Llama Nemotron Embed VL 1B v2
Llama Nemotron Embed VL v2 құжаттар бойынша семантикалық іздеуге арналған векторлар жасайды. Қазіргі Ailoot каталогында сұраулар мен материалдар үшін мәтіндік кіріс ұсынылған.
- Ailoot · Эмбеддингтер
POST /v1/embeddingsnvidia/llama-nemotron-embed-vl-1b-v2 - Ailoot · Эмбеддингтер
POST /v1/embeddingsnemotron-embed-vl - Ailoot · Эмбеддингтер
POST /v1/embeddingsnemotron-embed-vl-latest
Модель туралы
Бұл сипаттама модель мүмкіндіктерін қамтиды. Ailoot жүйесінде таңдалған әдіс үшін қолжетімді кіріс, шығыс және параметрлер төменде берілген.
Сұрақ бойынша қажетті бетті табу
Llama Nemotron Embed VL 1B v2-ні NVIDIA сұраққа жауап беруге көмектесетін материалдарды іздеу үшін әзірлеген. Сұрау мәтінмен беріледі. Қазіргі Ailoot каталогында модель үшін мәтіндік кіріс ұсынылған: сұрақ пен материал мәтін ретінде кодталады. Өндіруші құжатты бет суреті немесе шығарылып алынған мәтінімен бірге сурет түрінде беруді де сипаттайды. Мұндай визуалды нұсқалар суреттерді қолдайтын бөлек әдісті қажет етеді. Тиісті кіріс болғанда модель кестелерді, графиктерді және инфографиканы ортақ вектор кеңістігінде ұсынады.
Мұндай іздеу үлкен құжаттар жинағы, ішкі анықтамалықтар және зерттеу материалдары бойынша сұрақ-жауап көмекшілеріне сай келеді. Кодтау нәтижесі — сандық вектор. Табылған бетті немесе үзіндіні кейін жауап қалыптастыратын модельге беруге болады: Embed VL-дің өзі контекст іздеу кезеңін орындайды.
Өндірушідегі құжат нұсқалары
- Мәтіндік құжат: жеке бөлім, үзінді немесе беттің танылған мәтіні.
- Сурет: мәтіні, кестелері және графикалық элементтері бар тұтас бет.
- Мәтіні бар сурет: беттің визуалды көрінісі мен мәтіндік мазмұны бір көрсетілімге біріктіріледі.
Сұрау мен құжат бір-бірінен тәуелсіз кодталады. Сондықтан жинақты алдын ала өңдеп, векторларды бастапқы беттермен бірге сақтауға, ал жаңа сұрақта тек сұрау векторын есептеуге болады. Векторлардың ұқсастығы материалдарды мағынасына қарай таңдауға көмектеседі. Сұрау мен құжаттың мәтіндік рөлдері әртүрлі, деректерді дайындауда мұны сақтау маңызды.
Көрсетілім көлемі және кіріс ұзындығы
Әр кіріс өлшемі 2048 санға дейін болатын бір векторға айналады. Мәтіндік режимде 8192 токен бюджеті қолданылады. Сурет пен мәтін үйлескен өндірушінің визуалды әдісі үшін екі бөлікті қамтитын 10240 токендік жалпы бюджет сипатталған; бұл Ailoot әдісінің мәтіндік лимиті емес. Сурет бөліктерге бөлінеді: сипатталған конфигурацияда алты бөлікке дейін және бүкіл беттің кішірейтілген көшірмесі рұқсат етіледі, бірге шамамен 1792 визуалды токен. Ұзақ мәтіндерді бөлу немесе қысқарту қажет.
Тілдік бөлігі Llama 3.2 1B, визуалды бөлігі SigLIP2 негізінде құрылған. Олар кіріс токендерінің көрсетілімдерін орташалап, бір вектор беретін энкодерге біріктірілген. Контрастты үйрету сұрақты тиісті бетке жақындатып, қатысы жоқ материалдардан алыстатады. Іздеу ықтималдық сипатта қалады: векторлардың жақындығы таңдалған үзіндіде дұрыс жауап бар екеніне кепілдік бермейді.
