{ "aboutHtml": "

質問に合うページを探す

Llama Nemotron Embed VL 1B v2は、質問に答えるのに役立つ素材を検索するためにNVIDIAが開発しました。質問はテキストで指定します。現在のAilootのカタログでは、モデルにテキスト入力が掲載されており、質問と素材をテキストとして符号化します。メーカーは、ページの画像や、抽出したテキストを添えた画像としての文書も説明しています。これらの視覚的な方法には、画像に対応する別のメソッドが必要です。対応する入力では、表、グラフ、インフォグラフィックを共通のベクトル空間に表します。

大量の文書、社内の参考資料、研究素材を使う質問応答アシスタントに適した検索です。符号化の結果は、数値ベクトルです。見つかったページや部分は、応答を生成するモデルにその後渡せます。Embed VL自体は、コンテキストを検索する段階を実行します。

メーカー側の文書の形式

質問と文書は、独立して符号化します。そのため、コレクションを先に処理し、ベクトルを元のページとともに保存し、新しい質問では質問のベクトルだけを計算できます。ベクトルの類似性が、意味に基づく素材の選択を支援します。質問と文書のテキスト上の役割は異なり、データの準備でその違いを保つことが重要です。

表現のサイズと入力の長さ

各入力は、最大2048の数値を持つ一つのベクトルに変換します。テキストモードでは8192トークンの予算を使います。メーカー側の画像とテキストを組み合わせる視覚メソッドには、両方を含む10240トークンの共通予算が説明されています。これはAilootのメソッドのテキスト上限ではありません。画像は部分に分割し、説明された設定では、最大六つの部分とページ全体の縮小コピーを許容し、合わせて約1792の視覚トークンです。長いテキストは、分割または短縮する必要があります。

言語部分はLlama 3.2 1B、視覚部分はSigLIP2を基盤としています。入力トークンの表現を平均し、単一のベクトルを出力するエンコーダに統合されています。対照学習により、質問を適切なページに近付け、無関係な素材から遠ざけます。検索は確率的なものであり、ベクトルが近いことは、選ばれた部分に正しい答えが含まれる保証ではありません。

", "aboutText": "### 質問に合うページを探す\n\nLlama Nemotron Embed VL 1B v2は、質問に答えるのに役立つ素材を検索するためにNVIDIAが開発しました。質問はテキストで指定します。現在のAilootのカタログでは、モデルにテキスト入力が掲載されており、質問と素材をテキストとして符号化します。メーカーは、ページの画像や、抽出したテキストを添えた画像としての文書も説明しています。これらの視覚的な方法には、画像に対応する別のメソッドが必要です。対応する入力では、表、グラフ、インフォグラフィックを共通のベクトル空間に表します。\n\n大量の文書、社内の参考資料、研究素材を使う質問応答アシスタントに適した検索です。符号化の結果は、数値ベクトルです。見つかったページや部分は、応答を生成するモデルにその後渡せます。Embed VL自体は、コンテキストを検索する段階を実行します。\n\n### メーカー側の文書の形式\n\n- テキスト文書。個別の節、部分、認識済みのページのテキスト。\n- 画像。テキスト、表、グラフィック要素を含むページ全体。\n- テキスト付きの画像。ページの見た目とテキスト内容を、一つの表現にまとめます。\n\n質問と文書は、独立して符号化します。そのため、コレクションを先に処理し、ベクトルを元のページとともに保存し、新しい質問では質問のベクトルだけを計算できます。ベクトルの類似性が、意味に基づく素材の選択を支援します。質問と文書のテキスト上の役割は異なり、データの準備でその違いを保つことが重要です。\n\n### 表現のサイズと入力の長さ\n\n各入力は、最大2048の数値を持つ一つのベクトルに変換します。テキストモードでは8192トークンの予算を使います。メーカー側の画像とテキストを組み合わせる視覚メソッドには、両方を含む10240トークンの共通予算が説明されています。これはAilootのメソッドのテキスト上限ではありません。画像は部分に分割し、説明された設定では、最大六つの部分とページ全体の縮小コピーを許容し、合わせて約1792の視覚トークンです。長いテキストは、分割または短縮する必要があります。\n\n言語部分はLlama 3.2 1B、視覚部分はSigLIP2を基盤としています。入力トークンの表現を平均し、単一のベクトルを出力するエンコーダに統合されています。対照学習により、質問を適切なページに近付け、無関係な素材から遠ざけます。検索は確率的なものであり、ベクトルが近いことは、選ばれた部分に正しい答えが含まれる保証ではありません。", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "314ffdf153b838f2867ee9ef83da2bf95d34d256258b9fb758d76112b86bd462", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "ja", "methods": [ { "html": "
NV

Llama Nemotron Embed VL 1B v2

NVIDIA /nvidia/llama-nemotron-embed-vl-1b-v2

はじめに

Llama Nemotron Embed VL v2は、文書の意味に基づく検索のためのベクトルを作成します。現在のAilootのカタログでは、質問と素材に対するテキスト入力が掲載されています。

対応する入力
テキスト
結果
embedding
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。

質問に合うページを探す

Llama Nemotron Embed VL 1B v2は、質問に答えるのに役立つ素材を検索するためにNVIDIAが開発しました。質問はテキストで指定します。現在のAilootのカタログでは、モデルにテキスト入力が掲載されており、質問と素材をテキストとして符号化します。メーカーは、ページの画像や、抽出したテキストを添えた画像としての文書も説明しています。これらの視覚的な方法には、画像に対応する別のメソッドが必要です。対応する入力では、表、グラフ、インフォグラフィックを共通のベクトル空間に表します。

大量の文書、社内の参考資料、研究素材を使う質問応答アシスタントに適した検索です。符号化の結果は、数値ベクトルです。見つかったページや部分は、応答を生成するモデルにその後渡せます。Embed VL自体は、コンテキストを検索する段階を実行します。

メーカー側の文書の形式

  • テキスト文書。個別の節、部分、認識済みのページのテキスト。
  • 画像。テキスト、表、グラフィック要素を含むページ全体。
  • テキスト付きの画像。ページの見た目とテキスト内容を、一つの表現にまとめます。

質問と文書は、独立して符号化します。そのため、コレクションを先に処理し、ベクトルを元のページとともに保存し、新しい質問では質問のベクトルだけを計算できます。ベクトルの類似性が、意味に基づく素材の選択を支援します。質問と文書のテキスト上の役割は異なり、データの準備でその違いを保つことが重要です。

