Source: https://ailoot.ai/models/ko/nvidia-llama-nemotron-embed-vl-1b-v2/
Canonical: https://ailoot.ai/models/ko/nvidia-llama-nemotron-embed-vl-1b-v2/
Language: ko

# Llama Nemotron Embed VL 1B v2

[Markdown](https://ailoot.ai/models/ko/nvidia-llama-nemotron-embed-vl-1b-v2/index.md) · [JSON](https://ailoot.ai/models/ko/nvidia-llama-nemotron-embed-vl-1b-v2/facts.json)

## [Llama Nemotron Embed VL 1B v2](https://ailoot.ai/models/ko/nvidia-llama-nemotron-embed-vl-1b-v2/)

Llama Nemotron Embed VL v2는 문서의 의미 기반 검색을 위한 벡터를 만듭니다. 현재 Ailoot 카탈로그에는 질의와 자료를 위한 텍스트 입력이 표시되어 있습니다.

- [**Ailoot · 임베딩** `POST /v1/embeddings` `nvidia/llama-nemotron-embed-vl-1b-v2`](https://ailoot.ai/models/ko/nvidia-llama-nemotron-embed-vl-1b-v2/#method-0)
- [**Ailoot · 임베딩** `POST /v1/embeddings` `nemotron-embed-vl`](https://ailoot.ai/models/ko/nvidia-llama-nemotron-embed-vl-1b-v2/#method-1)
- [**Ailoot · 임베딩** `POST /v1/embeddings` `nemotron-embed-vl-latest`](https://ailoot.ai/models/ko/nvidia-llama-nemotron-embed-vl-1b-v2/#method-2)

모델 소개

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

#### 질문으로 필요한 페이지 찾기

Llama Nemotron Embed VL 1B v2는 질문에 답하는 데 도움이 되는 자료를 검색하도록 NVIDIA가 개발했습니다. 질의는 텍스트로 작성합니다. 현재 Ailoot 카탈로그에는 이 모델의 텍스트 입력이 표시되어 있으며, 질문과 자료를 텍스트로 인코딩합니다. 개발사는 페이지 이미지 또는 추출한 텍스트와 결합한 이미지 형태의 문서도 설명합니다. 이러한 시각적 방식에는 이미지 지원이 있는 별도 호출 방식이 필요합니다. 적절한 입력을 사용하면 모델은 표, 차트, 인포그래픽을 공통 벡터 공간에 표현합니다.

이런 검색은 방대한 문서 모음, 내부 참고 자료, 연구 자료를 사용하는 질의응답 도우미에 적합합니다. 인코딩 결과는 숫자 벡터입니다. 찾은 페이지나 구간을 이후 응답 생성 모델에 전달할 수 있습니다. Embed VL 자체는 컨텍스트 검색 단계를 수행합니다.

#### 개발사의 문서 방식

- 텍스트 문서: 개별 섹션, 구간, 이미 인식된 페이지 텍스트.
- 이미지: 텍스트, 표, 그래픽 요소를 포함한 전체 페이지.
- 텍스트가 결합된 이미지: 페이지의 시각적 형태와 텍스트 내용을 하나의 표현으로 결합.

질의와 문서는 독립적으로 인코딩합니다. 따라서 자료 모음을 미리 처리하고 원본 페이지와 함께 벡터를 저장한 뒤, 새 질문이 들어오면 질의 벡터만 계산할 수 있습니다. 벡터 유사도는 의미에 맞는 자료 선택에 도움이 됩니다. 질의와 문서의 텍스트 역할은 서로 다르므로 데이터 준비 시 이를 유지하는 것이 중요합니다.

#### 표현 크기와 입력 길이

각 입력은 최대 2048개 수치의 차원을 갖는 하나의 벡터로 변환됩니다. 텍스트 모드에서는 8192토큰의 예산을 사용합니다. 개발사의 이미지와 텍스트를 결합하는 시각적 호출 방식에는 두 부분을 모두 포함한 전체 예산 10240토큰이 설명되어 있습니다. 이는 Ailoot 호출 방식의 텍스트 제한이 아닙니다. 이미지는 구간으로 나눕니다. 설명된 구성에서는 최대 여섯 구간과 전체 페이지의 축소본을 허용하며, 합계는 약 1792개 시각 토큰입니다. 긴 텍스트는 나누거나 줄여야 합니다.