Ailoot · Эмбеддингтер POST /v1/embeddings nvidia/llama-nemotron-embed-vl-1b-v2
nvidia/llama-nemotron-embed-vl-1b-v2
nvidia/llama-nemotron-embed-vl-1b-v2nvidia/llama-nemotron-embed-vl-1b-v2nemotron-embed-vlnemotron-embed-vl-latest
Бастау
Llama Nemotron Embed VL v2 құжаттар бойынша семантикалық іздеуге арналған векторлар жасайды. Қазіргі Ailoot каталогында сұраулар мен материалдар үшін мәтіндік кіріс ұсынылған.
- Қабылданатын кіріс деректері
- Мәтін
- Нәтижелер
- embedding
Ailoot жүйесінде қолжетімді · кіріс деректері мен әдістер
Ailoot · Эмбеддингтер POST /v1/embeddings
- Кіріс
text- Шығыс
embedding- Контекст
- 4 096 tokens
- Шығыс пішімі
- json
| Өріс | Түрі | Талап | Мәндер мен шектеулер | Әдепкі |
|---|---|---|---|---|
Өрісmodel | Түріstring | ТалапМіндетті | Мәндер мен шектеулер nvidia/llama-nemotron-embed-vl-1b-v2 | Әдепкі— |
Өрісinput | Түріstring|string[] | ТалапМіндетті | Мәндер мен шектеулер Элементтердің ең аз саны: 1 Шарттар: Әрбір жол шетіндегі бос орындар алынғаннан кейін бос болмауы керек; data URI мекенжайлары қабылданбайды; қабылданған лимит тиісті UTF8 байттарын өлшейді. | Әдепкі— |
Өрісinput_type | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер query, passage | Әдепкіquery |
Өрісencoding_format | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер float, base64 | Әдепкіfloat |
Өрісtruncate | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер NONE, START, END | Әдепкі— |
Өрісdimensions | Түріinteger | ТалапМіндетті емес | Мәндер мен шектеулер Ең азы: 1 | Әдепкі— |
Өрісuser | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Кіріс материалдарының үйлесімдері
text_to_embedding
Әдіс параметрлері мен өмірлік циклі
| Параметр | Параметр талаптары |
|---|---|
Параметрmaterial_types | Параметр талаптарыtext |
Параметрrequired | Параметр талаптарыmodel, input |
Параметрoptional_controls | Параметр талаптарыnull |
Параметрcontent_type | Параметр талаптарыapplication/json |
Өмірлік цикл: exact retained published method
Әдіс құрылымдары мен ID мәндері дәл берілген; жеткізушінің мүмкіндігі сұрауды қабылдаудан бөлек қаралады.
Тарифтер
Ailoot әдістерінің мөлшерлемелері
POST /v1/embeddings- Кіріс
- 0,0001 $ / 1K
Ailoot сұрау алдында болжамды соманы резервтейді. Нәтижеден кейін өлшенген пайдалану көлемі бойынша қорытынды төлемді шегереді. Ағындық жауап үшін төлем соңғы пайдалану жазбасы негізінде шегеріледі. Резервтеу мен төлемді есептеу тәртібі →
Сұрау мысалдары
Ailoot · Эмбеддингтер
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
Нәтижелерді алу және сақтау
Ailoot · Эмбеддингтер
json
Барлық дайын нәтижені сақтау
Қайтарылған әр толық жауапты, файлды және мазмұн бөлігін сақтаңыз.
Векторлардың base64 кодын сол пішім сұралған жағдайда ғана ашыңыз; әрбір векторды және оның бастапқы индексін сақтаңыз.
Бастапқы жауапты тексеру қажет болса
Эмбеддинг тапсырмасы үшін жаңа эндпоинт енгізілмейді.