表現のサイズと入力の長さ

各入力は、最大2048の数値を持つ一つのベクトルに変換します。テキストモードでは8192トークンの予算を使います。メーカー側の画像とテキストを組み合わせる視覚メソッドには、両方を含む10240トークンの共通予算が説明されています。これはAilootのメソッドのテキスト上限ではありません。画像は部分に分割し、説明された設定では、最大六つの部分とページ全体の縮小コピーを許容し、合わせて約1792の視覚トークンです。長いテキストは、分割または短縮する必要があります。

言語部分はLlama 3.2 1B、視覚部分はSigLIP2を基盤としています。入力トークンの表現を平均し、単一のベクトルを出力するエンコーダに統合されています。対照学習により、質問を適切なページに近付け、無関係な素材から遠ざけます。検索は確率的なものであり、ベクトルが近いことは、選ばれた部分に正しい答えが含まれる保証ではありません。

Ailootで利用可能 · 入力とメソッド

Ailoot · 埋め込み POST /v1/embeddings
入力の種類
text
出力の種類
embedding
コンテキスト
4,096 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
デフォルト—
フィールドinput種類string|string[]要件必須値と制限
最小項目数: 1
条件: 各文字列は前後の空白を除去した後も空でない必要があります。data URIは拒否されます。受諾済みの予算では、該当するUTF8バイト数を計測します。
デフォルト—
フィールドinput_type種類string要件任意値と制限
query, passage
デフォルトquery
フィールドencoding_format種類string要件任意値と制限
float, base64
デフォルトfloat
フィールドtruncate種類string要件任意値と制限
NONE, START, END
デフォルト—
フィールドdimensions種類integer要件任意値と制限
最小値: 1
デフォルト—
フィールドuser種類string要件任意値と制限デフォルト—
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material_types仕様text
パラメータrequired仕様model, input
パラメータoptional_controls仕様null
パラメータcontent_type仕様application/json

ライフサイクル: exact retained published method

メソッドの形式とIDは正確に記載しています。供給元の対応能力とリクエストの受け入れは別です。

料金

Ailootのメソッド料金

Ailoot 埋め込みPOST /v1/embeddings
入力
$0.0001 / 1K

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 · 埋め込み

set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "nvidia/llama-nemotron-embed-vl-1b-v2", "input": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["input"]=[text]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \\\n  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n  --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("data",[]): print(json.dumps({"index":x.get("index"),"embedding":x.get("embedding")}))\nPY_RESULT\n

結果を受け取って保存

Ailoot · 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。

base64形式を要求した場合にのみ、ベクトルをデコードしてください。すべてのベクトルと元のインデックスを保持してください。

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data[].index種類integer
フィールドdata[].embedding種類finite float[]|base64 float32 vector
フィールドmodel種類string
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 nvidia/llama-nemotron-embed-vl-1b-v2, nemotron-embed-vl, nemotron-embed-vl-latest

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

nvidia/llama-nemotron-embed-vl-1b-v2, nemotron-embed-vl, nemotron-embed-vl-latest

", "method_identity": { "effective_request_model_id": "nvidia/llama-nemotron-embed-vl-1b-v2", "fmt": "embeddings", "http": "POST", "path": "/v1/embeddings", "request_model_id": "nvidia/llama-nemotron-embed-vl-1b-v2", "route_label": "Core" }, "method_key": "Core|embeddings|/v1/embeddings|nvidia%2Fllama-nemotron-embed-vl-1b-v2", "ordinal": 0, "rawMethod": { "cache_read": null, "cache_write": null, "cache_write_1h": null, "cache_write_5m": null, "conditional_meter": null, "contract": { "data": { "all_results": "Decode base64 vectors only when that format was requested; retain every vector and its original index.", "errors": [ { "code": null, "condition": "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", "http_status": 400, "recovery": "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。", "type": "invalid_request_error" } ], "hints": [], "ignored_fields": [], "lifecycle": { "create": { "http": "POST", "path": "/v1/embeddings" }, "job_read": null, "mode": "synchronous_json", "unknown": "埋め込みジョブ用のエンドポイントは新設されません。" }, "material_combinations": [ { "alternatives": [ "nonempty string", "nonempty string[]" ], "mode": "text_to_embedding" } ], "operation_modes": [ "single_embedding", "batched_embeddings" ], "outputs": { "all_results": "base64形式を要求した場合にのみ、ベクトルをデコードしてください。すべてのベクトルと元のインデックスを保持してください。", "family": "embedding", "fields": [ { "description": null, "name": "data[].index", "type": "integer" }, { "description": null, "name": "data[].embedding", "type": "finite float[]|base64 float32 vector" }, { "description": null, "name": "model", "type": "string" }, { "description": null, "name": "usage", "type": "object" } ], "format": "json" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "nvidia/llama-nemotron-embed-vl-1b-v2" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "conditions": "各文字列は前後の空白を除去した後も空でない必要があります。data URIは拒否されます。受諾済みの予算では、該当するUTF8バイト数を計測します。", "default": null, "default_known": false, "enum": null, "enum_known": false, "min_items": 1, "name": "input", "required": true, "type": "string|string[]" }, { "availability": "source_interface", "default": "query", "default_known": true, "enum": [ "query", "passage" ], "enum_known": true, "name": "input_type", "required": false, "type": "string" }, { "availability": "source_interface", "default": "float", "default_known": true, "enum": [ "float", "base64" ], "enum_known": true, "name": "encoding_format", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "NONE", "START", "END" ], "enum_known": true, "name": "truncate", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "minimum": 1, "name": "dimensions", "required": false, "type": "integer" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "user", "required": false, "type": "string" } ], "profile_binding": "Exact existing Ailoot model and method; interface constraints below do not assert provider qualification.", "unsupported": [ "image objects", "data URI text inputs", "token integer arrays on this NVIDIA adapter" ] }, "hints": [ "メソッドの形式とIDは正確に記載しています。供給元の対応能力とリクエストの受け入れは別です。" ], "input": { "content_type": "application/json", "material_types": [ "text" ], "optional_controls": null, "required": [ "model", "input" ] }, "lifecycle": { "mode": "exact retained published method" }, "method": { "http": "POST", "path": "/v1/embeddings" }, "operation_modes": [ "embeddings" ], "output": { "family": [ "embedding" ], "format": "indexed vectors JSON", "multioutputs": "retain every actual response output" } }, "ctx": 4096, "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}\"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"nvidia/llama-nemotron-embed-vl-1b-v2\", \"input\": []}')\nf=Path(os.environ[\"AILOOT_TEXT_FILE\"])\nif not f.is_file():raise SystemExit(\"Choose your actual UTF-8 source material\")\ntext=f.read_text(encoding=\"utf-8\")\nif not text.strip():raise SystemExit(\"Source material must contain text\")\np[\"input\"]=[text]\nPath(\"request.json\").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path(\"result.json\").read_text())\nfor x in r.get(\"data\",[]): print(json.dumps({\"index\":x.get(\"index\"),\"embedding\":x.get(\"embedding\")}))\nPY_RESULT\n", "label": "Embed your source material", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "embeddings", "http": "POST", "img_in": null, "img_out": null, "in": 0.1, "input": [ "text" ], "label": "埋め込み", "max_out": 0, "max_tool_calls": null, "out": 0, "output": [ "embedding" ], "path": "/v1/embeddings", "pricing_profiles": [ { "dimensions": {}, "label": "Core", "units": [ { "amount": 0.1, "amount_unit": "usd_per_million_tokens", "key": "in", "label": "Input", "side": "in" }, { "amount": 0, "amount_unit": "usd_per_million_tokens", "key": "out", "label": "Output", "side": "out" } ] } ], "request_model_id": "nvidia/llama-nemotron-embed-vl-1b-v2", "route_label": "Core", "status_reads": [], "tiers": [], "tool_prices": null, "unit": "token", "units": [] } }, { "html": "
NV