언어 부분은 Llama 3.2 1B, 시각 부분은 SigLIP2를 기반으로 합니다. 이를 인코더로 결합하여 입력 토큰의 표현을 평균하고 하나의 벡터를 출력합니다. 대조 학습은 질문을 적절한 페이지와 가깝게 하고 관련 없는 자료와 멀어지게 합니다. 검색은 확률적입니다. 벡터가 가깝다고 해서 선택한 구간에 올바른 답이 있다는 보장은 아닙니다.

**Ailoot · 임베딩** `POST /v1/embeddings` `nvidia/llama-nemotron-embed-vl-1b-v2`

[`nvidia/llama-nemotron-embed-vl-1b-v2`](https://ailoot.ai/models/ko/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nvidia%2Fllama-nemotron-embed-vl-1b-v2&fmt=embeddings)

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

모델 ID

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

### 시작하기

Llama Nemotron Embed VL v2는 문서의 의미 기반 검색을 위한 벡터를 만듭니다. 현재 Ailoot 카탈로그에는 질의와 자료를 위한 텍스트 입력이 표시되어 있습니다.

허용 입력

텍스트

결과

embedding

### Ailoot에서 사용 가능 · 입력 및 메서드

**Ailoot · 임베딩** `POST /v1/embeddings`

입력

`text`

출력

`embedding`

컨텍스트

4,096 tokens

출력 형식

json

| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
| --- | --- | --- | --- | --- |
| 필드`model` | 유형`string` | 요건필수 | 값과 한도 nvidia/llama-nemotron-embed-vl-1b-v2 | 기본값— |
| 필드`input` | 유형`string\|string[]` | 요건필수 | 값과 한도 최소 항목 수: 1 조건: 모든 문자열은 앞뒤 공백을 제거한 후에도 비어 있지 않아야 합니다. data URI는 거부됩니다. 승인된 한도는 관련 UTF8 바이트로 측정합니다. | 기본값— |
| 필드`input_type` | 유형`string` | 요건선택 사항 | 값과 한도 query, passage | 기본값query |
| 필드`encoding_format` | 유형`string` | 요건선택 사항 | 값과 한도 float, base64 | 기본값float |
| 필드`truncate` | 유형`string` | 요건선택 사항 | 값과 한도 NONE, START, END | 기본값— |
| 필드`dimensions` | 유형`integer` | 요건선택 사항 | 값과 한도 최솟값: 1 | 기본값— |
| 필드`user` | 유형`string` | 요건선택 사항 | 값과 한도 | 기본값— |

입력 자료 조합

**text\_to\_embedding**

메서드 매개변수와 수명 주기

| 매개변수 | 명세 |
| --- | --- |
| 매개변수`material_types` | 명세text |
| 매개변수`required` | 명세model, input |
| 매개변수`optional_controls` | 명세null |
| 매개변수`content_type` | 명세application/json |

수명 주기: `exact retained published method`

메서드 형식과 ID는 정확합니다. 공급자의 기능 지원과 요청 수락은 별개입니다.

### 요금

#### Ailoot 메서드 요금

입력

US$0.0001 */ 1K*

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 →](https://ailoot.ai/docs/ko/billing/reserve/)

### 요청 예제

#### Ailoot · 임베딩

임베딩 예제

```bash
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
```

### 결과 수신 및 저장

#### Ailoot · 임베딩

json

##### 완료된 결과 모두 보관

반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.

해당 형식을 요청한 경우에만 base64 벡터를 디코딩하세요. 모든 벡터와 원래 인덱스를 보존하세요.

##### 원래 응답을 확인해야 할 경우

임베딩 작업 엔드포인트는 추가되지 않습니다.

