Source: https://ailoot.ai/models/it/nvidia-llama-nemotron-embed-vl-1b-v2/ Canonical: https://ailoot.ai/models/it/nvidia-llama-nemotron-embed-vl-1b-v2/ Language: it # Llama Nemotron Embed VL 1B v2 [Markdown](https://ailoot.ai/models/it/nvidia-llama-nemotron-embed-vl-1b-v2/index.md) · [JSON](https://ailoot.ai/models/it/nvidia-llama-nemotron-embed-vl-1b-v2/facts.json) ## [Llama Nemotron Embed VL 1B v2](https://ailoot.ai/models/it/nvidia-llama-nemotron-embed-vl-1b-v2/) Llama Nemotron Embed VL v2 crea vettori per la ricerca semantica nei documenti. Nell'attuale catalogo Ailoot è rappresentato input testuale per domande e materiali. - [**Ailoot · Embedding** `POST /v1/embeddings` `nvidia/llama-nemotron-embed-vl-1b-v2`](https://ailoot.ai/models/it/nvidia-llama-nemotron-embed-vl-1b-v2/#method-0) - [**Ailoot · Embedding** `POST /v1/embeddings` `nemotron-embed-vl`](https://ailoot.ai/models/it/nvidia-llama-nemotron-embed-vl-1b-v2/#method-1) - [**Ailoot · Embedding** `POST /v1/embeddings` `nemotron-embed-vl-latest`](https://ailoot.ai/models/it/nvidia-llama-nemotron-embed-vl-1b-v2/#method-2) Informazioni sul modello Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito. #### Trovare la pagina giusta da una domanda Llama Nemotron Embed VL 1B v2 è stato sviluppato da NVIDIA per trovare materiali che aiutino a rispondere a una domanda. La richiesta viene formulata come testo. Nell'attuale catalogo Ailoot il modello presenta input testuale: domanda e materiale vengono codificati come testo. Il produttore descrive anche documenti sotto forma di immagini di pagina oppure immagini insieme al testo estratto. Queste varianti visive richiedono un metodo separato con supporto delle immagini. Con l'input corrispondente, il modello rappresenta tabelle, grafici e infografiche in uno spazio vettoriale comune. Questa ricerca è adatta ad assistenti di domanda e risposta su grandi raccolte di documenti, manuali interni e materiali di ricerca. Il risultato della codifica è un vettore numerico. La pagina o il segmento trovato può essere poi fornito a un modello che formula la risposta: Embed VL stesso esegue la fase di ricerca del contesto. #### Varianti dei documenti presso il produttore - Documento testuale: una sezione separata, un segmento o testo della pagina già riconosciuto. - Immagine: l'intera pagina con testo, tabelle ed elementi grafici. - Immagine con testo: l'aspetto visivo della pagina e il suo contenuto testuale vengono uniti in una sola rappresentazione. Domanda e documento vengono codificati indipendentemente. Si può quindi elaborare prima la raccolta e conservare i vettori insieme alle pagine originali, per calcolare soltanto il vettore della domanda quando ne arriva una nuova. La somiglianza tra vettori aiuta a scegliere i materiali per significato. I ruoli testuali di domanda e documento sono diversi e questa distinzione va conservata nella preparazione dei dati. #### Dimensioni della rappresentazione e lunghezza dell'input Ogni input viene convertito in un solo vettore con una dimensione fino a 2048 numeri. Nella modalità testuale si utilizza un budget di 8192 token. Per il metodo visivo del produttore con immagine e testo è descritto un budget complessivo di 10240 token, comprendente entrambe le parti; non è il limite testuale del metodo Ailoot. L'immagine viene suddivisa in segmenti: nella configurazione descritta sono ammessi fino a sei segmenti e una copia ridotta dell'intera pagina, per circa 1792 token visivi complessivi. I testi lunghi devono essere suddivisi o accorciati. La parte linguistica si basa su Llama 3.2 1B, quella visiva su SigLIP2. Sono unite in un encoder che calcola la media delle rappresentazioni dei token in ingresso e produce un solo vettore. L'addestramento contrastivo avvicina la domanda alla pagina adatta e la allontana dai materiali irrilevanti. La ricerca resta probabilistica: la vicinanza dei vettori non garantisce che il segmento scelto contenga la risposta corretta. **Ailoot · Embedding** `POST /v1/embeddings` `nvidia/llama-nemotron-embed-vl-1b-v2` [`nvidia/llama-nemotron-embed-vl-1b-v2`](https://ailoot.ai/models/it/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nvidia%2Fllama-nemotron-embed-vl-1b-v2&fmt=embeddings) NVIDIA /`nvidia/llama-nemotron-embed-vl-1b-v2` ID del modello - `nvidia/llama-nemotron-embed-vl-1b-v2` - `nemotron-embed-vl` - `nemotron-embed-vl-latest` ### Introduzione Llama Nemotron Embed VL v2 crea vettori per la ricerca semantica nei documenti. Nell'attuale catalogo Ailoot è rappresentato input testuale per domande e materiali. Input accettati Testo Risultati embedding ### Disponibile in Ailoot · input e metodi **Ailoot · Embedding** `POST /v1/embeddings` Tipi di input `text` Tipi di output `embedding` Contesto 4096 tokens Formato di output json | Campo | Tipo | Requisito | Valori e limiti | Predefinito | | --- | --- | --- | --- | --- | | Campo`model` | Tipo`string` | RequisitoObbligatorio | Valori e limiti nvidia/llama-nemotron-embed-vl-1b-v2 | Predefinito— | | Campo`input` | Tipo`string\|string[]` | RequisitoObbligatorio | Valori e limiti Numero minimo di elementi: 1 Condizioni: Ogni stringa deve essere non vuota dopo trim; gli URI data vengono rifiutati; il budget accettato misura i byte UTF8 pertinenti. | Predefinito— | | Campo`input_type` | Tipo`string` | RequisitoFacoltativo | Valori e limiti query, passage | Predefinitoquery | | Campo`encoding_format` | Tipo`string` | RequisitoFacoltativo | Valori e limiti float, base64 | Predefinitofloat | | Campo`truncate` | Tipo`string` | RequisitoFacoltativo | Valori e limiti NONE, START, END | Predefinito— | | Campo`dimensions` | Tipo`integer` | RequisitoFacoltativo | Valori e limiti Minimo: 1 | Predefinito— | | Campo`user` | Tipo`string` | RequisitoFacoltativo | Valori e limiti | Predefinito— | Combinazioni di materiali in input **text\_to\_embedding** Parametri e ciclo di vita del metodo | Parametro | Contratto | | --- | --- | | Parametro`material_types` | Contrattotext | | Parametro`required` | Contrattomodel, input | | Parametro`optional_controls` | Contrattonull | | Parametro`content_type` | Contrattoapplication/json | Ciclo di vita: `exact retained published method` Le strutture dei metodi e gli ID sono esatti; la capacità del fornitore è distinta dall’ammissione delle richieste. ### Tariffe #### Tariffe dei metodi Ailoot Input 0,0001 USD */ 1K* Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. [Come funzionano la prenotazione e l’addebito finale →](https://ailoot.ai/docs/it/billing/reserve/) ### Esempi di richieste #### Ailoot · Embedding Esempio di embedding ```bash 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 ``` ### Ricevi e salva i risultati #### Ailoot · Embedding json ##### Conserva tutti i risultati completati Conserva ogni risposta, file e parte di contenuto restituiti per intero. Decodifica i vettori base64 solo quando è stato richiesto quel formato; conserva ogni vettore e il suo indice originale. ##### Se occorre verificare la risposta originale Non viene introdotto alcun endpoint per i job di embedding. Campi della risposta | Campo | Tipo | | --- | --- | | Campo`data[].index` | Tipointeger | | Campo`data[].embedding` | Tipofinite float\[\]\|base64 float32 vector | | Campo`model` | Tipostring | | Campo`usage` | Tipoobject | Errori e passaggi successivi | Risposta | Condizione | Passaggio successivo | | --- | --- | --- | | Risposta400 · `invalid_request_error` | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. | ### Alias #### Alias del modello **Ailoot** [`nvidia/llama-nemotron-embed-vl-1b-v2`](https://ailoot.ai/models/it/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nvidia%2Fllama-nemotron-embed-vl-1b-v2&fmt=embeddings), [`nemotron-embed-vl`](https://ailoot.ai/models/it/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl&fmt=embeddings), [`nemotron-embed-vl-latest`](https://ailoot.ai/models/it/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl-latest&fmt=embeddings) #### Alias dei percorsi dei metodi Usa i percorsi dei metodi indicati sopra. #### ID di chiamata correlati [`nvidia/llama-nemotron-embed-vl-1b-v2`](https://ailoot.ai/models/it/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nvidia%2Fllama-nemotron-embed-vl-1b-v2&fmt=embeddings), [`nemotron-embed-vl`](https://ailoot.ai/models/it/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl&fmt=embeddings), [`nemotron-embed-vl-latest`](https://ailoot.ai/models/it/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl-latest&fmt=embeddings) **Ailoot · Embedding** `POST /v1/embeddings` `nemotron-embed-vl` [`nemotron-embed-vl`](https://ailoot.ai/models/it/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl&fmt=embeddings) NVIDIA /`nemotron-embed-vl` ID del modello - `nvidia/llama-nemotron-embed-vl-1b-v2` - `nemotron-embed-vl` - `nemotron-embed-vl-latest` ### Introduzione Llama Nemotron Embed VL v2 crea vettori per la ricerca semantica nei documenti. Nell'attuale catalogo Ailoot è rappresentato input testuale per domande e materiali. Input accettati Testo Risultati embedding ### Disponibile in Ailoot · input e metodi **Ailoot · Embedding** `POST /v1/embeddings` Tipi di input `text` Tipi di output `embedding` Contesto 4096 tokens Formato di output json | Campo | Tipo | Requisito | Valori e limiti | Predefinito | | --- | --- | --- | --- | --- | | Campo`model` | Tipo`string` | RequisitoObbligatorio | Valori e limiti nemotron-embed-vl | Predefinito— | | Campo`input` | Tipo`string\|string[]` | RequisitoObbligatorio | Valori e limiti Numero minimo di elementi: 1 Condizioni: Ogni stringa deve essere non vuota dopo trim; gli URI data vengono rifiutati; il budget accettato misura i byte UTF8 pertinenti. | Predefinito— | | Campo`input_type` | Tipo`string` | RequisitoFacoltativo | Valori e limiti query, passage | Predefinitoquery | | Campo`encoding_format` | Tipo`string` | RequisitoFacoltativo | Valori e limiti float, base64 | Predefinitofloat | | Campo`truncate` | Tipo`string` | RequisitoFacoltativo | Valori e limiti NONE, START, END | Predefinito— | | Campo`dimensions` | Tipo`integer` | RequisitoFacoltativo | Valori e limiti Minimo: 1 | Predefinito— | | Campo`user` | Tipo`string` | RequisitoFacoltativo | Valori e limiti | Predefinito— | Combinazioni di materiali in input **text\_to\_embedding** Parametri e ciclo di vita del metodo | Parametro | Contratto | | --- | --- | | Parametro`material_types` | Contrattotext | | Parametro`required` | Contrattomodel, input | | Parametro`optional_controls` | Contrattonull | | Parametro`content_type` | Contrattoapplication/json | Ciclo di vita: `exact retained published method` Le strutture dei metodi e gli ID sono esatti; la capacità del fornitore è distinta dall’ammissione delle richieste. ### Tariffe #### Tariffe dei metodi Ailoot Input 0,0001 USD */ 1K* Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. [Come funzionano la prenotazione e l’addebito finale →](https://ailoot.ai/docs/it/billing/reserve/) ### Esempi di richieste #### Ailoot · Embedding Esempio di embedding ```bash 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 ``` ### Ricevi e salva i risultati #### Ailoot · Embedding json ##### Conserva tutti i risultati completati Conserva ogni risposta, file e parte di contenuto restituiti per intero. Decodifica i vettori base64 solo quando è stato richiesto quel formato; conserva ogni vettore e il suo indice originale. ##### Se occorre verificare la risposta originale Non viene introdotto alcun endpoint per i job di embedding. Campi della risposta | Campo | Tipo | | --- | --- | | Campo`data[].index` | Tipointeger | | Campo`data[].embedding` | Tipofinite float\[\]\|base64 float32 vector | | Campo`model` | Tipostring | | Campo`usage` | Tipoobject | Errori e passaggi successivi | Risposta | Condizione | Passaggio successivo | | --- | --- | --- | | Risposta400 · `invalid_request_error` | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. | ### Alias #### Alias del modello **Ailoot** [`nvidia/llama-nemotron-embed-vl-1b-v2`](https://ailoot.ai/models/it/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nvidia%2Fllama-nemotron-embed-vl-1b-v2&fmt=embeddings), [`nemotron-embed-vl`](https://ailoot.ai/models/it/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl&fmt=embeddings), [`nemotron-embed-vl-latest`](https://ailoot.ai/models/it/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl-latest&fmt=embeddings) #### Alias