Llama Nemotron Embed VL 1B v2

NVIDIA /nemotron-embed-vl

はじめに

Llama Nemotron Embed VL v2は、文書の意味に基づく検索のためのベクトルを作成します。現在のAilootのカタログでは、質問と素材に対するテキスト入力が掲載されています。

対応する入力
テキスト
結果
embedding
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。

質問に合うページを探す

Llama Nemotron Embed VL 1B v2は、質問に答えるのに役立つ素材を検索するためにNVIDIAが開発しました。質問はテキストで指定します。現在のAilootのカタログでは、モデルにテキスト入力が掲載されており、質問と素材をテキストとして符号化します。メーカーは、ページの画像や、抽出したテキストを添えた画像としての文書も説明しています。これらの視覚的な方法には、画像に対応する別のメソッドが必要です。対応する入力では、表、グラフ、インフォグラフィックを共通のベクトル空間に表します。

大量の文書、社内の参考資料、研究素材を使う質問応答アシスタントに適した検索です。符号化の結果は、数値ベクトルです。見つかったページや部分は、応答を生成するモデルにその後渡せます。Embed VL自体は、コンテキストを検索する段階を実行します。

メーカー側の文書の形式

  • テキスト文書。個別の節、部分、認識済みのページのテキスト。
  • 画像。テキスト、表、グラフィック要素を含むページ全体。
  • テキスト付きの画像。ページの見た目とテキスト内容を、一つの表現にまとめます。

質問と文書は、独立して符号化します。そのため、コレクションを先に処理し、ベクトルを元のページとともに保存し、新しい質問では質問のベクトルだけを計算できます。ベクトルの類似性が、意味に基づく素材の選択を支援します。質問と文書のテキスト上の役割は異なり、データの準備でその違いを保つことが重要です。

表現のサイズと入力の長さ

各入力は、最大2048の数値を持つ一つのベクトルに変換します。テキストモードでは8192トークンの予算を使います。メーカー側の画像とテキストを組み合わせる視覚メソッドには、両方を含む10240トークンの共通予算が説明されています。これはAilootのメソッドのテキスト上限ではありません。画像は部分に分割し、説明された設定では、最大六つの部分とページ全体の縮小コピーを許容し、合わせて約1792の視覚トークンです。長いテキストは、分割または短縮する必要があります。

言語部分はLlama 3.2 1B、視覚部分はSigLIP2を基盤としています。入力トークンの表現を平均し、単一のベクトルを出力するエンコーダに統合されています。対照学習により、質問を適切なページに近付け、無関係な素材から遠ざけます。検索は確率的なものであり、ベクトルが近いことは、選ばれた部分に正しい答えが含まれる保証ではありません。

Ailootで利用可能 · 入力とメソッド

Ailoot · 埋め込み POST /v1/embeddings
入力の種類
text
出力の種類
embedding
コンテキスト
4,096 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
nemotron-embed-vl
デフォルト—
フィールドinput種類string|string[]要件必須値と制限
最小項目数: 1
条件: 各文字列は前後の空白を除去した後も空でない必要があります。data URIは拒否されます。受諾済みの予算では、該当するUTF8バイト数を計測します。
デフォルト—
フィールドinput_type種類string要件任意値と制限
query, passage
デフォルトquery
フィールドencoding_format種類string要件任意値と制限
float, base64
デフォルトfloat
フィールドtruncate種類string要件任意値と制限
NONE, START, END
デフォルト—
フィールドdimensions種類integer要件任意値と制限
最小値: 1
デフォルト—
フィールドuser種類string要件任意値と制限デフォルト—
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material_types仕様text
パラメータrequired仕様model, input
パラメータoptional_controls仕様null
パラメータcontent_type仕様application/json

ライフサイクル: exact retained published method

メソッドの形式とIDは正確に記載しています。供給元の対応能力とリクエストの受け入れは別です。

料金

Ailootのメソッド料金

Ailoot 埋め込みPOST /v1/embeddings
入力
$0.0001 / 1K

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 · 埋め込み

set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "nemotron-embed-vl", "input": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["input"]=[text]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \\\n  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n  --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("data",[]): print(json.dumps({"index":x.get("index"),"embedding":x.get("embedding")}))\nPY_RESULT\n

結果を受け取って保存

Ailoot · 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。

base64形式を要求した場合にのみ、ベクトルをデコードしてください。すべてのベクトルと元のインデックスを保持してください。

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data[].index種類integer
フィールドdata[].embedding種類finite float[]|base64 float32 vector
フィールドmodel種類string
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 nvidia/llama-nemotron-embed-vl-1b-v2, nemotron-embed-vl, nemotron-embed-vl-latest

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

nvidia/llama-nemotron-embed-vl-1b-v2, nemotron-embed-vl, nemotron-embed-vl-latest

