NVIDIA: Llama Nemotron Embed VL 1B V2 (free)

Llama Nemotron Embed VL 1B V2는 검색을 위한 NVIDIA의 멀티모달 임베딩 모델입니다. 텍스트, 이미지, 결합된 문서 입력을 벡터로 변환하고, 표, 차트, 텍스트, 인포그래픽이 담긴 문서를 텍스트 질의로 검색할 수 있습니다.

Ailoot Ultra · 임베딩 POST /v1/embeddings nvidia/llama-nemotron-embed-vl-1b-v2:free

모델 소개

이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.

Llama Nemotron Embed VL 1B V2는 멀티모달 질의응답 검색을 위한 NVIDIA의 임베딩 모델입니다. 문서를 텍스트, 이미지 또는 이미지와 텍스트의 결합으로 표현할 수 있습니다. 이후 텍스트 질의로 관련 문서를 검색할 수 있습니다. 공개 프로필은 텍스트, 표, 차트, 인포그래픽이 담긴 문서 이미지를 지원하며 임베딩 벡터를 반환합니다.

식별 가능한 문서 항목 준비하기

각 입력을 그것이 나타내는 원본 문서, 페이지, 지문과 연결하세요. 시각 페이지에서는 이미지와 해당 페이지에 속한 첨부 텍스트를 보존하세요. 텍스트 지문에서는 제목이나 섹션 레이블이 나중의 일치 결과를 해석하는 데 도움이 되면 유지하세요. 이러한 원본 식별자는 검색된 항목을 단순한 수치 유사도 결과가 아니라 근거로서 유용하게 만듭니다.

사용자가 찾아야 할 자료를 중심으로 항목 경계를 선택하세요. 차트와 설명은 함께 있어야 할 수 있지만, 무관한 페이지는 별도 정체성을 유지해야 합니다. 입력이 읽을 수 있는지, 텍스트나 이미지가 의도한 질의로 검색하려는 정보를 담고 있는지 검토하세요.

텍스트 질의와 벡터 검색

모델의 역할은 검색용 벡터 생성이며, 프로필이 설명하는 질의 형식은 텍스트입니다. 질의와 색인 항목의 임베딩 설정을 호환되게 유지하세요. 애플리케이션이 벡터를 저장하고 비교해 해당 원본 항목을 반환합니다. 검색된 문서는 살펴보거나 후속 답변 생성 단계로 전달할 자료로 남습니다.

유용한 테스트 집합에는 사용자가 실제로 하는 질문과 찾아야 할 페이지가 포함됩니다. 잘못되거나 누락된 일치를 원본 콘텐츠 및 항목 경계와 대조해 검토하세요. 결과를 맥락 안에서 확인할 수 있도록 선택된 지문이나 이미지에 전체 문서 식별자를 유지하세요.

입력 허용량과 검색 산출물

문서화된 호스팅 프로필은 입력당 최대 131,072토큰을 명시합니다. 더 큰 원본 집합은 레이블이 있는 별도 입력으로 나누고 관계를 보존하세요. 이 프로필의 벡터 출력은 생성된 글로 된 답변이나 전사문이 아닙니다. 후속 애플리케이션 단계가 검색된 근거로 질문에 답할 수 있습니다.

완성된 검색 산출물은 질의, 선택된 원본 항목, 식별자를 연결합니다. 색인에 사용한 임베딩 모델과 입력 준비 방식을 보존해, 나중의 변경을 원본 컬렉션 변경과 구분할 수 있도록 하세요.