응답 필드

| 필드 | 유형 |
| --- | --- |
| 필드`data[].index` | 유형integer |
| 필드`data[].embedding` | 유형finite float\[\]\|base64 float32 vector |
| 필드`model` | 유형string |
| 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** [`nvidia/llama-nemotron-embed-vl-1b-v2`](https://ailoot.ai/models/ko/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nvidia%2Fllama-nemotron-embed-vl-1b-v2&fmt=embeddings), [`nemotron-embed-vl`](https://ailoot.ai/models/ko/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl&fmt=embeddings), [`nemotron-embed-vl-latest`](https://ailoot.ai/models/ko/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl-latest&fmt=embeddings)

#### 메서드 경로 별칭

위에 표시된 메서드 경로를 사용하세요.

#### 관련 호출용 ID

[`nvidia/llama-nemotron-embed-vl-1b-v2`](https://ailoot.ai/models/ko/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nvidia%2Fllama-nemotron-embed-vl-1b-v2&fmt=embeddings), [`nemotron-embed-vl`](https://ailoot.ai/models/ko/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl&fmt=embeddings), [`nemotron-embed-vl-latest`](https://ailoot.ai/models/ko/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl-latest&fmt=embeddings)

**Ailoot · 임베딩** `POST /v1/embeddings` `nemotron-embed-vl`

[`nemotron-embed-vl`](https://ailoot.ai/models/ko/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl&fmt=embeddings)

NVIDIA /`nemotron-embed-vl`

모델 ID

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

### 시작하기

Llama Nemotron Embed VL v2는 문서의 의미 기반 검색을 위한 벡터를 만듭니다. 현재 Ailoot 카탈로그에는 질의와 자료를 위한 텍스트 입력이 표시되어 있습니다.

허용 입력

텍스트

결과

embedding

### Ailoot에서 사용 가능 · 입력 및 메서드

**Ailoot · 임베딩** `POST /v1/embeddings`

입력

`text`

출력

`embedding`

컨텍스트

4,096 tokens

출력 형식

json

| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
| --- | --- | --- | --- | --- |
| 필드`model` | 유형`string` | 요건필수 | 값과 한도 nemotron-embed-vl | 기본값— |
| 필드`input` | 유형`string\|string[]` | 요건필수 | 값과 한도 최소 항목 수: 1 조건: 모든 문자열은 앞뒤 공백을 제거한 후에도 비어 있지 않아야 합니다. data URI는 거부됩니다. 승인된 한도는 관련 UTF8 바이트로 측정합니다. | 기본값— |
| 필드`input_type` | 유형`string` | 요건선택 사항 | 값과 한도 query, passage | 기본값query |
| 필드`encoding_format` | 유형`string` | 요건선택 사항 | 값과 한도 float, base64 | 기본값float |
| 필드`truncate` | 유형`string` | 요건선택 사항 | 값과 한도 NONE, START, END | 기본값— |
| 필드`dimensions` | 유형`integer` | 요건선택 사항 | 값과 한도 최솟값: 1 | 기본값— |
| 필드`user` | 유형`string` | 요건선택 사항 | 값과 한도 | 기본값— |

입력 자료 조합

**text\_to\_embedding**

메서드 매개변수와 수명 주기

| 매개변수 | 명세 |
| --- | --- |
| 매개변수`material_types` | 명세text |
| 매개변수`required` | 명세model, input |
| 매개변수`optional_controls` | 명세null |
| 매개변수`content_type` | 명세application/json |

수명 주기: `exact retained published method`

메서드 형식과 ID는 정확합니다. 공급자의 기능 지원과 요청 수락은 별개입니다.

### 요금

#### Ailoot 메서드 요금

입력

US$0.0001 */ 1K*

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 →](https://ailoot.ai/docs/ko/billing/reserve/)

### 요청 예제

#### Ailoot · 임베딩

임베딩 예제

```bash
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
```

### 결과 수신 및 저장

#### Ailoot · 임베딩

json

##### 완료된 결과 모두 보관

반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.

해당 형식을 요청한 경우에만 base64 벡터를 디코딩하세요. 모든 벡터와 원래 인덱스를 보존하세요.

##### 원래 응답을 확인해야 할 경우

임베딩 작업 엔드포인트는 추가되지 않습니다.