", "method_identity": { "effective_request_model_id": "nemotron-embed-vl", "fmt": "embeddings", "http": "POST", "path": "/v1/embeddings", "request_model_id": "nemotron-embed-vl", "route_label": "Core" }, "method_key": "Core|embeddings|/v1/embeddings|nemotron-embed-vl", "ordinal": 1, "rawMethod": { "cache_read": null, "cache_write": null, "cache_write_1h": null, "cache_write_5m": null, "conditional_meter": null, "contract": { "data": { "all_results": "Decode base64 vectors only when that format was requested; retain every vector and its original index.", "errors": [ { "code": null, "condition": "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", "http_status": 400, "recovery": "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。", "type": "invalid_request_error" } ], "hints": [], "ignored_fields": [], "lifecycle": { "create": { "http": "POST", "path": "/v1/embeddings" }, "job_read": null, "mode": "synchronous_json", "unknown": "埋め込みジョブ用のエンドポイントは新設されません。" }, "material_combinations": [ { "alternatives": [ "nonempty string", "nonempty string[]" ], "mode": "text_to_embedding" } ], "operation_modes": [ "single_embedding", "batched_embeddings" ], "outputs": { "all_results": "base64形式を要求した場合にのみ、ベクトルをデコードしてください。すべてのベクトルと元のインデックスを保持してください。", "family": "embedding", "fields": [ { "description": null, "name": "data[].index", "type": "integer" }, { "description": null, "name": "data[].embedding", "type": "finite float[]|base64 float32 vector" }, { "description": null, "name": "model", "type": "string" }, { "description": null, "name": "usage", "type": "object" } ], "format": "json" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "nemotron-embed-vl" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "conditions": "各文字列は前後の空白を除去した後も空でない必要があります。data URIは拒否されます。受諾済みの予算では、該当するUTF8バイト数を計測します。", "default": null, "default_known": false, "enum": null, "enum_known": false, "min_items": 1, "name": "input", "required": true, "type": "string|string[]" }, { "availability": "source_interface", "default": "query", "default_known": true, "enum": [ "query", "passage" ], "enum_known": true, "name": "input_type", "required": false, "type": "string" }, { "availability": "source_interface", "default": "float", "default_known": true, "enum": [ "float", "base64" ], "enum_known": true, "name": "encoding_format", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "NONE", "START", "END" ], "enum_known": true, "name": "truncate", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "minimum": 1, "name": "dimensions", "required": false, "type": "integer" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "user", "required": false, "type": "string" } ], "profile_binding": "Exact existing Ailoot model and method; interface constraints below do not assert provider qualification.", "unsupported": [ "image objects", "data URI text inputs", "token integer arrays on this NVIDIA adapter" ] }, "hints": [ "メソッドの形式とIDは正確に記載しています。供給元の対応能力とリクエストの受け入れは別です。" ], "input": { "content_type": "application/json", "material_types": [ "text" ], "optional_controls": null, "required": [ "model", "input" ] }, "lifecycle": { "mode": "exact retained published method" }, "method": { "http": "POST", "path": "/v1/embeddings" }, "operation_modes": [ "embeddings" ], "output": { "family": [ "embedding" ], "format": "indexed vectors JSON", "multioutputs": "retain every actual response output" } }, "ctx": 4096, "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}\"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"nemotron-embed-vl\", \"input\": []}')\nf=Path(os.environ[\"AILOOT_TEXT_FILE\"])\nif not f.is_file():raise SystemExit(\"Choose your actual UTF-8 source material\")\ntext=f.read_text(encoding=\"utf-8\")\nif not text.strip():raise SystemExit(\"Source material must contain text\")\np[\"input\"]=[text]\nPath(\"request.json\").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path(\"result.json\").read_text())\nfor x in r.get(\"data\",[]): print(json.dumps({\"index\":x.get(\"index\"),\"embedding\":x.get(\"embedding\")}))\nPY_RESULT\n", "label": "Embed your source material", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "embeddings", "http": "POST", "img_in": null, "img_out": null, "in": 0.1, "input": [ "text" ], "label": "埋め込み", "max_out": 0, "max_tool_calls": null, "out": 0, "output": [ "embedding" ], "path": "/v1/embeddings", "pricing_profiles": [ { "dimensions": {}, "label": "Core", "units": [ { "amount": 0.1, "amount_unit": "usd_per_million_tokens", "key": "in", "label": "Input", "side": "in" }, { "amount": 0, "amount_unit": "usd_per_million_tokens", "key": "out", "label": "Output", "side": "out" } ] } ], "request_model_id": "nemotron-embed-vl", "route_label": "Core", "status_reads": [], "tiers": [], "tool_prices": null, "unit": "token", "units": [] } }, { "html": "
NV

Llama Nemotron Embed VL 1B v2

NVIDIA /nemotron-embed-vl-latest

はじめに

Llama Nemotron Embed VL v2は、文書の意味に基づく検索のためのベクトルを作成します。現在のAilootのカタログでは、質問と素材に対するテキスト入力が掲載されています。

対応する入力
テキスト
結果
embedding
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。

質問に合うページを探す

Llama Nemotron Embed VL 1B v2は、質問に答えるのに役立つ素材を検索するためにNVIDIAが開発しました。質問はテキストで指定します。現在のAilootのカタログでは、モデルにテキスト入力が掲載されており、質問と素材をテキストとして符号化します。メーカーは、ページの画像や、抽出したテキストを添えた画像としての文書も説明しています。これらの視覚的な方法には、画像に対応する別のメソッドが必要です。対応する入力では、表、グラフ、インフォグラフィックを共通のベクトル空間に表します。

大量の文書、社内の参考資料、研究素材を使う質問応答アシスタントに適した検索です。符号化の結果は、数値ベクトルです。見つかったページや部分は、応答を生成するモデルにその後渡せます。Embed VL自体は、コンテキストを検索する段階を実行します。

メーカー側の文書の形式

  • テキスト文書。個別の節、部分、認識済みのページのテキスト。
  • 画像。テキスト、表、グラフィック要素を含むページ全体。
  • テキスト付きの画像。ページの見た目とテキスト内容を、一つの表現にまとめます。

質問と文書は、独立して符号化します。そのため、コレクションを先に処理し、ベクトルを元のページとともに保存し、新しい質問では質問のベクトルだけを計算できます。ベクトルの類似性が、意味に基づく素材の選択を支援します。質問と文書のテキスト上の役割は異なり、データの準備でその違いを保つことが重要です。

表現のサイズと入力の長さ

各入力は、最大2048の数値を持つ一つのベクトルに変換します。テキストモードでは8192トークンの予算を使います。メーカー側の画像とテキストを組み合わせる視覚メソッドには、両方を含む10240トークンの共通予算が説明されています。これはAilootのメソッドのテキスト上限ではありません。画像は部分に分割し、説明された設定では、最大六つの部分とページ全体の縮小コピーを許容し、合わせて約1792の視覚トークンです。長いテキストは、分割または短縮する必要があります。

言語部分はLlama 3.2 1B、視覚部分はSigLIP2を基盤としています。入力トークンの表現を平均し、単一のベクトルを出力するエンコーダに統合されています。対照学習により、質問を適切なページに近付け、無関係な素材から遠ざけます。検索は確率的なものであり、ベクトルが近いことは、選ばれた部分に正しい答えが含まれる保証ではありません。

