{
  "aboutHtml": "<p>Llama Nemotron Rerank VL 1B V2 mengevaluasi relevansi teks kandidat dan gambar dokumen terhadap kueri teks, termasuk bagan, tabel, dan halaman media campuran. NVIDIA menjelaskannya sebagai model cross-encoder dengan 1,7B parameter. Dalam alur penelusuran, jalankan pencarian awal terlebih dahulu, lalu kirim kandidat yang dipilih ke reranker. Hasil yang berguna berupa kumpulan kandidat tersebut yang diurutkan ulang dengan skor relevansi, yang dapat digunakan aplikasi untuk memilih konteks jawaban atau menata halaman hasil pencarian.</p><p>Gunakan POST /v1/rerank dengan badan application/json. Atur model ke &quot;nvidia/llama-nemotron-rerank-vl-1b-v2:free&quot;, query ke pertanyaan pencarian yang sebenarnya, dan documents ke array yang tidak kosong. Setiap kandidat dapat berupa string teks atau objek dengan text dan/atau image; objek terstruktur wajib menyediakan minimal salah satu kolom tersebut. text adalah string. image adalah URL HTTP/HTTPS jarak jauh atau URI data base64 yang diawali data:image/. Kandidat gabungan menyediakan kedua kolom. Pertahankan urutan array masukan tersebut agar indeks yang dikembalikan dapat dicocokkan dengan ID dokumen yang Anda simpan. top_n adalah bilangan bulat opsional minimal 1 yang meminta jumlah dokumen berperingkat tertinggi untuk dikembalikan.</p><p>Misalnya, aplikasi pusat bantuan dapat menelusuri bacaan tentang pengiriman, pengembalian, dan akses akun, lalu mengurutkan ulang bacaan tersebut terhadap pertanyaan pengiriman pelanggan. Kirim teks bacaan yang sebenarnya, bukan nama berkas atau cuplikan mesin pencari yang tidak berkaitan dengan sumber tersimpan. Hubungkan setiap bacaan dengan pengenal sumbernya sendiri dalam aplikasi, agar bukti yang dipilih nantinya dapat dikutip atau dibuka. Untuk dokumen pindaian, bagan, tabel, atau infografik, berikan gambar aslinya dalam objek dokumen dan tambahkan teks jika membantu mengidentifikasi isinya.</p><p>Halaman model mendokumentasikan batas 10.240 token per kueri dan dokumen. Bagi materi sumber yang lebih panjang menjadi bacaan dengan ukuran terbatas sebelum menyiapkan daftar kandidat. Sertakan konteks sekitar yang berguna pada setiap bacaan, termasuk judul atau nama produk jika memengaruhi makna. Permintaan yang didokumentasikan dimulai dari kandidat yang Anda berikan; permintaan ini tidak mencari koleksi dokumen atas nama Anda.</p><p>Pemeringkatan ulang mengembalikan hasil JSON sinkron. Baca setiap item results, termasuk index aslinya, relevance_score, dan objek document yang dikembalikan, yang dapat memuat text dan/atau image, serta simpan setiap usage dan pengenal respons yang dikembalikan. Gunakan index untuk memetakan hasil berperingkat kembali ke kandidat masukannya. Perlakukan skor relevansi sebagai sinyal pemeringkatan untuk kueri ini, bukan jawaban faktual yang diverifikasi secara independen. Simpan hasil lengkap ketika beberapa bacaan dipilih untuk langkah berikutnya.</p><p>Siapkan materi kandidat publik atau sintetis untuk edisi gratis ini; ketentuan penggunaan yang didokumentasikan tidak mengizinkan informasi rahasia dan data pribadi. Jika permintaan berakhir tanpa hasil lengkap, simpan respons asli dan pengenal permintaan saat memeriksa upaya tersebut. Alur rerank yang didokumentasikan mengembalikan hasil secara langsung dan tidak menyediakan alur polling tugas atau pembatalan terpisah.</p>",
  "aboutText": "Llama Nemotron Rerank VL 1B V2 mengevaluasi relevansi teks kandidat dan gambar dokumen terhadap kueri teks, termasuk bagan, tabel, dan halaman media campuran. NVIDIA menjelaskannya sebagai model cross-encoder dengan 1,7B parameter. Dalam alur penelusuran, jalankan pencarian awal terlebih dahulu, lalu kirim kandidat yang dipilih ke reranker. Hasil yang berguna berupa kumpulan kandidat tersebut yang diurutkan ulang dengan skor relevansi, yang dapat digunakan aplikasi untuk memilih konteks jawaban atau menata halaman hasil pencarian.\n\nGunakan POST /v1/rerank dengan badan application/json. Atur model ke \"nvidia/llama-nemotron-rerank-vl-1b-v2:free\", query ke pertanyaan pencarian yang sebenarnya, dan documents ke array yang tidak kosong. Setiap kandidat dapat berupa string teks atau objek dengan text dan/atau image; objek terstruktur wajib menyediakan minimal salah satu kolom tersebut. text adalah string. image adalah URL HTTP/HTTPS jarak jauh atau URI data base64 yang diawali data:image/. Kandidat gabungan menyediakan kedua kolom. Pertahankan urutan array masukan tersebut agar indeks yang dikembalikan dapat dicocokkan dengan ID dokumen yang Anda simpan. top_n adalah bilangan bulat opsional minimal 1 yang meminta jumlah dokumen berperingkat tertinggi untuk dikembalikan.\n\nMisalnya, aplikasi pusat bantuan dapat menelusuri bacaan tentang pengiriman, pengembalian, dan akses akun, lalu mengurutkan ulang bacaan tersebut terhadap pertanyaan pengiriman pelanggan. Kirim teks bacaan yang sebenarnya, bukan nama berkas atau cuplikan mesin pencari yang tidak berkaitan dengan sumber tersimpan. Hubungkan setiap bacaan dengan pengenal sumbernya sendiri dalam aplikasi, agar bukti yang dipilih nantinya dapat dikutip atau dibuka. Untuk dokumen pindaian, bagan, tabel, atau infografik, berikan gambar aslinya dalam objek dokumen dan tambahkan teks jika membantu mengidentifikasi isinya.\n\nHalaman model mendokumentasikan batas 10.240 token per kueri dan dokumen. Bagi materi sumber yang lebih panjang menjadi bacaan dengan ukuran terbatas sebelum menyiapkan daftar kandidat. Sertakan konteks sekitar yang berguna pada setiap bacaan, termasuk judul atau nama produk jika memengaruhi makna. Permintaan yang didokumentasikan dimulai dari kandidat yang Anda berikan; permintaan ini tidak mencari koleksi dokumen atas nama Anda.