NVIDIA: Llama Nemotron Embed VL 1B V2 (free)
Llama Nemotron Embed VL 1B V2は、検索向けのNVIDIAのマルチモーダル埋め込みモデルです。テキスト、画像、統合した文書入力をベクトルへ変換し、表、グラフ、テキスト、インフォグラフィックを含む文書を、テキストクエリで検索できます。
モデルについて
この説明はモデルの機能を紹介するものです。Ailootで利用できる入力、出力、オプションは、選択したメソッドごとに以下に記載されています。
Llama Nemotron Embed VL 1B V2は、マルチモーダルな質問応答のための検索に使う、NVIDIAの埋め込みモデルです。文書をテキスト、画像、または画像とテキストの組み合わせで表現できます。その後、テキストのクエリを使って関連文書を検索します。公開されたプロファイルは、テキスト、表、グラフ、インフォグラフィックを含む文書画像に対応し、埋め込みベクトルを返します。
識別可能な文書項目を準備する
各入力を、それが表す原本文書、ページ、文章に結び付けてください。視覚的なページなら画像と、それに属する添付テキストを保持します。文章なら、後の一致結果の解釈に役立つ場合、タイトルや節ラベルを残してください。それらの出典識別子によって、検索された項目は単なる数値の類似度結果ではなく、証拠として有用になります。
ユーザーが見つける必要のある資料に合わせて項目境界を選んでください。グラフとその説明は一緒にするべき場合がありますが、無関係なページは別の識別情報を維持するべきです。入力が判読できるか、意図したクエリで検索したい情報をテキストや画像が含んでいるかを確認してください。
テキストのクエリとベクトル検索
モデルの役割は検索用のベクトルを生成することで、プロファイルで説明されているクエリ形式はテキストです。クエリとインデックス化した項目には、互換性のある埋め込み設定を維持してください。アプリケーションはベクトルを保存して比較し、対応する原本項目を返します。検索された文書は、点検したり、後の回答生成段階へ渡したりする資料として残ります。
有用なテスト集合には、ユーザーが実際に尋ねる質問と、見つかるべきページを含めます。誤った一致や見つからない一致は、原本の内容と項目境界に照らして確認してください。文脈内で結果を確かめられるよう、選択した文章や画像には完全な文書識別子を残します。
入力上限と検索成果物
文書化されたホステッド環境のプロファイルには、入力あたり最大131,072トークンと記載されています。大きな原本集合は、ラベルを付けた別々の入力に分け、その関係を維持してください。このプロファイルのベクトル出力は、生成された文章の回答や文字起こしではありません。後のアプリケーション段階が、検索された証拠を使って質問に答えられます。
完成した検索成果物は、クエリ、選択された原本項目、その識別子を結び付けます。後の変更と原本コレクションの変更を区別できるよう、インデックスに使った埋め込みモデルと入力準備を記録してください。
Ailoot Ultra · 埋め込み POST /v1/embeddings nvidia/llama-nemotron-embed-vl-1b-v2:free
nvidia/llama-nemotron-embed-vl-1b-v2:free
nvidia/llama-nemotron-embed-vl-1b-v2:freeはじめに
Llama Nemotron Embed VL 1B V2は、検索向けのNVIDIAのマルチモーダル埋め込みモデルです。テキスト、画像、統合した文書入力をベクトルへ変換し、表、グラフ、テキスト、インフォグラフィックを含む文書を、テキストクエリで検索できます。
- 対応する入力
- テキスト · token_ids
- 結果
- embedding
Ailootで利用可能 · 入力とメソッド
Ailoot Ultra · 埋め込み POST /v1/embeddings
- 入力の種類
text,token_ids- 出力の種類
embedding- コンテキスト
- 131,072 tokens
- 出力形式
- json
| フィールド | 種類 | 要件 | 値と制限 | デフォルト |
|---|---|---|---|---|
フィールドmodel | 種類string | 要件必須 | 値と制限 nvidia/llama-nemotron-embed-vl-1b-v2:free | デフォルト— |
フィールドinput | 種類string|string[]|integer[]|integer[][] | 要件必須 | 値と制限 最小項目数: 1 条件: 空でなく、要素の型が統一されたバッチ。トークン ID は非負の整数です。 入力の許容量: 最大値: 131,072 · テキスト単位: UTF8 バイト · トークン単位: トークン配列の要素 | デフォルト— |
フィールドencoding_format | 種類string | 要件任意 | 値と制限 float | デフォルトfloat |
フィールドdimensions | 種類integer | 要件非対応 | 値と制限 最小値: 1 | デフォルト— |
フィールドuser | 種類json_value | 要件任意 | 値と制限 条件: ソースではこの JSON メタデータフィールドが許可されています。上流側での正確な意味はモデルによって異なります。 | デフォルト— |
フィールドsession_id | 種類json_value | 要件任意 | 値と制限 条件: ソースではこの JSON メタデータフィールドが許可されています。上流側での正確な意味はモデルによって異なります。 | デフォルト— |
フィールドtrace | 種類json_value | 要件任意 | 値と制限 条件: ソースではこの JSON メタデータフィールドが許可されています。上流側での正確な意味はモデルによって異なります。 | デフォルト— |