Ailootで利用可能 · 入力とメソッド

Ailoot · 埋め込み POST /v1/embeddings
入力の種類
text
出力の種類
embedding
コンテキスト
4,096 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
nemotron-embed-vl-latest
デフォルト—
フィールドinput種類string|string[]要件必須値と制限
最小項目数: 1
条件: 各文字列は前後の空白を除去した後も空でない必要があります。data URIは拒否されます。受諾済みの予算では、該当するUTF8バイト数を計測します。
デフォルト—
フィールドinput_type種類string要件任意値と制限
query, passage
デフォルトquery
フィールドencoding_format種類string要件任意値と制限
float, base64
デフォルトfloat
フィールドtruncate種類string要件任意値と制限
NONE, START, END
デフォルト—
フィールドdimensions種類integer要件任意値と制限
最小値: 1
デフォルト—
フィールドuser種類string要件任意値と制限デフォルト—
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material_types仕様text
パラメータrequired仕様model, input
パラメータoptional_controls仕様null
パラメータcontent_type仕様application/json

ライフサイクル: exact retained published method

メソッドの形式とIDは正確に記載しています。供給元の対応能力とリクエストの受け入れは別です。

料金

Ailootのメソッド料金

Ailoot 埋め込みPOST /v1/embeddings
入力
$0.0001 / 1K

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 · 埋め込み

set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "nemotron-embed-vl-latest", "input": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["input"]=[text]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \\\n  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n  --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("data",[]): print(json.dumps({"index":x.get("index"),"embedding":x.get("embedding")}))\nPY_RESULT\n

結果を受け取って保存

Ailoot · 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。

base64形式を要求した場合にのみ、ベクトルをデコードしてください。すべてのベクトルと元のインデックスを保持してください。

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data[].index種類integer
フィールドdata[].embedding種類finite float[]|base64 float32 vector
フィールドmodel種類string
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 nvidia/llama-nemotron-embed-vl-1b-v2, nemotron-embed-vl, nemotron-embed-vl-latest

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

nvidia/llama-nemotron-embed-vl-1b-v2, nemotron-embed-vl, nemotron-embed-vl-latest