\n\nPemeringkatan ulang mengembalikan hasil JSON sinkron. Baca setiap item results, termasuk index aslinya, relevance_score, dan objek document yang dikembalikan, yang dapat memuat text dan/atau image, serta simpan setiap usage dan pengenal respons yang dikembalikan. Gunakan index untuk memetakan hasil berperingkat kembali ke kandidat masukannya. Perlakukan skor relevansi sebagai sinyal pemeringkatan untuk kueri ini, bukan jawaban faktual yang diverifikasi secara independen. Simpan hasil lengkap ketika beberapa bacaan dipilih untuk langkah berikutnya.\n\nSiapkan materi kandidat publik atau sintetis untuk edisi gratis ini; ketentuan penggunaan yang didokumentasikan tidak mengizinkan informasi rahasia dan data pribadi. Jika permintaan berakhir tanpa hasil lengkap, simpan respons asli dan pengenal permintaan saat memeriksa upaya tersebut. Alur rerank yang didokumentasikan mengembalikan hasil secara langsung dan tidak menyediakan alur polling tugas atau pembatalan terpisah.",
  "editorialOverlay": {
    "copy_fields": null,
    "copy_sha256": null,
    "copy_source": null,
    "html_sha256": "f4477ccba6d33c5cb79c9dfa086a1b369587aaf4578f02caa3735782a8d665c6",
    "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06",
    "raw_model_unchanged": true,
    "schema": "ailoot-native-model-editorial-v1"
  },
  "locale": "id",
  "methods": [
    {
      "html": "<div class=\"sheet-head\"><span class=\"mav\" aria-hidden=\"true\">NV</span><h2 id=\"sheet-title\">NVIDIA: Llama Nemotron Rerank VL 1B V2 (free)</h2><button class=\"icon-btn\" type=\"button\" data-close-sheet aria-label=\"Tutup\">×</button></div><div class=\"idline\"><span>NVIDIA /</span><code>nvidia/llama-nemotron-rerank-vl-1b-v2:free</code><button type=\"button\" id=\"copy-id\">Salin ID</button></div><nav class=\"card-jump-nav\" aria-label=\"Bagian kartu model\"><button type=\"button\" data-card-jump=\"overview\">Mulai</button><button type=\"button\" data-card-jump=\"methods\">Masukan &amp; metode</button><button type=\"button\" data-card-jump=\"pricing\">Paket</button><button type=\"button\" data-card-jump=\"examples\">Contoh</button><button type=\"button\" data-card-jump=\"results\">Hasil</button><button type=\"button\" data-card-jump=\"aliases\">Alias</button></nav><div class=\"card-method-tabs\" role=\"tablist\" aria-label=\"Metode API\"><button type=\"button\" role=\"tab\" tabindex=\"0\" aria-controls=\"card-method-content\" aria-selected=\"true\" id=\"card-method-tab-0\" data-card-method=\"Ultra|rerank|/v1/rerank|nvidia%2Fllama-nemotron-rerank-vl-1b-v2%3Afree\">Pemeringkatan ulang</button></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\">Mulai</h3><p class=\"mdesc-full\">Llama Nemotron Rerank VL 1B V2 adalah reranker cross-encoder dari NVIDIA untuk mengurutkan materi hasil penelusuran berdasarkan relevansinya terhadap kueri. Kirim kueri dan dokumen kandidat berupa teks, gambar, atau gabungan keduanya, lalu gunakan skor dan indeks asli yang dikembalikan untuk memilih bacaan bagi hasil pencarian atau jawaban yang diperkaya penelusuran.</p><dl class=\"card-io\" data-card-io><div><dt>Masukan yang diterima</dt><dd>Teks</dd></div><div><dt>Hasil</dt><dd>ranking</dd></div></dl><details class=\"card-about\"><summary>Tentang model</summary><p class=\"note-s\" data-model-method-boundary>Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.</p><div class=\"mabout\" id=\"m-about\"><p>Llama Nemotron Rerank VL 1B V2 mengevaluasi relevansi teks kandidat dan gambar dokumen terhadap kueri teks, termasuk bagan, tabel, dan halaman media campuran. NVIDIA menjelaskannya sebagai model cross-encoder dengan 1,7B parameter. Dalam alur penelusuran, jalankan pencarian awal terlebih dahulu, lalu kirim kandidat yang dipilih ke reranker. Hasil yang berguna berupa kumpulan kandidat tersebut yang diurutkan ulang dengan skor relevansi, yang dapat digunakan aplikasi untuk memilih konteks jawaban atau menata halaman hasil pencarian.</p><p>Gunakan POST /v1/rerank dengan badan application/json. Atur model ke &quot;nvidia/llama-nemotron-rerank-vl-1b-v2:free&quot;, query ke pertanyaan pencarian yang sebenarnya, dan documents ke array yang tidak kosong. Setiap kandidat dapat berupa string teks atau objek dengan text dan/atau image; objek terstruktur wajib menyediakan minimal salah satu kolom tersebut. text adalah string. image adalah URL HTTP/HTTPS jarak jauh atau URI data base64 yang diawali data:image/. Kandidat gabungan menyediakan kedua kolom. Pertahankan urutan array masukan tersebut agar indeks yang dikembalikan dapat dicocokkan dengan ID dokumen yang Anda simpan. top_n adalah bilangan bulat opsional minimal 1 yang meminta jumlah dokumen berperingkat tertinggi untuk dikembalikan.</p><p>Misalnya, aplikasi pusat bantuan dapat menelusuri bacaan tentang pengiriman, pengembalian, dan akses akun, lalu mengurutkan ulang bacaan tersebut terhadap pertanyaan pengiriman pelanggan. Kirim teks bacaan yang sebenarnya, bukan nama berkas atau cuplikan mesin pencari yang tidak berkaitan dengan sumber tersimpan. Hubungkan setiap bacaan dengan pengenal sumbernya sendiri dalam aplikasi, agar bukti yang dipilih nantinya dapat dikutip atau dibuka. Untuk dokumen pindaian, bagan, tabel, atau infografik, berikan gambar aslinya dalam objek dokumen dan tambahkan teks jika membantu mengidentifikasi isinya.