Nemotron 3 Embed 1Bは、意味に基づく検索と部分の照合に向けたNVIDIAのテキストモデルです。質問、文書、プログラムコードを、密な数値ベクトルに符号化します。大規模なコレクションから必要なコンテキストを探し、アシスタントの応答に追加したり、エージェントの次の段階のために保存済みの情報を取り出したりする際に、こうした表現を利用します。
モデルは、多言語・言語横断の検索に向けられています。質問と適切な素材は、異なる言語で書かれていても構いません。公表された34言語には、英語、ウクライナ語、中国語、日本語、アラビア語などとともに、ロシア語も含まれます。技術文書やユーザーの問い合わせが一つの言語に統一されていない、共通の知識ベースで有用です。
用途には、ドキュメントの検索、テキストの照合、言葉の説明からのコードの取得があります。大きな入力ウィンドウにより、長い文書、大量のコードのコンテキスト、エージェントの複数段階の履歴を扱えます。見つかった素材は、コンテキストとしてその後の処理に戻します。最終的な説明や応答は、システムの次のコンポーネントが生成します。
入力はテキスト文字列です。各文字列から、2048の数値を持つ一つのベクトルを得ます。系列の最大長は32768トークンです。より長い素材は、分割または短縮する必要があります。入力の準備では、質問と文書を区別します。モデルはそれらの役割を対応付けるよう学習されているため、二つの用途で同じ文字列を使う場合も、目的を考慮せずに整えてはいけません。
ベクトルは長さで正規化します。この表現では、内積とコサイン類似度が同等の比較方法になります。完全なベクトルの先頭1024または512の座標を残せますが、切り詰めた後には再度正規化する必要があります。これは結果の処理の特性であり、次元数はコレクションと質問で一貫して選ぶ必要があります。
エンコーダには約1.14Bパラメータがあります。Ministral 3 3Bを基盤とするモデルから、二段階の構造的な縮小と蒸留によって得られています。双方向の注意機構が入力全体を考慮し、トークンの表現を平均して共通のベクトルにします。
NVIDIAは、BF16とNVFP4のバリエーションを提供しています。表現空間は近いものの、バリエーションを切り替えるには、自分の文書での検証が必要です。数値上の類似性もコンテキストの長さも、検索が常に正しい部分を選ぶことを保証するものではありません。
", "aboutText": "Nemotron 3 Embed 1Bは、意味に基づく検索と部分の照合に向けたNVIDIAのテキストモデルです。質問、文書、プログラムコードを、密な数値ベクトルに符号化します。大規模なコレクションから必要なコンテキストを探し、アシスタントの応答に追加したり、エージェントの次の段階のために保存済みの情報を取り出したりする際に、こうした表現を利用します。\n\n### 多言語の知識とコード\n\nモデルは、多言語・言語横断の検索に向けられています。質問と適切な素材は、異なる言語で書かれていても構いません。公表された34言語には、英語、ウクライナ語、中国語、日本語、アラビア語などとともに、ロシア語も含まれます。技術文書やユーザーの問い合わせが一つの言語に統一されていない、共通の知識ベースで有用です。\n\n用途には、ドキュメントの検索、テキストの照合、言葉の説明からのコードの取得があります。大きな入力ウィンドウにより、長い文書、大量のコードのコンテキスト、エージェントの複数段階の履歴を扱えます。見つかった素材は、コンテキストとしてその後の処理に戻します。最終的な説明や応答は、システムの次のコンポーネントが生成します。\n\n### テキストからベクトルへ\n\n入力はテキスト文字列です。各文字列から、2048の数値を持つ一つのベクトルを得ます。系列の最大長は32768トークンです。より長い素材は、分割または短縮する必要があります。入力の準備では、質問と文書を区別します。モデルはそれらの役割を対応付けるよう学習されているため、二つの用途で同じ文字列を使う場合も、目的を考慮せずに整えてはいけません。\n\nベクトルは長さで正規化します。この表現では、内積とコサイン類似度が同等の比較方法になります。完全なベクトルの先頭1024または512の座標を残せますが、切り詰めた後には再度正規化する必要があります。これは結果の処理の特性であり、次元数はコレクションと質問で一貫して選ぶ必要があります。\n\n### 小型モデルの構造\n\nエンコーダには約1.14Bパラメータがあります。Ministral 3 3Bを基盤とするモデルから、二段階の構造的な縮小と蒸留によって得られています。双方向の注意機構が入力全体を考慮し、トークンの表現を平均して共通のベクトルにします。\n\nNVIDIAは、BF16とNVFP4のバリエーションを提供しています。表現空間は近いものの、バリエーションを切り替えるには、自分の文書での検証が必要です。数値上の類似性もコンテキストの長さも、検索が常に正しい部分を選ぶことを保証するものではありません。", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "acdf2ddc66bb5b3b5b239e77ad73b0d17a925f2c974731fd42df0314cf155aaa", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "ja", "methods": [ { "html": "nvidia/nemotron-3-embed-1bNemotron 3 Embed 1Bは、多言語の検索、コード検索、RAGのために、テキストをベクトルに変換します。32768トークンまでの系列を処理し、2048の数値を持つ表現を出力します。
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。
Nemotron 3 Embed 1Bは、意味に基づく検索と部分の照合に向けたNVIDIAのテキストモデルです。質問、文書、プログラムコードを、密な数値ベクトルに符号化します。大規模なコレクションから必要なコンテキストを探し、アシスタントの応答に追加したり、エージェントの次の段階のために保存済みの情報を取り出したりする際に、こうした表現を利用します。
モデルは、多言語・言語横断の検索に向けられています。質問と適切な素材は、異なる言語で書かれていても構いません。公表された34言語には、英語、ウクライナ語、中国語、日本語、アラビア語などとともに、ロシア語も含まれます。技術文書やユーザーの問い合わせが一つの言語に統一されていない、共通の知識ベースで有用です。