응답 필드

| 필드 | 유형 |
| --- | --- |
| 필드`data[].index` | 유형integer |
| 필드`data[].embedding` | 유형finite float\[\]\|base64 float32 vector |
| 필드`model` | 유형string |
| 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** [`nvidia/llama-nemotron-embed-vl-1b-v2`](https://ailoot.ai/models/ko/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nvidia%2Fllama-nemotron-embed-vl-1b-v2&fmt=embeddings), [`nemotron-embed-vl`](https://ailoot.ai/models/ko/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl&fmt=embeddings), [`nemotron-embed-vl-latest`](https://ailoot.ai/models/ko/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl-latest&fmt=embeddings)

#### 메서드 경로 별칭

위에 표시된 메서드 경로를 사용하세요.

#### 관련 호출용 ID

[`nvidia/llama-nemotron-embed-vl-1b-v2`](https://ailoot.ai/models/ko/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nvidia%2Fllama-nemotron-embed-vl-1b-v2&fmt=embeddings), [`nemotron-embed-vl`](https://ailoot.ai/models/ko/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl&fmt=embeddings), [`nemotron-embed-vl-latest`](https://ailoot.ai/models/ko/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl-latest&fmt=embeddings)

**Ailoot · 임베딩** `POST /v1/embeddings` `nemotron-embed-vl-latest`

[`nemotron-embed-vl-latest`](https://ailoot.ai/models/ko/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl-latest&fmt=embeddings)

NVIDIA /`nemotron-embed-vl-latest`

모델 ID

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

### 시작하기

Llama Nemotron Embed VL v2는 문서의 의미 기반 검색을 위한 벡터를 만듭니다. 현재 Ailoot 카탈로그에는 질의와 자료를 위한 텍스트 입력이 표시되어 있습니다.

허용 입력

텍스트

결과

embedding

### Ailoot에서 사용 가능 · 입력 및 메서드

**Ailoot · 임베딩** `POST /v1/embeddings`

입력

`text`

출력

`embedding`

컨텍스트

4,096 tokens

출력 형식

json

| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
| --- | --- | --- | --- | --- |
| 필드`model` | 유형`string` | 요건필수 | 값과 한도 nemotron-embed-vl-latest | 기본값— |
| 필드`input` | 유형`string\|string[]` | 요건필수 | 값과 한도 최소 항목 수: 1 조건: 모든 문자열은 앞뒤 공백을 제거한 후에도 비어 있지 않아야 합니다. data URI는 거부됩니다. 승인된 한도는 관련 UTF8 바이트로 측정합니다. | 기본값— |
| 필드`input_type` | 유형`string` | 요건선택 사항 | 값과 한도 query, passage | 기본값query |
| 필드`encoding_format` | 유형`string` | 요건선택 사항 | 값과 한도 float, base64 | 기본값float |
| 필드`truncate` | 유형`string` | 요건선택 사항 | 값과 한도 NONE, START, END | 기본값— |
| 필드`dimensions` | 유형`integer` | 요건선택 사항 | 값과 한도 최솟값: 1 | 기본값— |
| 필드`user` | 유형`string` | 요건선택 사항 | 값과 한도 | 기본값— |

입력 자료 조합

**text\_to\_embedding**

메서드 매개변수와 수명 주기

| 매개변수 | 명세 |
| --- | --- |
| 매개변수`material_types` | 명세text |
| 매개변수`required` | 명세model, input |
| 매개변수`optional_controls` | 명세null |
| 매개변수`content_type` | 명세application/json |

수명 주기: `exact retained published method`

메서드 형식과 ID는 정확합니다. 공급자의 기능 지원과 요청 수락은 별개입니다.

### 요금

#### Ailoot 메서드 요금

입력

US$0.0001 */ 1K*

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 →](https://ailoot.ai/docs/ko/billing/reserve/)

### 요청 예제

#### Ailoot · 임베딩

임베딩 예제

```bash
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
```

### 결과 수신 및 저장

#### Ailoot · 임베딩

json

##### 완료된 결과 모두 보관

반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.

해당 형식을 요청한 경우에만 base64 벡터를 디코딩하세요. 모든 벡터와 원래 인덱스를 보존하세요.