</p><p>Halaman model mendokumentasikan batas 10.240 token per kueri dan dokumen. Bagi materi sumber yang lebih panjang menjadi bacaan dengan ukuran terbatas sebelum menyiapkan daftar kandidat. Sertakan konteks sekitar yang berguna pada setiap bacaan, termasuk judul atau nama produk jika memengaruhi makna. Permintaan yang didokumentasikan dimulai dari kandidat yang Anda berikan; permintaan ini tidak mencari koleksi dokumen atas nama Anda.</p><p>Pemeringkatan ulang mengembalikan hasil JSON sinkron. Baca setiap item results, termasuk index aslinya, relevance_score, dan objek document yang dikembalikan, yang dapat memuat text dan/atau image, serta simpan setiap usage dan pengenal respons yang dikembalikan. Gunakan index untuk memetakan hasil berperingkat kembali ke kandidat masukannya. Perlakukan skor relevansi sebagai sinyal pemeringkatan untuk kueri ini, bukan jawaban faktual yang diverifikasi secara independen. Simpan hasil lengkap ketika beberapa bacaan dipilih untuk langkah berikutnya.</p><p>Siapkan materi kandidat publik atau sintetis untuk edisi gratis ini; ketentuan penggunaan yang didokumentasikan tidak mengizinkan informasi rahasia dan data pribadi. Jika permintaan berakhir tanpa hasil lengkap, simpan respons asli dan pengenal permintaan saat memeriksa upaya tersebut. Alur rerank yang didokumentasikan mengembalikan hasil secara langsung dan tidak menyediakan alur polling tugas atau pembatalan terpisah.</p></div></details></section><section class=\"card-section\" data-card-section=\"methods\"><h3 tabindex=\"-1\">Tersedia di Ailoot · masukan &amp; metode</h3><details class=\"card-method\" open><summary><b>Ailoot Ultra · Rerank</b> <code>POST /v1/rerank</code></summary><dl class=\"method-capabilities\"><div><dt>Masukan</dt><dd><code>text</code></dd></div><div><dt>Keluaran</dt><dd><code>ranking</code></dd></div><div><dt>Format keluaran</dt><dd>JSON</dd></div></dl><div class=\"tw\" data-card-parameters data-typed-parameters><table><thead><tr><th>Kolom</th><th>Jenis</th><th>Persyaratan</th><th>Nilai &amp; batasan</th><th>Bawaan</th></tr></thead><tbody><tr><th data-cell-label=\"Kolom\" scope=\"row\"><span class=\"card-cell-label\">Kolom</span><code class=\"card-field-name\">model</code></th><td data-cell-label=\"Jenis\" data-field-type><span class=\"card-cell-label\">Jenis</span><code>string</code></td><td data-cell-label=\"Persyaratan\"><span class=\"card-cell-label\">Persyaratan</span>Wajib</td><td data-cell-label=\"Nilai &amp; batasan\"><span class=\"card-cell-label\">Nilai &amp; batasan</span><div>nvidia/llama-nemotron-rerank-vl-1b-v2:free</div></td><td data-cell-label=\"Bawaan\" data-default=\"unspecified\"><span class=\"card-cell-label\">Bawaan</span>—</td></tr><tr><th data-cell-label=\"Kolom\" scope=\"row\"><span class=\"card-cell-label\">Kolom</span><code class=\"card-field-name\">query</code></th><td data-cell-label=\"Jenis\" data-field-type><span class=\"card-cell-label\">Jenis</span><code>string</code></td><td data-cell-label=\"Persyaratan\"><span class=\"card-cell-label\">Persyaratan</span>Wajib</td><td data-cell-label=\"Nilai &amp; batasan\"><span class=\"card-cell-label\">Nilai &amp; batasan</span></td><td data-cell-label=\"Bawaan\" data-default=\"unspecified\"><span class=\"card-cell-label\">Bawaan</span>—</td></tr><tr><th data-cell-label=\"Kolom\" scope=\"row\"><span class=\"card-cell-label\">Kolom</span><code class=\"card-field-name\">documents</code></th><td data-cell-label=\"Jenis\" data-field-type><span class=\"card-cell-label\">Jenis</span><code>array</code></td><td data-cell-label=\"Persyaratan\"><span class=\"card-cell-label\">Persyaratan</span>Wajib</td><td data-cell-label=\"Nilai &amp; batasan\"><span class=\"card-cell-label\">Nilai &amp; batasan</span></td><td data-cell-label=\"Bawaan\" data-default=\"unspecified\"><span class=\"card-cell-label\">Bawaan</span>—</td></tr><tr><th data-cell-label=\"Kolom\" scope=\"row\"><span class=\"card-cell-label\">Kolom</span><code class=\"card-field-name\">top_n</code></th><td data-cell-label=\"Jenis\" data-field-type><span class=\"card-cell-label\">Jenis</span><code>integer</code></td><td data-cell-label=\"Persyaratan\"><span class=\"card-cell-label\">Persyaratan</span>Opsional</td><td data-cell-label=\"Nilai &amp; batasan\"><span class=\"card-cell-label\">Nilai &amp; batasan</span><div>Minimum: 1</div></td><td data-cell-label=\"Bawaan\" data-default=\"unspecified\"><span class=\"card-cell-label\">Bawaan</span>—</td></tr></tbody></table></div><details class=\"note-s\" data-method-contract><summary>Parameter metode dan siklus hidup</summary><div class=\"tw\" data-card-table=\"contract\"><table><thead><tr><th>Parameter</th><th>Kontrak</th></tr></thead><tbody><tr><th data-cell-label=\"Parameter\" scope=\"row\"><span class=\"card-cell-label\">Parameter</span><code>content_type</code></th><td data-cell-label=\"Kontrak\"><span class=\"card-cell-label\">Kontrak</span>application/json</td></tr><tr><th data-cell-label=\"Parameter\" scope=\"row\"><span class=\"card-cell-label\">Parameter</span><code>required</code></th><td data-cell-label=\"Kontrak\"><span class=\"card-cell-label\">Kontrak</span>model, query, documents</td></tr><tr><th data-cell-label=\"Parameter\" scope=\"row\"><span class=\"card-cell-label\">Parameter</span><code>optional</code></th><td data-cell-label=\"Kontrak\"><span class=\"card-cell-label\">Kontrak</span>top_n</td></tr><tr><th data-cell-label=\"Parameter\" scope=\"row\"><span class=\"card-cell-label\">Parameter</span><code>material_types</code></th><td data-cell-label=\"Kontrak\"><span class=\"card-cell-label\">Kontrak</span>text</td></tr><tr><th data-cell-label=\"Parameter\" scope=\"row\"><span class=\"card-cell-label\">Parameter</span><code>conditions</code></th><td data-cell-label=\"Kontrak\"><span class=\"card-cell-label\">Kontrak</span></td></tr></tbody></table></div><p>Siklus hidup: <code>synchronous_json</code></p></details></details></section><section class=\"card-section\" data-card-section=\"pricing\"><h3 tabindex=\"-1\">Paket</h3><div data-native-semantic-method=\"v1\" data-tariff-reference-only><p class=\"note-s\" data-rate-support-note>Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.