diterima mengukur byte UTF8 yang relevan. | Bawaan— |
Kolominput_type | Jenisstring | PersyaratanOpsional | Nilai & batasan query, passage | Bawaanquery |
Kolomencoding_format | Jenisstring | PersyaratanOpsional | Nilai & batasan float, base64 | Bawaanfloat |
Kolomtruncate | Jenisstring | PersyaratanOpsional | Nilai & batasan NONE, START, END | Bawaan— |
Kolomdimensions | Jenisinteger | PersyaratanOpsional | Nilai & batasan Minimum: 1 | Bawaan— |
Kolomuser | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kombinasi bahan masukan
text_to_embedding
Parameter metode dan siklus hidup
| Parameter | Kontrak |
|---|---|
Parametermaterial_types | Kontraktext |
Parameterrequired | Kontrakmodel, input |
Parameteroptional_controls | Kontraknull |
Parametercontent_type | Kontrakapplication/json |
Siklus hidup: exact retained published method
Struktur metode dan ID bersifat eksak; kemampuan pemasok terpisah dari penerimaan permintaan.
Paket
Tarif metode Ailoot
POST /v1/embeddings- Masukan
- US$0,0001 / 1K
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
Contoh permintaan
Ailoot · Embedding
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"
export AILOOT_TEXT_FILE
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "nemotron-embed-vl", "input": []}')
f=Path(os.environ["AILOOT_TEXT_FILE"])
if not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")
text=f.read_text(encoding="utf-8")
if not text.strip():raise SystemExit("Source material must contain text")
p["input"]=[text]
Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \
-H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
r=json.loads(Path("result.json").read_text())
for x in r.get("data",[]): print(json.dumps({"index":x.get("index"),"embedding":x.get("embedding")}))
PY_RESULT
Terima dan simpan hasil
Ailoot · Embedding
json
Simpan semua hasil yang selesai
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Dekode vektor base64 hanya jika format tersebut diminta; simpan setiap vektor beserta indeks aslinya.
Jika respons asli perlu diperiksa
Endpoint untuk tugas embedding tidak ditambahkan.
Kolom respons
| Kolom | Jenis |
|---|---|
Kolomdata[].index | Jenisinteger |
Kolomdata[].embedding | Jenisfinite float[]|base64 float32 vector |
Kolommodel | Jenisstring |
Kolomusage | Jenisobject |
Kesalahan dan langkah berikutnya
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
Alias
Alias model
Ailoot nvidia/llama-nemotron-embed-vl-1b-v2, nemotron-embed-vl, nemotron-embed-vl-latest
Alias jalur metode
Gunakan jalur metode yang ditampilkan di atas.
ID pemanggil terkait
nvidia/llama-nemotron-embed-vl-1b-v2, nemotron-embed-vl, nemotron-embed-vl-latest
Ailoot · Embedding POST /v1/embeddings nemotron-embed-vl-latest
nemotron-embed-vl-latestnvidia/llama-nemotron-embed-vl-1b-v2nemotron-embed-vlnemotron-embed-vl-latest
Mulai
Llama Nemotron Embed VL v2 membuat vektor untuk pencarian semantik dokumen. Katalog Ailoot saat ini menyediakan masukan teks untuk pertanyaan dan materi.