用途には、ドキュメントの検索、テキストの照合、言葉の説明からのコードの取得があります。大きな入力ウィンドウにより、長い文書、大量のコードのコンテキスト、エージェントの複数段階の履歴を扱えます。見つかった素材は、コンテキストとしてその後の処理に戻します。最終的な説明や応答は、システムの次のコンポーネントが生成します。
入力はテキスト文字列です。各文字列から、2048の数値を持つ一つのベクトルを得ます。系列の最大長は32768トークンです。より長い素材は、分割または短縮する必要があります。入力の準備では、質問と文書を区別します。モデルはそれらの役割を対応付けるよう学習されているため、二つの用途で同じ文字列を使う場合も、目的を考慮せずに整えてはいけません。
ベクトルは長さで正規化します。この表現では、内積とコサイン類似度が同等の比較方法になります。完全なベクトルの先頭1024または512の座標を残せますが、切り詰めた後には再度正規化する必要があります。これは結果の処理の特性であり、次元数はコレクションと質問で一貫して選ぶ必要があります。
エンコーダには約1.14Bパラメータがあります。Ministral 3 3Bを基盤とするモデルから、二段階の構造的な縮小と蒸留によって得られています。双方向の注意機構が入力全体を考慮し、トークンの表現を平均して共通のベクトルにします。
NVIDIAは、BF16とNVFP4のバリエーションを提供しています。表現空間は近いものの、バリエーションを切り替えるには、自分の文書での検証が必要です。数値上の類似性もコンテキストの長さも、検索が常に正しい部分を選ぶことを保証するものではありません。
POST /v1/embeddingstextembedding| 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/nemotron-3-embed-1b | 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— |
text_to_embedding
| 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。
POST /v1/embeddingsAiloot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 →
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/nemotron-3-embed-1b", "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\njson
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。
埋め込みジョブ用のエンドポイントは新設されません。
| 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 |
| 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。 |
Ailoot nvidia/nemotron-3-embed-1b, nemotron-3-embed, nemotron-3-embed-latest
上記に表示されたメソッドパスを使用してください。
nvidia/nemotron-3-embed-1b, nemotron-3-embed, nemotron-3-embed-latest
nemotron-3-embedNemotron 3 Embed 1Bは、多言語の検索、コード検索、RAGのために、テキストをベクトルに変換します。32768トークンまでの系列を処理し、2048の数値を持つ表現を出力します。
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。
Nemotron 3 Embed 1Bは、意味に基づく検索と部分の照合に向けたNVIDIAのテキストモデルです。質問、文書、プログラムコードを、密な数値ベクトルに符号化します。大規模なコレクションから必要なコンテキストを探し、アシスタントの応答に追加したり、エージェントの次の段階のために保存済みの情報を取り出したりする際に、こうした表現を利用します。
モデルは、多言語・言語横断の検索に向けられています。質問と適切な素材は、異なる言語で書かれていても構いません。公表された34言語には、英語、ウクライナ語、中国語、日本語、アラビア語などとともに、ロシア語も含まれます。技術文書やユーザーの問い合わせが一つの言語に統一されていない、共通の知識ベースで有用です。
用途には、ドキュメントの検索、テキストの照合、言葉の説明からのコードの取得があります。大きな入力ウィンドウにより、長い文書、大量のコードのコンテキスト、エージェントの複数段階の履歴を扱えます。見つかった素材は、コンテキストとしてその後の処理に戻します。最終的な説明や応答は、システムの次のコンポーネントが生成します。
入力はテキスト文字列です。各文字列から、2048の数値を持つ一つのベクトルを得ます。系列の最大長は32768トークンです。より長い素材は、分割または短縮する必要があります。入力の準備では、質問と文書を区別します。モデルはそれらの役割を対応付けるよう学習されているため、二つの用途で同じ文字列を使う場合も、目的を考慮せずに整えてはいけません。
ベクトルは長さで正規化します。この表現では、内積とコサイン類似度が同等の比較方法になります。完全なベクトルの先頭1024または512の座標を残せますが、切り詰めた後には再度正規化する必要があります。これは結果の処理の特性であり、次元数はコレクションと質問で一貫して選ぶ必要があります。
エンコーダには約1.14Bパラメータがあります。Ministral 3 3Bを基盤とするモデルから、二段階の構造的な縮小と蒸留によって得られています。双方向の注意機構が入力全体を考慮し、トークンの表現を平均して共通のベクトルにします。
NVIDIAは、BF16とNVFP4のバリエーションを提供しています。表現空間は近いものの、バリエーションを切り替えるには、自分の文書での検証が必要です。数値上の類似性もコンテキストの長さも、検索が常に正しい部分を選ぶことを保証するものではありません。