</p><dl data-price-conditions><dt>Mode Fast</dt><dd>Tidak ditentukan <span class=\"note-s\">Saat mode fast dipilih</span></dd><dt>Mode Flex</dt><dd>Tidak ditentukan <span class=\"note-s\">Saat mode flex dipilih</span></dd><dt>Upaya penalaran maksimum</dt><dd>Tidak ditentukan <span class=\"note-s\">Saat upaya penalaran maksimum menggunakan penyesuaian default</span></dd></dl></div><div data-declared-tariff-pricing><h4>Tarif Ailoot</h4><h4>Harga menurut konfigurasi</h4><p class=\"note-s\">Cocokkan setiap biaya dengan kondisi yang ditampilkan. Gunakan satu tarif untuk setiap kelompok konfigurasi alternatif.</p><div class=\"tw\" data-pricing-profiles><table><thead><tr><th>Konfigurasi</th><th>Jadwal tarif</th><th>Jumlah penagihan</th><th>Biaya</th></tr></thead><tbody><tr><th data-cell-label=\"Konfigurasi\" scope=\"row\"><span class=\"card-cell-label\">Konfigurasi</span>Tarif dasar token</th><td data-cell-label=\"Jadwal tarif\"><span class=\"card-cell-label\">Jadwal tarif</span>Tarif dasar</td><td data-cell-label=\"Jumlah penagihan\"><span class=\"card-cell-label\">Jumlah penagihan</span>—</td><td data-cell-label=\"Biaya\"><span class=\"card-cell-label\">Biaya</span><div><span>Masukan · Token masukan</span> <b>—</b> <span class=\"price-unit\">/ 1K token</span></div><div><span>Keluaran · Token keluaran</span> <b>—</b> <span class=\"price-unit\">/ 1K token</span></div><div><span>Masukan · Pembacaan cache</span> <b>—</b> <span class=\"price-unit\">/ 1K token</span></div><div><span>Masukan · Penulisan cache</span> <b>—</b> <span class=\"price-unit\">/ 1K token</span></div><div><span>Masukan · Penulisan cache, 1 jam</span> <b>—</b> <span class=\"price-unit\">/ 1K token</span></div></td></tr><tr><th data-cell-label=\"Konfigurasi\" scope=\"row\"><span class=\"card-cell-label\">Konfigurasi</span>Per permintaan</th><td data-cell-label=\"Jadwal tarif\"><span class=\"card-cell-label\">Jadwal tarif</span>—</td><td data-cell-label=\"Jumlah penagihan\"><span class=\"card-cell-label\">Jumlah penagihan</span>satu permintaan</td><td data-cell-label=\"Biaya\"><span class=\"card-cell-label\">Biaya</span><div><span>Masukan</span> <b>$0</b> <span class=\"price-unit\">per permintaan</span></div></td></tr></tbody></table></div></div><p class=\"note-s\">Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. <a href=\"/docs/id/billing/reserve/\">Cara kerja cadangan dan penyelesaian tagihan →</a></p></section><section class=\"card-section\" data-card-section=\"examples\"><h3 tabindex=\"-1\">Contoh permintaan</h3><h4>Ailoot Ultra · Rerank</h4><div class=\"code-group\"><div class=\"cg-bar\"><div class=\"cg-tabs\" role=\"tablist\" aria-label=\"Pilihan kode\"><button class=\"cg-tab\" id=\"model-code-32-tab-0\" role=\"tab\" type=\"button\" aria-controls=\"model-code-32-panel-0\" aria-selected=\"true\" tabindex=\"0\">curl · buat sekali dan simpan hasil secara lengkap</button></div><div class=\"cg-tools\"><button class=\"cg-btn cg-copy\" type=\"button\" aria-label=\"Salin kode\"><svg class=\"cp\" viewBox=\"0 0 16 16\" fill=\"none\" stroke=\"currentColor\" stroke-width=\"1.4\"><rect x=\"5.25\" y=\"5.25\" width=\"8.5\" height=\"8.5\" rx=\"1.75\"/><path d=\"M10.75 5.25V3.5a1.25 1.25 0 0 0-1.25-1.25H3.5A1.25 1.25 0 0 0 2.25 3.5v6a1.25 1.25 0 0 0 1.25 1.25h1.75\"/></svg><svg class=\"ok\" viewBox=\"0 0 16 16\" fill=\"none\" stroke=\"currentColor\" stroke-width=\"1.4\"><path d=\"m3 8.5 3.25 3.25L13 5\"/></svg></button></div></div><div class=\"cg-body\"><div class=\"cg-pane\" id=\"model-code-32-panel-0\" role=\"tabpanel\" aria-labelledby=\"model-code-32-tab-0\"><pre data-lang=\"bash\"><code>set -eu\n: &quot;${AILOOT_API_KEY:?Set your Ailoot API key}&quot;\nexport AILOOT_API_KEY\npython3 - &lt;&lt;&#39;PY_REQUEST&#39;\nimport json,os\nfrom pathlib import Path\np=json.loads(&#39;{&quot;documents&quot;: [&quot;Paris is the capital of France.&quot;, &quot;Berlin is the capital of Germany.&quot;], &quot;model&quot;: &quot;nvidia/llama-nemotron-rerank-vl-1b-v2:free&quot;, &quot;query&quot;: &quot;What is the capital of France?&quot;, &quot;top_n&quot;: 3}&#39;)\n\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/rerank \\\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\n# Submit once. Retain the complete result, original identifiers and every response header.\n</code></pre></div></div></div></section><section class=\"card-section\" data-card-section=\"results\"><h3 tabindex=\"-1\">Terima dan simpan hasil</h3><h4>Ailoot Ultra · Rerank</h4><p class=\"note-s\">JSON</p><div class=\"card-result-process\" data-all-results><h5>Simpan semua hasil yang selesai</h5><p class=\"note-s\">Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.</p><p class=\"note-s\">Retain the complete response, all actual results, original identifiers, usage and response headers.</p></div><div class=\"card-result-process\" data-unknown-recovery><h5>Jika respons asli perlu diperiksa</h5><p class=\"note-s\">Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.