", "method_identity": { "effective_request_model_id": "nemotron-embed-vl-latest", "fmt": "embeddings", "http": "POST", "path": "/v1/embeddings", "request_model_id": "nemotron-embed-vl-latest", "route_label": "Core" }, "method_key": "Core|embeddings|/v1/embeddings|nemotron-embed-vl-latest", "ordinal": 2, "rawMethod": { "cache_read": null, "cache_write": null, "cache_write_1h": null, "cache_write_5m": null, "conditional_meter": null, "contract": { "data": { "all_results": "Decode base64 vectors only when that format was requested; retain every vector and its original index.", "errors": [ { "code": null, "condition": "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", "http_status": 400, "recovery": "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。", "type": "invalid_request_error" } ], "hints": [], "ignored_fields": [], "lifecycle": { "create": { "http": "POST", "path": "/v1/embeddings" }, "job_read": null, "mode": "synchronous_json", "unknown": "埋め込みジョブ用のエンドポイントは新設されません。" }, "material_combinations": [ { "alternatives": [ "nonempty string", "nonempty string[]" ], "mode": "text_to_embedding" } ], "operation_modes": [ "single_embedding", "batched_embeddings" ], "outputs": { "all_results": "base64形式を要求した場合にのみ、ベクトルをデコードしてください。すべてのベクトルと元のインデックスを保持してください。", "family": "embedding", "fields": [ { "description": null, "name": "data[].index", "type": "integer" }, { "description": null, "name": "data[].embedding", "type": "finite float[]|base64 float32 vector" }, { "description": null, "name": "model", "type": "string" }, { "description": null, "name": "usage", "type": "object" } ], "format": "json" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "nemotron-embed-vl-latest" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "conditions": "各文字列は前後の空白を除去した後も空でない必要があります。data URIは拒否されます。受諾済みの予算では、該当するUTF8バイト数を計測します。", "default": null, "default_known": false, "enum": null, "enum_known": false, "min_items": 1, "name": "input", "required": true, "type": "string|string[]" }, { "availability": "source_interface", "default": "query", "default_known": true, "enum": [ "query", "passage" ], "enum_known": true, "name": "input_type", "required": false, "type": "string" }, { "availability": "source_interface", "default": "float", "default_known": true, "enum": [ "float", "base64" ], "enum_known": true, "name": "encoding_format", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "NONE", "START", "END" ], "enum_known": true, "name": "truncate", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "minimum": 1, "name": "dimensions", "required": false, "type": "integer" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "user", "required": false, "type": "string" } ], "profile_binding": "Exact existing Ailoot model and method; interface constraints below do not assert provider qualification.", "unsupported": [ "image objects", "data URI text inputs", "token integer arrays on this NVIDIA adapter" ] }, "hints": [ "メソッドの形式とIDは正確に記載しています。供給元の対応能力とリクエストの受け入れは別です。" ], "input": { "content_type": "application/json", "material_types": [ "text" ], "optional_controls": null, "required": [ "model", "input" ] }, "lifecycle": { "mode": "exact retained published method" }, "method": { "http": "POST", "path": "/v1/embeddings" }, "operation_modes": [ "embeddings" ], "output": { "family": [ "embedding" ], "format": "indexed vectors JSON", "multioutputs": "retain every actual response output" } }, "ctx": 4096, "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}\"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"nemotron-embed-vl-latest\", \"input\": []}')\nf=Path(os.environ[\"AILOOT_TEXT_FILE\"])\nif not f.is_file():raise SystemExit(\"Choose your actual UTF-8 source material\")\ntext=f.read_text(encoding=\"utf-8\")\nif not text.strip():raise SystemExit(\"Source material must contain text\")\np[\"input\"]=[text]\nPath(\"request.json\").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path(\"result.json\").read_text())\nfor x in r.get(\"data\",[]): print(json.dumps({\"index\":x.get(\"index\"),\"embedding\":x.get(\"embedding\")}))\nPY_RESULT\n", "label": "Embed your source material", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "embeddings", "http": "POST", "img_in": null, "img_out": null, "in": 0.1, "input": [ "text" ], "label": "埋め込み", "max_out": 0, "max_tool_calls": null, "out": 0, "output": [ "embedding" ], "path": "/v1/embeddings", "pricing_profiles": [ { "dimensions": {}, "label": "Core", "units": [ { "amount": 0.1, "amount_unit": "usd_per_million_tokens", "key": "in", "label": "Input", "side": "in" }, { "amount": 0, "amount_unit": "usd_per_million_tokens", "key": "out", "label": "Output", "side": "out" } ] } ], "request_model_id": "nemotron-embed-vl-latest", "route_label": "Core", "status_reads": [], "tiers": [], "tool_prices": null, "unit": "token", "units": [] } } ], "model_id": "nvidia/llama-nemotron-embed-vl-1b-v2", "nativeProvenance": { "input_facts_canonical_sha256": "a680d6a3951b92ff5056c9984301a2a98e0235fed180af2d3bfecca3d8217028", "input_html_sha256": "33d7ed79c566a3d8d3ae6aa39c345703a621bf13a0fd728cd32b4ef94956cc02", "private_audit_sha256": "621e9bbbd0cc3b9b460ffb3ea157ced3c9020e7c99eb7bd35009a934e4fd8194", "role": "historical-normalized-input-audit-hashes", "schema": "ailoot-native-model-provenance-v2" }, "page": { "canonical": "https://ailoot.ai/models/ja/nvidia-llama-nemotron-embed-vl-1b-v2/", "description": "Llama Nemotron Embed VL v2は、文書の意味に基づく検索のためのベクトルを作成します。現在のAilootのカタログでは、質問と素材に対するテキスト入力が掲載されています。", "locale": "ja", "md_url": "https://ailoot.ai/models/ja/nvidia-llama-nemotron-embed-vl-1b-v2/index.md", "title": "Llama Nemotron Embed VL 1B v2 — Ailoot", "url": "https://ailoot.ai/models/ja/nvidia-llama-nemotron-embed-vl-1b-v2/" }, "rawModel": { "about": "### 質問に合うページを探す\n\nLlama Nemotron Embed VL 1B v2は、質問に答えるのに役立つ素材を検索するためにNVIDIAが開発しました。質問はテキストで指定します。現在のAilootのカタログでは、モデルにテキスト入力が掲載されており、質問と素材をテキストとして符号化します。メーカーは、ページの画像や、抽出したテキストを添えた画像としての文書も説明しています。これらの視覚的な方法には、画像に対応する別のメソッドが必要です。対応する入力では、表、グラフ、インフォグラフィックを共通のベクトル空間に表します。\n\n大量の文書、社内の参考資料、研究素材を使う質問応答アシスタントに適した検索です。符号化の結果は、数値ベクトルです。見つかったページや部分は、応答を生成するモデルにその後渡せます。Embed VL自体は、コンテキストを検索する段階を実行します。\n\n### メーカー側の文書の形式\n\n- テキスト文書。個別の節、部分、認識済みのページのテキスト。\n- 画像。テキスト、表、グラフィック要素を含むページ全体。\n- テキスト付きの画像。ページの見た目とテキスト内容を、一つの表現にまとめます。\n\n質問と文書は、独立して符号化します。そのため、コレクションを先に処理し、ベクトルを元のページとともに保存し、新しい質問では質問のベクトルだけを計算できます。ベクトルの類似性が、意味に基づく素材の選択を支援します。質問と文書のテキスト上の役割は異なり、データの準備でその違いを保つことが重要です。\n\n### 表現のサイズと入力の長さ\n\n各入力は、最大2048の数値を持つ一つのベクトルに変換します。テキストモードでは8192トークンの予算を使います。メーカー側の画像とテキストを組み合わせる視覚メソッドには、両方を含む10240トークンの共通予算が説明されています。これはAilootのメソッドのテキスト上限ではありません。画像は部分に分割し、説明された設定では、最大六つの部分とページ全体の縮小コピーを許容し、合わせて約1792の視覚トークンです。長いテキストは、分割または短縮する必要があります。\n\n言語部分はLlama 3.2 1B、視覚部分はSigLIP2を基盤としています。入力トークンの表現を平均し、単一のベクトルを出力するエンコーダに統合されています。対照学習により、質問を適切なページに近付け、無関係な素材から遠ざけます。検索は確率的なものであり、ベクトルが近いことは、選ばれた部分に正しい答えが含まれる保証ではありません。", "alias_of": null, "aliases": [ "nemotron-embed-vl", "nemotron-embed-vl-latest" ], "author": "NVIDIA", "ctx": 4096, "display_name": "Llama Nemotron Embed VL 1B v2", "formats": [ "embeddings" ], "id": "nvidia/llama-nemotron-embed-vl-1b-v2", "input": [ "text" ], "kind": "embedding", "max_out": null, "methods": [ { "cache_read": null, "cache_write": null, "cache_write_1h": null, "cache_write_5m": null, "conditional_meter": null, "contract": { "data": { "all_results": "Decode base64 vectors only when that format was requested; retain every vector and its original index.", "errors": [ { "code": null, "condition": "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", "http_status": 400, "recovery": "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。", "type": "invalid_request_error" } ], "hints": [], "ignored_fields": [], "lifecycle": { "create": { "http": "POST", "path": "/v1/embeddings" }, "job_read": null, "mode": "synchronous_json", "unknown": "埋め込みジョブ用のエンドポイントは新設されません。" }, "material_combinations": [ { "alternatives": [ "nonempty string", "nonempty string[]" ], "mode": "text_to_embedding" } ], "operation_modes": [ "single_embedding", "batched_embeddings" ], "outputs": { "all_results": "base64形式を要求した場合にのみ、ベクトルをデコードしてください。