フィールドprovider | 種類object | 要件任意 | 値と制限 条件: provider.options は拒否されます | デフォルト— |
入力素材の組み合わせ
text_to_embedding
メソッドのパラメータとライフサイクル
| パラメータ | 仕様 |
|---|---|
パラメータcontent_type | 仕様application/json |
パラメータrequired | 仕様model, input |
パラメータinput_shapes | 仕様string, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[] |
パラメータencoding_format | 仕様float |
パラメータdimensions_override | 仕様false |
パラメータmax_input_budget_units | 仕様131072 |
パラメータmultimodal_objects | 仕様false |
パラメータmaterial_types | 仕様text, token_ids |
ライフサイクル: synchronous_json
各ベクトルのインデックスと次元数を保存してください。
モデル名がマルチモーダルであることを示していても、この正確なパスでは画像オブジェクトは受け付けられません。
料金
料金情報はリクエストの機能を追加しません。対応するパラメーターは選択したメソッドに記載されています。
- 高速モード
- 標準料金 高速モードが選択されている場合
- Flex モード
- 標準料金 flex モードが選択されている場合
- 最大推論量
- 標準料金 推論量が最大で、調整に既定値（default）を使用する場合
Ailootの料金
設定別の価格
| 設定 | 料金表 | 料金 |
|---|---|---|
| 設定トークンの基本単価 | 料金表基本料金 | 料金 入力 · 入力トークン $0 / 1K トークン 出力 · 出力トークン $0 / 1K トークン 入力 · キャッシュ読み取り — / 1K トークン 入力 · キャッシュ書き込み — / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。金額の確保と精算の仕組み →
リクエスト例
Ailoot Ultra · 埋め込み
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "nvidia/llama-nemotron-embed-vl-1b-v2:free", "input": ["First document", "Second document"]}')
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
from openai import OpenAI
import os
client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
result=client.embeddings.create(model='nvidia/llama-nemotron-embed-vl-1b-v2:free',input=["First document","Second document"])
print(result)
for item in result.data:print(item.index,item.embedding)
結果を受け取って保存
Ailoot Ultra · 埋め込み
json
完了した結果をすべて保存
返された完全なレスポンス、ファイル、コンテンツ部分をすべて保存してください。
すべてのベクトルを、そのインデックスとともに保存してください。ベクトル数は入力数と一致し、次元数は統一されている必要があります。
元のレスポンスを確認する場合
埋め込みジョブ用のエンドポイントは新設されません。
レスポンスのフィールド
| フィールド | 種類 |
|---|---|
フィールドobject | 種類string |
フィールドmodel | 種類string |
フィールドdata[].index | 種類integer |
フィールドdata[].embedding | 種類finite float[] |
フィールドusage | 種類object |
エラーと次の手順
| レスポンス | 条件 | 次の手順 |
|---|---|---|
レスポンス400 · invalid_request_error | 条件必須フィールド、素材の表現形式、またはパラメーター値が不正です | 次の手順新しい生成リクエストを送る前に、指定されたフィールドを修正してください。 |
エイリアス
モデルのエイリアス
Ailoot Ultra nvidia/llama-nemotron-embed-vl-1b-v2:free
メソッドパスのエイリアス
上記に表示されたメソッドパスを使用してください。
関連する呼び出し用ID
FAQ · NVIDIA: Llama Nemotron Embed VL 1B V2 (free)
- 利用できる入力と結果は何ですか？
POST /v1/embeddings·nvidia/llama-nemotron-embed-vl-1b-v2:free:text,token_ids→embedding- リクエストはどの項目を使用しますか？
POST /v1/embeddings·nvidia/llama-nemotron-embed-vl-1b-v2:free:model,input,encoding_format,provider- どの制限が適用されますか？
POST /v1/embeddings·nvidia/llama-nemotron-embed-vl-1b-v2:free:ctx:131072;input.budget.maximum:131072(UTF8 バイト);input.min_items:1