</p></div><details class=\"card-about\" data-output-fields><summary>Kolom respons</summary><div class=\"tw\" data-card-table=\"output\"><table><thead><tr><th>Kolom</th><th>Jenis</th></tr></thead><tbody><tr><th data-cell-label=\"Kolom\" scope=\"row\"><span class=\"card-cell-label\">Kolom</span><code class=\"card-field-name\">results</code></th><td data-cell-label=\"Jenis\" data-field-type><span class=\"card-cell-label\">Jenis</span>array</td></tr></tbody></table></div></details></section><section class=\"card-section\" data-card-section=\"aliases\"><h3 tabindex=\"-1\">Alias</h3><h4>Alias model</h4><p class=\"note-s\"><span data-model-alias-route=\"Ultra\"><b>Ailoot Ultra</b> <a href=\"#m=nvidia%2Fllama-nemotron-rerank-vl-1b-v2%3Afree&amp;route=Ultra&amp;caller=nvidia%2Fllama-nemotron-rerank-vl-1b-v2%3Afree&amp;fmt=rerank\"><code>nvidia/llama-nemotron-rerank-vl-1b-v2:free</code></a></span></p><h4>Alias jalur metode</h4><p class=\"note-s\">Gunakan jalur metode yang ditampilkan di atas.</p><h4>ID pemanggil terkait</h4><p class=\"note-s\"><a href=\"#m=nvidia%2Fllama-nemotron-rerank-vl-1b-v2%3Afree&amp;route=Ultra&amp;caller=nvidia%2Fllama-nemotron-rerank-vl-1b-v2%3Afree&amp;fmt=rerank\"><code>nvidia/llama-nemotron-rerank-vl-1b-v2:free</code></a></p></section></div>",
      "method_identity": {
        "effective_request_model_id": "nvidia/llama-nemotron-rerank-vl-1b-v2:free",
        "fmt": "rerank",
        "http": "POST",
        "path": "/v1/rerank",
        "request_model_id": "nvidia/llama-nemotron-rerank-vl-1b-v2:free",
        "route_label": "Ultra"
      },
      "method_key": "Ultra|rerank|/v1/rerank|nvidia%2Fllama-nemotron-rerank-vl-1b-v2%3Afree",
      "ordinal": 0,
      "rawMethod": {
        "available": null,
        "cache_read": null,
        "cache_write": null,
        "cache_write_1h": null,
        "contract": {
          "data": {
            "all_results": "Retain the complete response, all actual results, original identifiers, usage and response headers.",
            "authentication": {
              "api_key_source": "AILOOT_API_KEY",
              "header": "Authorization: Bearer"
            },
            "example_body": {
              "documents": [
                "Paris is the capital of France.",
                "Berlin is the capital of Germany."
              ],
              "model": "nvidia/llama-nemotron-rerank-vl-1b-v2:free",
              "query": "What is the capital of France?",
              "top_n": 3
            },
            "lifecycle": {
              "cancel_endpoint": null,
              "create": {
                "http": "POST",
                "path": "/v1/rerank"
              },
              "mode": "synchronous_json",
              "status": [],
              "unknown": "Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.",
              "unknown_no_replay": true
            },
            "outputs": {
              "all_results": "Retain the complete response, all actual results, original identifiers, usage and response headers.",
              "family": "ranking",
              "fields": [
                {
                  "name": "results",
                  "type": "array"
                }
              ],
              "format": "JSON"
            },
            "parameters": [
              {
                "default_known": false,
                "enum": [
                  "nvidia/llama-nemotron-rerank-vl-1b-v2:free"
                ],
                "enum_known": true,
                "name": "model",
                "required": true,
                "type": "string"
              },
              {
                "default_known": false,
                "enum_known": false,
                "name": "query",
                "required": true,
                "type": "string"
              },
              {
                "default_known": false,
                "enum_known": false,
                "items": {
                  "type": "string"
                },
                "minItems": 1,
                "name": "documents",
                "required": true,
                "type": "array"
              },
              {
                "default_known": false,
                "enum_known": false,
                "minimum": 1,
                "name": "top_n",
                "required": false,
                "type": "integer"
              }
            ],
            "request_schema": {
              "additionalProperties": true,
              "properties": {
                "documents": {
                  "items": {
                    "type": "string"
                  },
                  "minItems": 1,
                  "type": "array"
                },
                "model": {
                  "enum": [
                    "nvidia/llama-nemotron-rerank-vl-1b-v2:free"
                  ],
                  "type": "string"
                },
                "query": {
                  "type": "string"
                },
                "top_n": {
                  "minimum": 1,
                  "type": "integer"
                }
              },
              "required": [
                "model",
                "query",
                "documents"
              ],
              "type": "object"
            },
            "schema_template": {
              "body": {
                "documents": [
                  "Paris is the capital of France.",
                  "Berlin is the capital of Germany."