すべてのベクトルと元のインデックスを保持してください。", "family": "embedding", "fields": [ { "description": null, "name": "data[].index", "type": "integer" }, { "description": null, "name": "data[].embedding", "type": "finite float[]|base64 float32 vector" }, { "description": null, "name": "model", "type": "string" }, { "description": null, "name": "usage", "type": "object" } ], "format": "json" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "nvidia/llama-nemotron-embed-vl-1b-v2" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "conditions": "各文字列は前後の空白を除去した後も空でない必要があります。data URIは拒否されます。受諾済みの予算では、該当するUTF8バイト数を計測します。", "default": null, "default_known": false, "enum": null, "enum_known": false, "min_items": 1, "name": "input", "required": true, "type": "string|string[]" }, { "availability": "source_interface", "default": "query", "default_known": true, "enum": [ "query", "passage" ], "enum_known": true, "name": "input_type", "required": false, "type": "string" }, { "availability": "source_interface", "default": "float", "default_known": true, "enum": [ "float", "base64" ], "enum_known": true, "name": "encoding_format", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "NONE", "START", "END" ], "enum_known": true, "name": "truncate", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "minimum": 1, "name": "dimensions", "required": false, "type": "integer" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "user", "required": false, "type": "string" } ], "profile_binding": "Exact existing Ailoot model and method; interface constraints below do not assert provider qualification.", "unsupported": [ "image objects", "data URI text inputs", "token integer arrays on this NVIDIA adapter" ] }, "hints": [ "メソッドの形式とIDは正確に記載しています。供給元の対応能力とリクエストの受け入れは別です。" ], "input": { "content_type": "application/json", "material_types": [ "text" ], "optional_controls": null, "required": [ "model", "input" ] }, "lifecycle": { "mode": "exact retained published method" }, "method": { "http": "POST", "path": "/v1/embeddings" }, "operation_modes": [ "embeddings" ], "output": { "family": [ "embedding" ], "format": "indexed vectors JSON", "multioutputs": "retain every actual response output" } }, "ctx": 4096, "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}\"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"nvidia/llama-nemotron-embed-vl-1b-v2\", \"input\": []}')\nf=Path(os.environ[\"AILOOT_TEXT_FILE\"])\nif not f.is_file():raise SystemExit(\"Choose your actual UTF-8 source material\")\ntext=f.read_text(encoding=\"utf-8\")\nif not text.strip():raise SystemExit(\"Source material must contain text\")\np[\"input\"]=[text]\nPath(\"request.json\").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path(\"result.json\").read_text())\nfor x in r.get(\"data\",[]): print(json.dumps({\"index\":x.get(\"index\"),\"embedding\":x.get(\"embedding\")}))\nPY_RESULT\n", "label": "Embed your source material", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "embeddings", "http": "POST", "img_in": null, "img_out": null, "in": 0.1, "input": [ "text" ], "label": "埋め込み", "max_out": 0, "max_tool_calls": null, "out": 0, "output": [ "embedding" ], "path": "/v1/embeddings", "pricing_profiles": [ { "dimensions": {}, "label": "Core", "units": [ { "amount": 0.1, "amount_unit": "usd_per_million_tokens", "key": "in", "label": "Input", "side": "in" }, { "amount": 0, "amount_unit": "usd_per_million_tokens", "key": "out", "label": "Output", "side": "out" } ] } ], "request_model_id": "nvidia/llama-nemotron-embed-vl-1b-v2", "route_label": "Core", "status_reads": [], "tiers": [], "tool_prices": null, "unit": "token", "units": [] }, { "cache_read": null, "cache_write": null, "cache_write_1h": null, "cache_write_5m": null, "conditional_meter": null, "contract": { "data": { "all_results": "Decode base64 vectors only when that format was requested; retain every vector and its original index.", "errors": [ { "code": null, "condition": "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", "http_status": 400, "recovery": "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。", "type": "invalid_request_error" } ], "hints": [], "ignored_fields": [], "lifecycle": { "create": { "http": "POST", "path": "/v1/embeddings" }, "job_read": null, "mode": "synchronous_json", "unknown": "埋め込みジョブ用のエンドポイントは新設されません。" }, "material_combinations": [ { "alternatives": [ "nonempty string", "nonempty string[]" ], "mode": "text_to_embedding" } ], "operation_modes": [ "single_embedding", "batched_embeddings" ], "outputs": { "all_results": "base64形式を要求した場合にのみ、ベクトルをデコードしてください。すべてのベクトルと元のインデックスを保持してください。", "family": "embedding", "fields": [ { "description": null, "name": "data[].index", "type": "integer" }, { "description": null, "name": "data[].embedding", "type": "finite float[]|base64 float32 vector" }, { "description": null, "name": "model", "type": "string" }, { "description": null, "name": "usage", "type": "object" } ], "format": "json" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "nemotron-embed-vl" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "conditions": "各文字列は前後の空白を除去した後も空でない必要があります。data URIは拒否されます。受諾済みの予算では、該当するUTF8バイト数を計測します。", "default": null, "default_known": false, "enum": null, "enum_known": false, "min_items": 1, "name": "input", "required": true, "type": "string|string[]" }, { "availability": "source_interface", "default": "query", "default_known": true, "enum": [ "query", "passage" ], "enum_known": true, "name": "input_type", "required": false, "type": "string" }, { "availability": "source_interface", "default": "float", "default_known": true, "enum": [ "float", "base64" ], "enum_known": true, "name": "encoding_format", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "NONE", "START", "END" ], "enum_known": true, "name": "truncate", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "minimum": 1, "name": "dimensions", "required": false, "type": "integer" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "user", "required": false, "type": "string" } ], "profile_binding": "Exact existing Ailoot model and method; interface constraints below do not assert provider qualification.", "unsupported": [ "image objects", "data URI text inputs", "token integer arrays on this NVIDIA adapter" ] }, "hints": [ "メソッドの形式とIDは正確に記載しています。供給元の対応能力とリクエストの受け入れは別です。" ], "input": { "content_type": "application/json", "material_types": [ "text" ], "optional_controls": null, "required": [ "model", "input" ] }, "lifecycle": { "mode": "exact retained published method" }, "method": { "http": "POST", "path": "/v1/embeddings" }, "operation_modes": [ "embeddings" ], "output": { "family": [ "embedding" ], "format": "indexed vectors JSON", "multioutputs": "retain every actual response output" } }, "ctx": 4096, "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}\"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"nemotron-embed-vl\", \"input\": []}')\nf=Path(os.environ[\"AILOOT_TEXT_FILE\"])\nif not f.is_file():raise SystemExit(\"Choose your actual UTF-8 source material\")\ntext=f.read_text(encoding=\"utf-8\")\nif not text.strip():raise SystemExit(\"Source material must contain text\")\np[\"input\"]=[text]\nPath(\"request.json\").