- Masukan yang diterima
- Teks
- Hasil
- embedding
Tersedia di Ailoot · masukan & metode
Ailoot · Embedding POST /v1/embeddings
- Masukan
text- Keluaran
embedding- Konteks
- 4.096 tokens
- Format keluaran
- json
| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan nemotron-embed-vl-latest | Bawaan— |
Kolominput | Jenisstring|string[] | PersyaratanWajib | Nilai & batasan Item minimum: 1 Kondisi: Setiap string tidak kosong setelah trim; URI data ditolak; batas yang diterima mengukur byte UTF8 yang relevan. | Bawaan— |
Kolominput_type | Jenisstring | PersyaratanOpsional | Nilai & batasan query, passage | Bawaanquery |
Kolomencoding_format | Jenisstring | PersyaratanOpsional | Nilai & batasan float, base64 | Bawaanfloat |
Kolomtruncate | Jenisstring | PersyaratanOpsional | Nilai & batasan NONE, START, END | Bawaan— |
Kolomdimensions | Jenisinteger | PersyaratanOpsional | Nilai & batasan Minimum: 1 | Bawaan— |
Kolomuser | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kombinasi bahan masukan
text_to_embedding
Parameter metode dan siklus hidup
| Parameter | Kontrak |
|---|---|
Parametermaterial_types | Kontraktext |
Parameterrequired | Kontrakmodel, input |
Parameteroptional_controls | Kontraknull |
Parametercontent_type | Kontrakapplication/json |
Siklus hidup: exact retained published method
Struktur metode dan ID bersifat eksak; kemampuan pemasok terpisah dari penerimaan permintaan.
Paket
Tarif metode Ailoot
POST /v1/embeddings- Masukan
- US$0,0001 / 1K
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
Contoh permintaan
Ailoot · Embedding
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"
export AILOOT_TEXT_FILE
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "nemotron-embed-vl-latest", "input": []}')
f=Path(os.environ["AILOOT_TEXT_FILE"])
if not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")
text=f.read_text(encoding="utf-8")
if not text.strip():raise SystemExit("Source material must contain text")
p["input"]=[text]
Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \
-H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
r=json.loads(Path("result.json").read_text())
for x in r.get("data",[]): print(json.dumps({"index":x.get("index"),"embedding":x.get("embedding")}))
PY_RESULT
Terima dan simpan hasil
Ailoot · Embedding
json
Simpan semua hasil yang selesai
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Dekode vektor base64 hanya jika format tersebut diminta; simpan setiap vektor beserta indeks aslinya.
Jika respons asli perlu diperiksa
Endpoint untuk tugas embedding tidak ditambahkan.
Kolom respons
| Kolom | Jenis |
|---|---|
Kolomdata[].index | Jenisinteger |
Kolomdata[].embedding | Jenisfinite float[]|base64 float32 vector |
Kolommodel | Jenisstring |
Kolomusage | Jenisobject |
Kesalahan dan langkah berikutnya
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
Alias
Alias model
Ailoot nvidia/llama-nemotron-embed-vl-1b-v2, nemotron-embed-vl, nemotron-embed-vl-latest
Alias jalur metode
Gunakan jalur metode yang ditampilkan di atas.
ID pemanggil terkait
nvidia/llama-nemotron-embed-vl-1b-v2, nemotron-embed-vl, nemotron-embed-vl-latest
FAQ · nvidia/llama-nemotron-embed-vl-1b-v2
- Input dan hasil apa yang tersedia?
POST /v1/embeddings·nvidia/llama-nemotron-embed-vl-1b-v2:text→embeddingPOST /v1/embeddings·nemotron-embed-vl:text→embeddingPOST /v1/embeddings·nemotron-embed-vl-latest:text→embedding- Kolom apa yang digunakan permintaan?
POST /v1/embeddings·nvidia/llama-nemotron-embed-vl-1b-v2:model,input,input_type,encoding_format,truncate,dimensions,userPOST /v1/embeddings·nemotron-embed-vl:model,input,input_type,encoding_format,truncate,dimensions,userPOST /v1/embeddings·nemotron-embed-vl-latest:model,input,input_type,encoding_format,truncate,dimensions,user- Batasan apa yang berlaku?
POST /v1/embeddings·nvidia/llama-nemotron-embed-vl-1b-v2:ctx:4096;input.min_items:1;dimensions.minimum:1POST /v1/embeddings·nemotron-embed-vl:ctx:4096;input.min_items:1;dimensions.minimum:1POST /v1/embeddings·nemotron-embed-vl-latest:ctx:4096;input.min_items:1;dimensions.minimum:1