                ],
                "model": "nvidia/llama-nemotron-rerank-vl-1b-v2:free",
                "query": "What is the capital of France?",
                "top_n": 3
              },
              "content_type": "application/json"
            }
          },
          "input": {
            "conditions": [],
            "content_type": "application/json",
            "material_types": [
              "text"
            ],
            "optional": [
              "top_n"
            ],
            "required": [
              "model",
              "query",
              "documents"
            ]
          },
          "lifecycle": {
            "cancel_endpoint": null,
            "create": {
              "http": "POST",
              "path": "/v1/rerank"
            },
            "mode": "synchronous_json",
            "status": [],
            "unknown": "Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.",
            "unknown_no_replay": true
          },
          "method": {
            "http": "POST",
            "path": "/v1/rerank"
          },
          "method_aliases": [],
          "output": {
            "all_results": "Retain the complete response, all actual results, original identifiers, usage and response headers.",
            "family": "ranking",
            "fields": [
              {
                "name": "results",
                "type": "array"
              }
            ],
            "format": "JSON"
          }
        },
        "ctx": null,
        "declared_pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Base token rates",
            "units": [
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          },
          {
            "dimensions": {
              "billing_quantity": "one request"
            },
            "label": "Per request",
            "units": [
              {
                "amount": "0",
                "amount_unit": "usd_per_exact_native_unit",
                "billing_input": true,
                "estimate_only": false,
                "key": "per_request",
                "label": "per request",
                "native_amount_usd_per_unit": "0",
                "native_quantity": 1,
                "public_unit_label": "per request",
                "quantity": 1,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "per_request"
              }
            ]
          }
        ],
        "examples": [
          {
            "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"documents\": [\"Paris is the capital of France.\", \"Berlin is the capital of Germany.\"], \"model\": \"nvidia/llama-nemotron-rerank-vl-1b-v2:free\", \"query\": \"What is the capital of France?\", \"top_n\": 3}')\n\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/rerank \\\n  -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n  --data-binary @request.json -D response-headers.txt -o result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\n",
            "label": "curl · create once and retain the complete result",
            "language": "bash"
          }
        ],
        "family": "openai",
        "fast_multiplier": null,
        "flex_multiplier": null,
        "fmt": "rerank",
        "http": "POST",
        "img_in": null,
        "img_out": null,
        "in": null,
        "input": [
          "text"
        ],
        "label": "Rerank",
        "max_out": null,
        "max_reasoning_effort_multiplier": null,
        "method_aliases": [],
        "out": null,
        "output": [
          "ranking"
        ],
        "path": "/v1/rerank",
        "price_conditions": [
          {
            "label": "Fast mode",
            "value": "Not specified",
            "when": "When fast mode is selected"
          },
          {
            "label": "Flex mode",
            "value": "Not specified",
            "when": "When flex mode is selected"
          },
          {
            "label": "Maximum reasoning effort",
            "value": "Not specified",
            "when": "When maximum reasoning effort uses the default adjustment"
          }
        ],
        "pricing": {
          "billing_mode": "per_request",
          "cache_read_price": null,
          "cache_write_1h_price": null,
          "cache_write_price": null,
          "fast_multiplier": null,
          "flex_multiplier": null,
          "image_input_price": null,
          "image_output_price": null,
          "input_price": null,
          "intervals": null,
          "max_reasoning_effort_multiplier": null,
          "output_price": null,
          "per_request_price": 0
        },
        "pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Base token rates",
            "units": [
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          },
          {
            "dimensions": {
              "billing_quantity": "one request"
            },
            "label": "Per request",
            "units": [
              {
                "amount": "0",
                "amount_unit": "usd_per_exact_native_unit",
                "billing_input": true,
                "estimate_only": false,
                "key": "per_request",
                "label": "per request",
                "native_amount_usd_per_unit": "0",
                "native_quantity": 1,
                "public_unit_label": "per request",
                "quantity": 1,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "per_request"
              }
            ]
          }
        ],
        "request_model_id": "nvidia/llama-nemotron-rerank-vl-1b-v2:free",
        "route_label": "Ultra",
        "status_reads": [],
        "tiers": [],
        "unit": "per_request",
        "units": [
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "input_price",
            "label": "Input tokens",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "input_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "output_price",
            "label": "Output tokens",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "output_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "out",
            "unit": "output_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_read_price",
            "label": "Cache read",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "cached_input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "cached_input_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_write_price",
            "label": "Cache write",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "generic_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "generic_cache_creation_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_write_1h_price",
            "label": "Cache write, 1 hour",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "one_hour_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "one_hour_cache_creation_token"
          },
          {
            "amount": "0",
            "amount_unit": "usd_per_exact_native_unit",
            "billing_input": true,
            "estimate_only": false,
            "key": "per_request",
            "label": "per request",
            "native_amount_usd_per_unit": "0",
            "native_quantity": 1,
            "public_unit_label": "per request",
            "quantity": 1,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "per_request"
          }
        ]
      }
    }
  ],
  "model_id": "nvidia/llama-nemotron-rerank-vl-1b-v2:free",
  "nativeProvenance": {
    "input_facts_canonical_sha256": "a12c8b06a13b7b7922b9c3e9cf588d58bb0689d0b30fde646e2d161f0e009af1",
    "input_html_sha256": "dd98f148a1b113e6b2fe790ffce5f6bfc1fe75013e412a52ceb07c6c5b1c42a9",
    "private_audit_sha256": "5b29b1197a0a2642f69b40c01f71d36ecb09d9ce451d01e8c5108c9d07e7c07a",
    "role": "historical-normalized-input-audit-hashes",
    "schema": "ailoot-native-model-provenance-v2"
  },
  "page": {
    "canonical": "https://ailoot.ai/models/id/nvidia-llama-nemotron-rerank-vl-1b-v2-u003a-free/",