dei percorsi dei metodi Usa i percorsi dei metodi indicati sopra. #### ID di chiamata correlati [`nvidia/llama-nemotron-embed-vl-1b-v2`](https://ailoot.ai/models/it/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nvidia%2Fllama-nemotron-embed-vl-1b-v2&fmt=embeddings), [`nemotron-embed-vl`](https://ailoot.ai/models/it/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl&fmt=embeddings), [`nemotron-embed-vl-latest`](https://ailoot.ai/models/it/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl-latest&fmt=embeddings) **Ailoot · Embedding** `POST /v1/embeddings` `nemotron-embed-vl-latest` [`nemotron-embed-vl-latest`](https://ailoot.ai/models/it/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl-latest&fmt=embeddings) NVIDIA /`nemotron-embed-vl-latest` ID del modello - `nvidia/llama-nemotron-embed-vl-1b-v2` - `nemotron-embed-vl` - `nemotron-embed-vl-latest` ### Introduzione Llama Nemotron Embed VL v2 crea vettori per la ricerca semantica nei documenti. Nell'attuale catalogo Ailoot è rappresentato input testuale per domande e materiali. Input accettati Testo Risultati embedding ### Disponibile in Ailoot · input e metodi **Ailoot · Embedding** `POST /v1/embeddings` Tipi di input `text` Tipi di output `embedding` Contesto 4096 tokens Formato di output json | Campo | Tipo | Requisito | Valori e limiti | Predefinito | | --- | --- | --- | --- | --- | | Campo`model` | Tipo`string` | RequisitoObbligatorio | Valori e limiti nemotron-embed-vl-latest | Predefinito— | | Campo`input` | Tipo`string\|string[]` | RequisitoObbligatorio | Valori e limiti Numero minimo di elementi: 1 Condizioni: Ogni stringa deve essere non vuota dopo trim; gli URI data vengono rifiutati; il budget accettato misura i byte UTF8 pertinenti. | Predefinito— | | Campo`input_type` | Tipo`string` | RequisitoFacoltativo | Valori e limiti query, passage | Predefinitoquery | | Campo`encoding_format` | Tipo`string` | RequisitoFacoltativo | Valori e limiti float, base64 | Predefinitofloat | | Campo`truncate` | Tipo`string` | RequisitoFacoltativo | Valori e limiti NONE, START, END | Predefinito— | | Campo`dimensions` | Tipo`integer` | RequisitoFacoltativo | Valori e limiti Minimo: 1 | Predefinito— | | Campo`user` | Tipo`string` | RequisitoFacoltativo | Valori e limiti | Predefinito— | Combinazioni di materiali in input **text\_to\_embedding** Parametri e ciclo di vita del metodo | Parametro | Contratto | | --- | --- | | Parametro`material_types` | Contrattotext | | Parametro`required` | Contrattomodel, input | | Parametro`optional_controls` | Contrattonull | | Parametro`content_type` | Contrattoapplication/json | Ciclo di vita: `exact retained published method` Le strutture dei metodi e gli ID sono esatti; la capacità del fornitore è distinta dall’ammissione delle richieste. ### Tariffe #### Tariffe dei metodi Ailoot Input 0,0001 USD */ 1K* Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. [Come funzionano la prenotazione e l’addebito finale →](https://ailoot.ai/docs/it/billing/reserve/) ### Esempi di richieste #### Ailoot · Embedding Esempio di embedding ```bash 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 ``` ### Ricevi e salva i risultati #### Ailoot · Embedding json ##### Conserva tutti i risultati completati Conserva ogni risposta, file e parte di contenuto restituiti per intero. Decodifica i vettori base64 solo quando è stato richiesto quel formato; conserva ogni vettore e il suo indice originale. ##### Se occorre verificare la risposta originale Non viene introdotto alcun endpoint per i job di embedding. Campi della risposta | Campo | Tipo | | --- | --- | | Campo`data[].index` | Tipointeger | | Campo`data[].embedding` | Tipofinite float\[\]\|base64 float32 vector | | Campo`model` | Tipostring | | Campo`usage` | Tipoobject | Errori e passaggi successivi | Risposta | Condizione | Passaggio successivo | | --- | --- | --- | | Risposta400 · `invalid_request_error` | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. | ### Alias #### Alias del modello **Ailoot** [`nvidia/llama-nemotron-embed-vl-1b-v2`](https://ailoot.ai/models/it/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nvidia%2Fllama-nemotron-embed-vl-1b-v2&fmt=embeddings), [`nemotron-embed-vl`](https://ailoot.ai/models/it/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl&fmt=embeddings), [`nemotron-embed-vl-latest`](https://ailoot.ai/models/it/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl-latest&fmt=embeddings) #### Alias dei percorsi dei metodi Usa i percorsi dei metodi indicati sopra. #### ID di chiamata correlati [`nvidia/llama-nemotron-embed-vl-1b-v2`](https://ailoot.ai/models/it/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nvidia%2Fllama-nemotron-embed-vl-1b-v2&fmt=embeddings), [`nemotron-embed-vl`](https://ailoot.ai/models/it/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl&fmt=embeddings), [`nemotron-embed-vl-latest`](https://ailoot.ai/models/it/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl-latest&fmt=embeddings) FAQ · nvidia/llama-nemotron-embed-vl-1b-v2 Quali input e risultati sono disponibili? `POST /v1/embeddings` · `nvidia/llama-nemotron-embed-vl-1b-v2`: `text` → `embedding` `POST /v1/embeddings` · `nemotron-embed-vl`: `text` → `embedding` `POST /v1/embeddings` · `nemotron-embed-vl-latest`: `text` → `embedding` Quali campi usa la richiesta? `POST /v1/embeddings` · `nvidia/llama-nemotron-embed-vl-1b-v2`: `model`, `input`, `input_type`, `encoding_format`, `truncate`, `dimensions`, `user` `POST /v1/embeddings` · `nemotron-embed-vl`: `model`, `input`, `input_type`, `encoding_format`, `truncate`, `dimensions`, `user` `POST /v1/embeddings` · `nemotron-embed-vl-latest`: `model`, `input`, `input_type`, `encoding_format`, `truncate`, `dimensions`, `user` Quali limiti si applicano? `POST /v1/embeddings` · `nvidia/llama-nemotron-embed-vl-1b-v2`: `ctx`: `4096`; `input.min_items`: `1`; `dimensions.minimum`: `1` `POST /v1/embeddings` · `nemotron-embed-vl`: `ctx`: `4096`; `input.min_items`: `1`; `dimensions.minimum`: `1` `POST /v1/embeddings` · `nemotron-embed-vl-latest`: `ctx`: `4096`; `input.min_items`: `1`; `dimensions.minimum`: `1` Collega Ailoot a Claude Code, OpenCode, Hermes o alla tua applicazione. ## L’azienda e il suo portafoglio di progetti L’azienda e il suo portafoglio di progetti: milioni di clienti; vendite nell’ordine dei miliardi ogni mese. ## Acquista token con uno sconto. Sconto con abbonamento per lavoro regolare. Codici fino al 50% sull’acquisto di token. Abbonamento Scegli un piano scontato per richieste regolari. Codice fino al 50% Inserisci il codice all’acquisto. Il prezzo si aggiorna secondo la promozione. Spese nella cronologia Modello, token e importo sono salvati per ogni richiesta. [Scegli abbonamento](https://ailoot.ai/docs/it/billing/subscriptions/) · [Consulta prezzi dei modelli](https://ailoot.ai/models/it/) ## Collega l’API al prodotto che vendi. SaaS, app e bot secondo offerta e accordo di licenza Ailoot. Per rivendere, richiedi una licenza reseller. Applicazione commerciale Integra generazione di testo, immagini, video e suono nelle funzioni a pagamento. Licenza reseller Invia descrizione del progetto e schema di accesso. Richiedi condizioni scritte per uso e rivendita. Documenti sul sito Offerta, accordo di licenza e politica sui dati sono disponibili prima della connessione. [Richiedi licenza reseller](mailto:support@ailoot.ai) · [Offerta e accordo di licenza](https://ailoot.ai/legal/offer?lang=it) ## Ailoot · L’azienda e il suo portafoglio di progetti Ailoot si basa su un’esperienza operativa consolidata, un’ampia base di clienti, un servizio stabile e un controllo costante dei KPI. L’azienda e il suo portafoglio di progetti: milioni di clienti; vendite nell’ordine dei miliardi ogni mese. Ailoot mette questa esperienza operativa al servizio dell’accesso API alle funzioni AI nei prodotti dei clienti, negli agenti, nelle applicazioni e nelle automazioni.