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path(\"result.json\").read_text())\nfor x in r.get(\"data\",[]): print(json.dumps({\"index\":x.get(\"index\"),\"embedding\":x.get(\"embedding\")}))\nPY_RESULT\n", "label": "Embed your source material", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "embeddings", "http": "POST", "img_in": null, "img_out": null, "in": 0.1, "input": [ "text" ], "label": "埋め込み", "max_out": 0, "max_tool_calls": null, "out": 0, "output": [ "embedding" ], "path": "/v1/embeddings", "pricing_profiles": [ { "dimensions": {}, "label": "Core", "units": [ { "amount": 0.1, "amount_unit": "usd_per_million_tokens", "key": "in", "label": "Input", "side": "in" }, { "amount": 0, "amount_unit": "usd_per_million_tokens", "key": "out", "label": "Output", "side": "out" } ] } ], "request_model_id": "nemotron-embed-vl", "route_label": "Core", "status_reads": [], "tiers": [], "tool_prices": null, "unit": "token", "units": [] }, { "cache_read": null, "cache_write": null, "cache_write_1h": null, "cache_write_5m": null, "conditional_meter": null, "contract": { "data": { "all_results": "Decode base64 vectors only when that format was requested; retain every vector and its original index.", "errors": [ { "code": null, "condition": "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", "http_status": 400, "recovery": "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。", "type": "invalid_request_error" } ], "hints": [], "ignored_fields": [], "lifecycle": { "create": { "http": "POST", "path": "/v1/embeddings" }, "job_read": null, "mode": "synchronous_json", "unknown": "埋め込みジョブ用のエンドポイントは新設されません。" }, "material_combinations": [ { "alternatives": [ "nonempty string", "nonempty string[]" ], "mode": "text_to_embedding" } ], "operation_modes": [ "single_embedding", "batched_embeddings" ], "outputs": { "all_results": "base64形式を要求した場合にのみ、ベクトルをデコードしてください。すべてのベクトルと元のインデックスを保持してください。", "family": "embedding", "fields": [ { "description": null, "name": "data[].index", "type": "integer" }, { "description": null, "name": "data[].embedding", "type": "finite float[]|base64 float32 vector" }, { "description": null, "name": "model", "type": "string" }, { "description": null, "name": "usage", "type": "object" } ], "format": "json" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "nemotron-embed-vl-latest" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "conditions": "各文字列は前後の空白を除去した後も空でない必要があります。data URIは拒否されます。受諾済みの予算では、該当するUTF8バイト数を計測します。", "default": null, "default_known": false, "enum": null, "enum_known": false, "min_items": 1, "name": "input", "required": true, "type": "string|string[]" }, { "availability": "source_interface", "default": "query", "default_known": true, "enum": [ "query", "passage" ], "enum_known": true, "name": "input_type", "required": false, "type": "string" }, { "availability": "source_interface", "default": "float", "default_known": true, "enum": [ "float", "base64" ], "enum_known": true, "name": "encoding_format", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "NONE", "START", "END" ], "enum_known": true, "name": "truncate", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "minimum": 1, "name": "dimensions", "required": false, "type": "integer" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "user", "required": false, "type": "string" } ], "profile_binding": "Exact existing Ailoot model and method; interface constraints below do not assert provider qualification.", "unsupported": [ "image objects", "data URI text inputs", "token integer arrays on this NVIDIA adapter" ] }, "hints": [ "メソッドの形式とIDは正確に記載しています。供給元の対応能力とリクエストの受け入れは別です。" ], "input": { "content_type": "application/json", "material_types": [ "text" ], "optional_controls": null, "required": [ "model", "input" ] }, "lifecycle": { "mode": "exact retained published method" }, "method": { "http": "POST", "path": "/v1/embeddings" }, "operation_modes": [ "embeddings" ], "output": { "family": [ "embedding" ], "format": "indexed vectors JSON", "multioutputs": "retain every actual response output" } }, "ctx": 4096, "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}\"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"nemotron-embed-vl-latest\", \"input\": []}')\nf=Path(os.environ[\"AILOOT_TEXT_FILE\"])\nif not f.is_file():raise SystemExit(\"Choose your actual UTF-8 source material\")\ntext=f.read_text(encoding=\"utf-8\")\nif not text.strip():raise SystemExit(\"Source material must contain text\")\np[\"input\"]=[text]\nPath(\"request.json\").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path(\"result.json\").read_text())\nfor x in r.get(\"data\",[]): print(json.dumps({\"index\":x.get(\"index\"),\"embedding\":x.get(\"embedding\")}))\nPY_RESULT\n", "label": "Embed your source material", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "embeddings", "http": "POST", "img_in": null, "img_out": null, "in": 0.1, "input": [ "text" ], "label": "埋め込み", "max_out": 0, "max_tool_calls": null, "out": 0, "output": [ "embedding" ], "path": "/v1/embeddings", "pricing_profiles": [ { "dimensions": {}, "label": "Core", "units": [ { "amount": 0.1, "amount_unit": "usd_per_million_tokens", "key": "in", "label": "Input", "side": "in" }, { "amount": 0, "amount_unit": "usd_per_million_tokens", "key": "out", "label": "Output", "side": "out" } ] } ], "request_model_id": "nemotron-embed-vl-latest", "route_label": "Core", "status_reads": [], "tiers": [], "tool_prices": null, "unit": "token", "units": [] } ], "model_aliases": [ { "canonical_model_id": "nvidia/llama-nemotron-embed-vl-1b-v2", "request_model_id": "nvidia/llama-nemotron-embed-vl-1b-v2", "route_label": "Core" }, { "canonical_model_id": "nvidia/llama-nemotron-embed-vl-1b-v2", "request_model_id": "nemotron-embed-vl", "route_label": "Core" }, { "canonical_model_id": "nvidia/llama-nemotron-embed-vl-1b-v2", "request_model_id": "nemotron-embed-vl-latest", "route_label": "Core" } ], "name": "nvidia/llama-nemotron-embed-vl-1b-v2", "price": { "in": 0.1, "in_label": null, "out": null, "out_label": null, "sort_in": 0.1, "sort_out": null, "varies": false }, "short": "Llama Nemotron Embed VL v2は、文書の意味に基づく検索のためのベクトルを作成します。現在のAilootのカタログでは、質問と素材に対するテキスト入力が掲載されています。" }, "renderer_schema": { "method_order": "Original DTO methods order; every exact route/format/path/caller survives.", "prices": "Original public DTO fields and original native display HTML; no flattened or normalized offers." }, "representation": "exact-public-dto-and-native-renderer-html", "representationNotes": { "current_reference": { "about_json_pointer": "/aboutHtml", "methods": [ { "contract_json_pointer": "/methods/0/rawMethod/contract", "html_json_pointer": "/methods/0/html", "method_ordinal": 0 }, { "contract_json_pointer": "/methods/1/rawMethod/contract", "html_json_pointer": "/methods/1/html", "method_ordinal": 1 }, { "contract_json_pointer": "/methods/2/rawMethod/contract", "html_json_pointer": "/methods/2/html", "method_ordinal": 2 } ], "role": "current-semantic-reference" }, "raw_input": { "examples_role": "historical-input-not-current-ready-examples", "json_pointers": [ "/rawModel", "/methods/0/rawMethod", "/methods/1/rawMethod", "/methods/2/rawMethod" ], "role": "historical-owner-input" }, "schema": "ailoot-native-model-representations-v1" }, "schema": "ailoot-static-model-facts-v1", "schema_version": 1, "shortText": "Llama Nemotron Embed VL v2は、文書の意味に基づく検索のためのベクトルを作成します。現在のAilootのカタログでは、質問と素材に対するテキスト入力が掲載されています。", "source": { "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1", "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036", "raw_model_json_sha256": "e461ea62682a4912147a42608fcade79f508bdaabac2526256b7404dfb1c9090", "renderer_sha256": "b06e5309d3e585ab5fe0535c1a8bd6320bdc357ea8509c2389320e8fa40c36e5" }, "sourceRevision": "2f318ca0640d365abceb344d871e2b58a5fe7abf483ded4a6d7663a7fe3047f9" }