    "description": "Llama Nemotron Rerank VL 1B V2 adalah reranker cross-encoder dari NVIDIA untuk mengurutkan materi hasil penelusuran berdasarkan relevansinya terhadap kueri. Kirim kueri dan dokumen kandidat berupa teks, gambar, atau gabungan keduanya, lalu gunakan skor dan indeks asli yang dikembalikan untuk memilih bacaan bagi hasil pencarian atau jawaban yang diperkaya penelusuran.",
    "locale": "id",
    "md_url": "https://ailoot.ai/models/id/nvidia-llama-nemotron-rerank-vl-1b-v2-u003a-free/index.md",
    "title": "NVIDIA: Llama Nemotron Rerank VL 1B V2 (free) — Ailoot",
    "url": "https://ailoot.ai/models/id/nvidia-llama-nemotron-rerank-vl-1b-v2-u003a-free/"
  },
  "rawModel": {
    "about": "Llama Nemotron Rerank VL 1B V2 mengevaluasi relevansi teks kandidat dan gambar dokumen terhadap kueri teks, termasuk bagan, tabel, dan halaman media campuran. NVIDIA menjelaskannya sebagai model cross-encoder dengan 1,7B parameter. Dalam alur penelusuran, jalankan pencarian awal terlebih dahulu, lalu kirim kandidat yang dipilih ke reranker. Hasil yang berguna berupa kumpulan kandidat tersebut yang diurutkan ulang dengan skor relevansi, yang dapat digunakan aplikasi untuk memilih konteks jawaban atau menata halaman hasil pencarian.\n\nGunakan POST /v1/rerank dengan badan application/json. Atur model ke \"nvidia/llama-nemotron-rerank-vl-1b-v2:free\", query ke pertanyaan pencarian yang sebenarnya, dan documents ke array yang tidak kosong. Setiap kandidat dapat berupa string teks atau objek dengan text dan/atau image; objek terstruktur wajib menyediakan minimal salah satu kolom tersebut. text adalah string. image adalah URL HTTP/HTTPS jarak jauh atau URI data base64 yang diawali data:image/. Kandidat gabungan menyediakan kedua kolom. Pertahankan urutan array masukan tersebut agar indeks yang dikembalikan dapat dicocokkan dengan ID dokumen yang Anda simpan. top_n adalah bilangan bulat opsional minimal 1 yang meminta jumlah dokumen berperingkat tertinggi untuk dikembalikan.\n\nMisalnya, aplikasi pusat bantuan dapat menelusuri bacaan tentang pengiriman, pengembalian, dan akses akun, lalu mengurutkan ulang bacaan tersebut terhadap pertanyaan pengiriman pelanggan. Kirim teks bacaan yang sebenarnya, bukan nama berkas atau cuplikan mesin pencari yang tidak berkaitan dengan sumber tersimpan. Hubungkan setiap bacaan dengan pengenal sumbernya sendiri dalam aplikasi, agar bukti yang dipilih nantinya dapat dikutip atau dibuka. Untuk dokumen pindaian, bagan, tabel, atau infografik, berikan gambar aslinya dalam objek dokumen dan tambahkan teks jika membantu mengidentifikasi isinya.\n\nHalaman model mendokumentasikan batas 10.240 token per kueri dan dokumen. Bagi materi sumber yang lebih panjang menjadi bacaan dengan ukuran terbatas sebelum menyiapkan daftar kandidat. Sertakan konteks sekitar yang berguna pada setiap bacaan, termasuk judul atau nama produk jika memengaruhi makna. Permintaan yang didokumentasikan dimulai dari kandidat yang Anda berikan; permintaan ini tidak mencari koleksi dokumen atas nama Anda.\n\nPemeringkatan ulang mengembalikan hasil JSON sinkron. Baca setiap item results, termasuk index aslinya, relevance_score, dan objek document yang dikembalikan, yang dapat memuat text dan/atau image, serta simpan setiap usage dan pengenal respons yang dikembalikan. Gunakan index untuk memetakan hasil berperingkat kembali ke kandidat masukannya. Perlakukan skor relevansi sebagai sinyal pemeringkatan untuk kueri ini, bukan jawaban faktual yang diverifikasi secara independen. Simpan hasil lengkap ketika beberapa bacaan dipilih untuk langkah berikutnya.\n\nSiapkan materi kandidat publik atau sintetis untuk edisi gratis ini; ketentuan penggunaan yang didokumentasikan tidak mengizinkan informasi rahasia dan data pribadi. Jika permintaan berakhir tanpa hasil lengkap, simpan respons asli dan pengenal permintaan saat memeriksa upaya tersebut. Alur rerank yang didokumentasikan mengembalikan hasil secara langsung dan tidak menyediakan alur polling tugas atau pembatalan terpisah.",
    "alias_of": null,
    "aliases": [],
    "author": "NVIDIA",
    "ctx": 10240,
    "formats": [
      "rerank"
    ],
    "id": "nvidia/llama-nemotron-rerank-vl-1b-v2:free",
    "input": [
      "text"
    ],
    "kind": "text",
    "max_out": null,
    "methods": [
      {
        "available": null,
        "cache_read": null,
        "cache_write": null,
        "cache_write_1h": null,
        "contract": {
          "data": {
            "all_results": "Retain the complete response, all actual results, original identifiers, usage and response headers.",
            "authentication": {
              "api_key_source": "AILOOT_API_KEY",
              "header": "Authorization: Bearer"
            },
            "example_body": {
              "documents": [
                "Paris is the capital of France.",
                "Berlin is the capital of Germany."
              ],
              "model": "nvidia/llama-nemotron-rerank-vl-1b-v2:free",
              "query": "What is the capital of France?",
              "top_n": 3
            },
            "lifecycle": {
              "cancel_endpoint": null,
              "create": {
                "http": "POST",
                "path": "/v1/rerank"
              },
              "mode": "synchronous_json",
              "status": [],
              "unknown": "Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.",
              "unknown_no_replay": true
            },
            "outputs": {
              "all_results": "Retain the complete response, all actual results, original identifiers, usage and response headers.",
              "family": "ranking",
              "fields": [
                {
                  "name": "results",
                  "type": "array"
                }
              ],
              "format": "JSON"
            },
            "parameters": [
              {
                "default_known": false,
                "enum": [
                  "nvidia/llama-nemotron-rerank-vl-1b-v2:free"
                ],
                "enum_known": true,
                "name": "model",
                "required": true,
                "type": "string"
              },
              {
                "default_known": false,
                "enum_known": false,
                "name": "query",
                "required": true,
                "type": "string"
              },
              {
                "default_known": false,
                "enum_known": false,
                "items": {
                  "type": "string"
                },
                "minItems": 1,
                "name": "documents",
                "required": true,
                "type": "array"
              },
              {
                "default_known": false,
                "enum_known": false,
                "minimum": 1,
                "name": "top_n",
                "required": false,
                "type": "integer"
              }
            ],
            "request_schema": {
              "additionalProperties": true,
              "properties": {
                "documents": {
                  "items": {
                    "type": "string"
                  },
                  "minItems": 1,
                  "type": "array"
                },
                "model": {
                  "enum": [
                    "nvidia/llama-nemotron-rerank-vl-1b-v2:free"
                  ],
                  "type": "string"
                },
                "query": {
                  "type": "string"
                },
                "top_n": {
                  "minimum": 1,
                  "type": "integer"
                }
              },
              "required": [
                "model",
                "query",
                "documents"
              ],
              "type": "object"
            },
            "schema_template": {
              "body": {
                "documents": [
                  "Paris is the capital of France.",
                  "Berlin is the capital of Germany."