Жауап өрістері
| Өріс | Түрі |
|---|---|
Өрісdata[].index | Түріinteger |
Өрісdata[].embedding | Түріfinite float[]|base64 float32 vector |
Өрісmodel | Түріstring |
Өрісusage | Түріobject |
Қателер және келесі қадамдар
| Жауап | Шарт | Келесі қадам |
|---|---|---|
Жауап400 · invalid_request_error | ШартМіндетті өрістер, материалды ұсыну тәсілі немесе параметр мәні қате | Келесі қадамЖаңадан жасау сұрауын жібермес бұрын көрсетілген өрістерді түзетіңіз. |
Балама атаулар
Модельдердің балама атаулары
Ailoot nvidia/llama-nemotron-embed-vl-1b-v2, nemotron-embed-vl, nemotron-embed-vl-latest
Әдіс жолдарының балама атаулары
Жоғарыда көрсетілген әдіс жолдарын пайдаланыңыз.
Шақыруға арналған байланысты ID
nvidia/llama-nemotron-embed-vl-1b-v2, nemotron-embed-vl, nemotron-embed-vl-latest
Ailoot · Эмбеддингтер POST /v1/embeddings nemotron-embed-vl
nemotron-embed-vlnvidia/llama-nemotron-embed-vl-1b-v2nemotron-embed-vlnemotron-embed-vl-latest
Бастау
Llama Nemotron Embed VL v2 құжаттар бойынша семантикалық іздеуге арналған векторлар жасайды. Қазіргі Ailoot каталогында сұраулар мен материалдар үшін мәтіндік кіріс ұсынылған.
- Қабылданатын кіріс деректері
- Мәтін
- Нәтижелер
- embedding
Ailoot жүйесінде қолжетімді · кіріс деректері мен әдістер
Ailoot · Эмбеддингтер POST /v1/embeddings
- Кіріс
text- Шығыс
embedding- Контекст
- 4 096 tokens
- Шығыс пішімі
- json
| Өріс | Түрі | Талап | Мәндер мен шектеулер | Әдепкі |
|---|---|---|---|---|
Өрісmodel | Түріstring | ТалапМіндетті | Мәндер мен шектеулер nemotron-embed-vl | Әдепкі— |
Өрісinput | Түріstring|string[] | ТалапМіндетті | Мәндер мен шектеулер Элементтердің ең аз саны: 1 Шарттар: Әрбір жол шетіндегі бос орындар алынғаннан кейін бос болмауы керек; data URI мекенжайлары қабылданбайды; қабылданған лимит тиісті UTF8 байттарын өлшейді. | Әдепкі— |
Өрісinput_type | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер query, passage | Әдепкіquery |
Өрісencoding_format | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер float, base64 | Әдепкіfloat |
Өрісtruncate | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер NONE, START, END | Әдепкі— |
Өрісdimensions | Түріinteger | ТалапМіндетті емес | Мәндер мен шектеулер Ең азы: 1 | Әдепкі— |
Өрісuser | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Кіріс материалдарының үйлесімдері
text_to_embedding
Әдіс параметрлері мен өмірлік циклі
| Параметр | Параметр талаптары |
|---|---|
Параметрmaterial_types | Параметр талаптарыtext |
Параметрrequired | Параметр талаптарыmodel, input |
Параметрoptional_controls | Параметр талаптарыnull |
Параметрcontent_type | Параметр талаптарыapplication/json |
Өмірлік цикл: exact retained published method
Әдіс құрылымдары мен ID мәндері дәл берілген; жеткізушінің мүмкіндігі сұрауды қабылдаудан бөлек қаралады.