Ailoot Ultra · 임베딩 POST /v1/embeddings nvidia/llama-nemotron-embed-vl-1b-v2:free

nvidia/llama-nemotron-embed-vl-1b-v2:free

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

시작하기

허용 입력: 텍스트 · token_ids
결과: embedding

Ailoot에서 사용 가능 · 입력 및 메서드

Ailoot Ultra · 임베딩 POST /v1/embeddings

입력: text, token_ids
출력: embedding
컨텍스트: 131,072 tokens
출력 형식: json

필드	유형	요건	값과 한도	기본값
필드`model`	유형`string`	요건필수	값과 한도 nvidia/llama-nemotron-embed-vl-1b-v2:free	기본값—
필드`input`	유형`string\|string[]\|integer[]\|integer[][]`	요건필수	값과 한도 최소 항목 수: 1 조건: 비어 있지 않은 동일 형식의 배치입니다. 토큰 ID는 0 이상의 정수입니다. 입력 허용량: 최댓값: 131,072 · 텍스트 단위: UTF8 바이트 · 토큰 단위: 토큰 배열 요소	기본값—
필드`encoding_format`	유형`string`	요건선택 사항	값과 한도 float	기본값float
필드`dimensions`	유형`integer`	요건지원되지 않음	값과 한도 최솟값: 1	기본값—
필드`user`	유형`json_value`	요건선택 사항	값과 한도 조건: 원본에서 이 JSON 메타데이터 필드를 허용하며, 정확한 업스트림 동작은 모델별로 다릅니다.	기본값—
필드`session_id`	유형`json_value`	요건선택 사항	값과 한도 조건: 원본에서 이 JSON 메타데이터 필드를 허용하며, 정확한 업스트림 동작은 모델별로 다릅니다.	기본값—
필드`trace`	유형`json_value`	요건선택 사항	값과 한도 조건: 원본에서 이 JSON 메타데이터 필드를 허용하며, 정확한 업스트림 동작은 모델별로 다릅니다.	기본값—
필드`provider`	유형`object`	요건선택 사항	값과 한도 조건: provider.options가 거부됨	기본값—

입력 자료 조합

text_to_embedding

메서드 매개변수와 수명 주기

매개변수	명세
매개변수`content_type`	명세application/json
매개변수`required`	명세model, input
매개변수`input_shapes`	명세string, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[]
매개변수`encoding_format`	명세float
매개변수`dimensions_override`	명세false
매개변수`max_input_budget_units`	명세131072
매개변수`multimodal_objects`	명세false
매개변수`material_types`	명세text, token_ids

수명 주기: synchronous_json

모든 벡터의 인덱스와 차원을 보관하세요.

모델 이름이 멀티모달이어도 이 특정 경로에서 이미지 객체를 사용할 수 있는 것은 아닙니다.

요금

요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.

빠른 모드: 표준 요금 빠른 모드를 선택한 경우
Flex 모드: 표준 요금 flex 모드를 선택한 경우
최대 추론 수준: 표준 요금 최대 추론 수준에 default 조정값을 적용하는 경우

Ailoot 요금

설정별 가격

설정	요금표	요금
설정토큰의 기본 단가	요금표기본 요금	요금 입력 · 입력 토큰 $0 / 1K 토큰 출력 · 출력 토큰 $0 / 1K 토큰 입력 · 캐시 읽기 — / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰

Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →

요청 예제

Ailoot Ultra · 임베딩

curlPython SDK

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)

결과 수신 및 저장

Ailoot Ultra · 임베딩

json

완료된 결과 모두 보관

반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.

모든 벡터를 인덱스와 함께 보관하세요. 벡터 수는 입력 수와 같아야 하며 차원은 일관되어야 합니다.

원래 응답을 확인해야 할 경우

임베딩 작업 엔드포인트는 추가되지 않습니다.

응답 필드

필드	유형
필드`object`	유형string
필드`model`	유형string
필드`data[].index`	유형integer
필드`data[].embedding`	유형finite float[]
필드`usage`	유형object

오류와 다음 단계

응답	조건	다음 단계
응답400 · `invalid_request_error`	조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음	다음 단계새 생성 요청 전에 표시된 필드를 수정하세요.

별칭

모델 별칭

Ailoot Ultra nvidia/llama-nemotron-embed-vl-1b-v2:free

메서드 경로 별칭

위에 표시된 메서드 경로를 사용하세요.

NVIDIA: Llama Nemotron Embed VL 1B V2 (free)