POST /v1/embeddingstextembedding| 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-3-embed | 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— |
text_to_embedding
| 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。
POST /v1/embeddingsAiloot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 →
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-3-embed", "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\njson
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。
埋め込みジョブ用のエンドポイントは新設されません。
| 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 |
| 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。 |
Ailoot nvidia/nemotron-3-embed-1b, nemotron-3-embed, nemotron-3-embed-latest
上記に表示されたメソッドパスを使用してください。
nvidia/nemotron-3-embed-1b, nemotron-3-embed, nemotron-3-embed-latest
nemotron-3-embed-latestNemotron 3 Embed 1Bは、多言語の検索、コード検索、RAGのために、テキストをベクトルに変換します。32768トークンまでの系列を処理し、2048の数値を持つ表現を出力します。
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。
Nemotron 3 Embed 1Bは、意味に基づく検索と部分の照合に向けたNVIDIAのテキストモデルです。質問、文書、プログラムコードを、密な数値ベクトルに符号化します。大規模なコレクションから必要なコンテキストを探し、アシスタントの応答に追加したり、エージェントの次の段階のために保存済みの情報を取り出したりする際に、こうした表現を利用します。
モデルは、多言語・言語横断の検索に向けられています。質問と適切な素材は、異なる言語で書かれていても構いません。公表された34言語には、英語、ウクライナ語、中国語、日本語、アラビア語などとともに、ロシア語も含まれます。技術文書やユーザーの問い合わせが一つの言語に統一されていない、共通の知識ベースで有用です。
用途には、ドキュメントの検索、テキストの照合、言葉の説明からのコードの取得があります。大きな入力ウィンドウにより、長い文書、大量のコードのコンテキスト、エージェントの複数段階の履歴を扱えます。見つかった素材は、コンテキストとしてその後の処理に戻します。最終的な説明や応答は、システムの次のコンポーネントが生成します。
入力はテキスト文字列です。各文字列から、2048の数値を持つ一つのベクトルを得ます。系列の最大長は32768トークンです。より長い素材は、分割または短縮する必要があります。入力の準備では、質問と文書を区別します。モデルはそれらの役割を対応付けるよう学習されているため、二つの用途で同じ文字列を使う場合も、目的を考慮せずに整えてはいけません。
ベクトルは長さで正規化します。この表現では、内積とコサイン類似度が同等の比較方法になります。完全なベクトルの先頭1024または512の座標を残せますが、切り詰めた後には再度正規化する必要があります。これは結果の処理の特性であり、次元数はコレクションと質問で一貫して選ぶ必要があります。
エンコーダには約1.14Bパラメータがあります。Ministral 3 3Bを基盤とするモデルから、二段階の構造的な縮小と蒸留によって得られています。双方向の注意機構が入力全体を考慮し、トークンの表現を平均して共通のベクトルにします。
NVIDIAは、BF16とNVFP4のバリエーションを提供しています。表現空間は近いものの、バリエーションを切り替えるには、自分の文書での検証が必要です。数値上の類似性もコンテキストの長さも、検索が常に正しい部分を選ぶことを保証するものではありません。
POST /v1/embeddingstextembedding| 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-3-embed-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— |
text_to_embedding
| 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。
POST /v1/embeddingsAiloot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 →
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-3-embed-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\njson
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。
埋め込みジョブ用のエンドポイントは新設されません。
| 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 |
| 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。 |
Ailoot nvidia/nemotron-3-embed-1b, nemotron-3-embed, nemotron-3-embed-latest
上記に表示されたメソッドパスを使用してください。
nvidia/nemotron-3-embed-1b, nemotron-3-embed, nemotron-3-embed-latest