Тарифтер
Ailoot әдістерінің мөлшерлемелері
POST /v1/embeddings- Кіріс
- 0,0001 $ / 1K
Ailoot сұрау алдында болжамды соманы резервтейді. Нәтижеден кейін өлшенген пайдалану көлемі бойынша қорытынды төлемді шегереді. Ағындық жауап үшін төлем соңғы пайдалану жазбасы негізінде шегеріледі. Резервтеу мен төлемді есептеу тәртібі →
Сұрау мысалдары
Ailoot · Эмбеддингтер
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
Нәтижелерді алу және сақтау
Ailoot · Эмбеддингтер
json
Барлық дайын нәтижені сақтау
Қайтарылған әр толық жауапты, файлды және мазмұн бөлігін сақтаңыз.
Векторлардың base64 кодын сол пішім сұралған жағдайда ғана ашыңыз; әрбір векторды және оның бастапқы индексін сақтаңыз.
Бастапқы жауапты тексеру қажет болса
Эмбеддинг тапсырмасы үшін жаңа эндпоинт енгізілмейді.
Жауап өрістері
| Өріс | Түрі |
|---|---|
Өрісdata[].index | Түріinteger |
Өрісdata[].embedding | Түріfinite float[]|base64 float32 vector |
Өрісmodel | Түріstring |
Өрісusage | Түріobject |
Қателер және келесі қадамдар
| Жауап | Шарт | Келесі қадам |
|---|---|---|
Жауап400 · invalid_request_error | ШартМіндетті өрістер, материалды ұсыну тәсілі немесе параметр мәні қате | Келесі қадамЖаңадан жасау сұрауын жібермес бұрын көрсетілген өрістерді түзетіңіз. |
Балама атаулар
Модельдердің балама атаулары
Ailoot nvidia/llama-nemotron-embed-vl-1b-v2, nemotron-embed-vl, nemotron-embed-vl-latest
Әдіс жолдарының балама атаулары
Жоғарыда көрсетілген әдіс жолдарын пайдаланыңыз.
Шақыруға арналған байланысты ID
nvidia/llama-nemotron-embed-vl-1b-v2, nemotron-embed-vl, nemotron-embed-vl-latest
Ailoot · Эмбеддингтер POST /v1/embeddings nemotron-embed-vl-latest
nemotron-embed-vl-latestnvidia/llama-nemotron-embed-vl-1b-v2nemotron-embed-vlnemotron-embed-vl-latest
Бастау
Llama Nemotron Embed VL v2 құжаттар бойынша семантикалық іздеуге арналған векторлар жасайды. Қазіргі Ailoot каталогында сұраулар мен материалдар үшін мәтіндік кіріс ұсынылған.
- Қабылданатын кіріс деректері
- Мәтін
- Нәтижелер
- embedding
Ailoot жүйесінде қолжетімді · кіріс деректері мен әдістер
Ailoot · Эмбеддингтер POST /v1/embeddings
- Кіріс
text- Шығыс
embedding- Контекст
- 4 096 tokens
- Шығыс пішімі
- json
| Өріс | Түрі | Талап | Мәндер мен шектеулер | Әдепкі |
|---|---|---|---|---|
Өрісmodel | Түріstring | ТалапМіндетті | Мәндер мен шектеулер nemotron-embed-vl-latest | Әдепкі— |
Өрісinput | Түріstring|string[] | ТалапМіндетті | Мәндер мен шектеулер Элементтердің ең аз саны: 1 Шарттар: Әрбір жол шетіндегі бос орындар алынғаннан кейін бос болмауы керек; data URI мекенжайлары қабылданбайды; қабылданған лимит тиісті UTF8 байттарын өлшейді. | Әдепкі— |
Өрісinput_type | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер query, passage | Әдепкіquery |
Өрісencoding_format | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер float, base64 | Әдепкіfloat |
Өрісtruncate | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер NONE, START, END | Әдепкі— |
Өрісdimensions | Түріinteger | ТалапМіндетті емес | Мәндер мен шектеулер Ең азы: 1 | Әдепкі— |
Өрісuser | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Кіріс материалдарының үйлесімдері
text_to_embedding
Әдіс параметрлері мен өмірлік циклі
| Параметр | Параметр талаптары |
|---|---|
Параметрmaterial_types | Параметр талаптарыtext |
Параметрrequired | Параметр талаптарыmodel, input |
Параметрoptional_controls | Параметр талаптарыnull |
Параметрcontent_type | Параметр талаптарыapplication/json |
Өмірлік цикл: exact retained published method
Әдіс құрылымдары мен ID мәндері дәл берілген; жеткізушінің мүмкіндігі сұрауды қабылдаудан бөлек қаралады.