                ],
                "model": "nvidia/llama-nemotron-rerank-vl-1b-v2:free",
                "query": "What is the capital of France?",
                "top_n": 3
              },
              "content_type": "application/json"
            }
          },
          "input": {
            "conditions": [],
            "content_type": "application/json",
            "material_types": [
              "text"
            ],
            "optional": [
              "top_n"
            ],
            "required": [
              "model",
              "query",
              "documents"
            ]
          },
          "lifecycle": {
            "cancel_endpoint": null,
            "create": {
              "http": "POST",
              "path": "/v1/rerank"
            },
            "mode": "synchronous_json",
            "status": [],
            "unknown": "Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.",
            "unknown_no_replay": true
          },
          "method": {
            "http": "POST",
            "path": "/v1/rerank"
          },
          "method_aliases": [],
          "output": {
            "all_results": "Retain the complete response, all actual results, original identifiers, usage and response headers.",
            "family": "ranking",
            "fields": [
              {
                "name": "results",
                "type": "array"
              }
            ],
            "format": "JSON"
          }
        },
        "ctx": null,
        "declared_pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Base token rates",
            "units": [
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          },
          {
            "dimensions": {
              "billing_quantity": "one request"
            },
            "label": "Per request",
            "units": [
              {
                "amount": "0",
                "amount_unit": "usd_per_exact_native_unit",
                "billing_input": true,
                "estimate_only": false,
                "key": "per_request",
                "label": "per request",
                "native_amount_usd_per_unit": "0",
                "native_quantity": 1,
                "public_unit_label": "per request",
                "quantity": 1,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "per_request"
              }
            ]
          }
        ],
        "examples": [
          {
            "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"documents\": [\"Paris is the capital of France.\", \"Berlin is the capital of Germany.\"], \"model\": \"nvidia/llama-nemotron-rerank-vl-1b-v2:free\", \"query\": \"What is the capital of France?\", \"top_n\": 3}')\n\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/rerank \\\n  -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n  --data-binary @request.json -D response-headers.txt -o result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\n",
            "label": "curl · create once and retain the complete result",
            "language": "bash"
          }
        ],
        "family": "openai",
        "fast_multiplier": null,
        "flex_multiplier": null,
        "fmt": "rerank",
        "http": "POST",
        "img_in": null,
        "img_out": null,
        "in": null,
        "input": [
          "text"
        ],
        "label": "Rerank",
        "max_out": null,
        "max_reasoning_effort_multiplier": null,
        "method_aliases": [],
        "out": null,
        "output": [
          "ranking"
        ],
        "path": "/v1/rerank",
        "price_conditions": [
          {
            "label": "Fast mode",
            "value": "Not specified",
            "when": "When fast mode is selected"
          },
          {
            "label": "Flex mode",
            "value": "Not specified",
            "when": "When flex mode is selected"
          },
          {
            "label": "Maximum reasoning effort",
            "value": "Not specified",
            "when": "When maximum reasoning effort uses the default adjustment"
          }
        ],
        "pricing": {
          "billing_mode": "per_request",
          "cache_read_price": null,
          "cache_write_1h_price": null,
          "cache_write_price": null,
          "fast_multiplier": null,
          "flex_multiplier": null,
          "image_input_price": null,
          "image_output_price": null,
          "input_price": null,
          "intervals": null,
          "max_reasoning_effort_multiplier": null,
          "output_price": null,
          "per_request_price": 0
        },
        "pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Base token rates",
            "units": [
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          },
          {
            "dimensions": {
              "billing_quantity": "one request"
            },
            "label": "Per request",
            "units": [
              {
                "amount": "0",
                "amount_unit": "usd_per_exact_native_unit",
                "billing_input": true,
                "estimate_only": false,
                "key": "per_request",
                "label": "per request",
                "native_amount_usd_per_unit": "0",
                "native_quantity": 1,
                "public_unit_label": "per request",
                "quantity": 1,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "per_request"
              }
            ]
          }
        ],
        "request_model_id": "nvidia/llama-nemotron-rerank-vl-1b-v2:free",
        "route_label": "Ultra",
        "status_reads": [],
        "tiers": [],
        "unit": "per_request",
        "units": [
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "input_price",
            "label": "Input tokens",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "input_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "output_price",
            "label": "Output tokens",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "output_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "out",
            "unit": "output_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_read_price",
            "label": "Cache read",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "cached_input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "cached_input_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_write_price",
            "label": "Cache write",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "generic_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "generic_cache_creation_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_write_1h_price",
            "label": "Cache write, 1 hour",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "one_hour_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "one_hour_cache_creation_token"
          },
          {
            "amount": "0",
            "amount_unit": "usd_per_exact_native_unit",
            "billing_input": true,
            "estimate_only": false,
            "key": "per_request",
            "label": "per request",
            "native_amount_usd_per_unit": "0",
            "native_quantity": 1,
            "public_unit_label": "per request",
            "quantity": 1,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "per_request"
          }
        ]
      }
    ],
    "model_aliases": [
      {
        "canonical_model_id": "nvidia/llama-nemotron-rerank-vl-1b-v2:free",
        "request_model_id": "nvidia/llama-nemotron-rerank-vl-1b-v2:free",
        "route_label": "Ultra"
      }
    ],
    "name": "NVIDIA: Llama Nemotron Rerank VL 1B V2 (free)",
    "price": {
      "in": "0",
      "in_label": "per request",
      "out": null,
      "out_label": null,
      "sort_in": null,
      "sort_out": null,
      "varies": false
    },
    "short": "Llama Nemotron Rerank VL 1B V2 adalah reranker cross-encoder dari NVIDIA untuk mengurutkan materi hasil penelusuran berdasarkan relevansinya terhadap kueri. Kirim kueri dan dokumen kandidat berupa teks, gambar, atau gabungan keduanya, lalu gunakan skor dan indeks asli yang dikembalikan untuk memilih bacaan bagi hasil pencarian atau jawaban yang diperkaya penelusuran."
  },
  "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
        }
      ],
      "role": "current-semantic-reference"
    },
    "raw_input": {
      "examples_role": "historical-input-not-current-ready-examples",
      "json_pointers": [
        "/rawModel",
        "/methods/0/rawMethod"
      ],
      "role": "historical-owner-input"
    },
    "schema": "ailoot-native-model-representations-v1"
  },
  "schema": "ailoot-static-model-facts-v1",
  "schema_version": 1,
  "shortText": "Llama Nemotron Rerank VL 1B V2 adalah reranker cross-encoder dari NVIDIA untuk mengurutkan materi hasil penelusuran berdasarkan relevansinya terhadap kueri. Kirim kueri dan dokumen kandidat berupa teks, gambar, atau gabungan keduanya, lalu gunakan skor dan indeks asli yang dikembalikan untuk memilih bacaan bagi hasil pencarian atau jawaban yang diperkaya penelusuran.",
  "source": {
    "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1",
    "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036",
    "raw_model_json_sha256": "7485d924e77cdf3fa878a3d641a568c54167f2deb4bf5d7561df447a41eec9c9",
    "renderer_sha256": "2a0471475a29000c23db326ca1e315df73dee7524f6bc2907818ee3458813f2d"
  },
  "sourceRevision": "29340146155446fc85188c42bf851a682106c0eec3b0cd35acc7245dfec339d4"
}