Тарифтер
Ailoot әдістерінің мөлшерлемелері
POST /v1/embeddings- Кіріс
- 0,0001 $ / 1K
Ailoot сұрау алдында болжамды соманы резервтейді. Нәтижеден кейін өлшенген пайдалану көлемі бойынша қорытынды төлемді шегереді. Ағындық жауап үшін төлем соңғы пайдалану жазбасы негізінде шегеріледі. Резервтеу мен төлемді есептеу тәртібі →
Сұрау мысалдары
Ailoot · Эмбеддингтер
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
Нәтижелерді алу және сақтау
Ailoot · Эмбеддингтер
json
Барлық дайын нәтижені сақтау
Қайтарылған әр толық жауапты, файлды және мазмұн бөлігін сақтаңыз.
Векторлардың base64 кодын сол пішім сұралған жағдайда ғана ашыңыз; әрбір векторды және оның бастапқы индексін сақтаңыз.
Бастапқы жауапты тексеру қажет болса
Эмбеддинг тапсырмасы үшін жаңа эндпоинт енгізілмейді.
Жауап өрістері
| Өріс | Түрі |
|---|---|
Өрісdata[].index | Түріinteger |
Өрісdata[].embedding | Түріfinite float[]|base64 float32 vector |
Өрісmodel | Түріstring |
Өрісusage | Түріobject |
Қателер және келесі қадамдар
| Жауап | Шарт | Келесі қадам |
|---|---|---|
Жауап400 · invalid_request_error | ШартМіндетті өрістер, материалды ұсыну тәсілі немесе параметр мәні қате | Келесі қадамЖаңадан жасау сұрауын жібермес бұрын көрсетілген өрістерді түзетіңіз. |
Балама атаулар
Модельдердің балама атаулары
Ailoot nvidia/llama-nemotron-embed-vl-1b-v2, nemotron-embed-vl, nemotron-embed-vl-latest
Әдіс жолдарының балама атаулары
Жоғарыда көрсетілген әдіс жолдарын пайдаланыңыз.
Шақыруға арналған байланысты ID
nvidia/llama-nemotron-embed-vl-1b-v2, nemotron-embed-vl, nemotron-embed-vl-latest
FAQ · nvidia/llama-nemotron-embed-vl-1b-v2
- Қандай кіріс деректері мен нәтижелер қолжетімді?
POST /v1/embeddings·nvidia/llama-nemotron-embed-vl-1b-v2:text→embeddingPOST /v1/embeddings·nemotron-embed-vl:text→embeddingPOST /v1/embeddings·nemotron-embed-vl-latest:text→embedding- Сұрау қандай өрістерді пайдаланады?
POST /v1/embeddings·nvidia/llama-nemotron-embed-vl-1b-v2:model,input,input_type,encoding_format,truncate,dimensions,userPOST /v1/embeddings·nemotron-embed-vl:model,input,input_type,encoding_format,truncate,dimensions,userPOST /v1/embeddings·nemotron-embed-vl-latest:model,input,input_type,encoding_format,truncate,dimensions,user- Қандай шектеулер қолданылады?
POST /v1/embeddings·nvidia/llama-nemotron-embed-vl-1b-v2:ctx:4096;input.min_items:1;dimensions.minimum:1POST /v1/embeddings·nemotron-embed-vl:ctx:4096;input.min_items:1;dimensions.minimum:1POST /v1/embeddings·nemotron-embed-vl-latest:ctx:4096;input.min_items:1;dimensions.minimum:1