##### 원래 응답을 확인해야 할 경우

임베딩 작업 엔드포인트는 추가되지 않습니다.

응답 필드

| 필드 | 유형 |
| --- | --- |
| 필드`data[].index` | 유형integer |
| 필드`data[].embedding` | 유형finite float\[\]\|base64 float32 vector |
| 필드`model` | 유형string |
| 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** [`nvidia/llama-nemotron-embed-vl-1b-v2`](https://ailoot.ai/models/ko/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nvidia%2Fllama-nemotron-embed-vl-1b-v2&fmt=embeddings), [`nemotron-embed-vl`](https://ailoot.ai/models/ko/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl&fmt=embeddings), [`nemotron-embed-vl-latest`](https://ailoot.ai/models/ko/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl-latest&fmt=embeddings)

#### 메서드 경로 별칭

위에 표시된 메서드 경로를 사용하세요.

#### 관련 호출용 ID

[`nvidia/llama-nemotron-embed-vl-1b-v2`](https://ailoot.ai/models/ko/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nvidia%2Fllama-nemotron-embed-vl-1b-v2&fmt=embeddings), [`nemotron-embed-vl`](https://ailoot.ai/models/ko/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl&fmt=embeddings), [`nemotron-embed-vl-latest`](https://ailoot.ai/models/ko/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl-latest&fmt=embeddings)

FAQ · nvidia/llama-nemotron-embed-vl-1b-v2

어떤 입력과 결과를 사용할 수 있나요?

`POST /v1/embeddings` · `nvidia/llama-nemotron-embed-vl-1b-v2`: `text` → `embedding` `POST /v1/embeddings` · `nemotron-embed-vl`: `text` → `embedding` `POST /v1/embeddings` · `nemotron-embed-vl-latest`: `text` → `embedding`

요청은 어떤 필드를 사용하나요?

`POST /v1/embeddings` · `nvidia/llama-nemotron-embed-vl-1b-v2`: `model`, `input`, `input_type`, `encoding_format`, `truncate`, `dimensions`, `user` `POST /v1/embeddings` · `nemotron-embed-vl`: `model`, `input`, `input_type`, `encoding_format`, `truncate`, `dimensions`, `user` `POST /v1/embeddings` · `nemotron-embed-vl-latest`: `model`, `input`, `input_type`, `encoding_format`, `truncate`, `dimensions`, `user`

어떤 제한이 적용되나요?

`POST /v1/embeddings` · `nvidia/llama-nemotron-embed-vl-1b-v2`: `ctx`: `4096`; `input.min_items`: `1`; `dimensions.minimum`: `1` `POST /v1/embeddings` · `nemotron-embed-vl`: `ctx`: `4096`; `input.min_items`: `1`; `dimensions.minimum`: `1` `POST /v1/embeddings` · `nemotron-embed-vl-latest`: `ctx`: `4096`; `input.min_items`: `1`; `dimensions.minimum`: `1`

Claude Code, OpenCode, Hermes, 자체 앱에 Ailoot를 연결하세요.

## 회사와 그 프로젝트 포트폴리오

회사와 그 프로젝트 포트폴리오: 수백만 고객, 매월 수십억 규모의 매출.

## 할인받아 토큰을 구매하세요.

정기 작업에는 구독 할인, 토큰 구매에는 최대 50% 프로모션 코드.

구독

정기 요청에 맞는 할인 요금제를 선택하세요.

최대 50% 프로모션 코드

구매할 때 코드를 넣으면 진행 중 행사에 따라 가격을 다시 계산합니다.

이력의 지출

요청마다 모델, 토큰, 금액을 저장합니다.

[구독 선택](https://ailoot.ai/docs/ko/billing/subscriptions/) · [모델 가격 보기](https://ailoot.ai/models/ko/)

## 판매하는 제품에 API를 연결하세요.

Ailoot 공식 이용 조건과 라이선스 계약으로 SaaS, 앱, 봇에 사용하세요. 재판매에는 리셀러 라이선스를 요청하세요.

상업용 앱

서비스의 유료 기능에 텍스트, 이미지, 영상, 소리 생성을 넣으세요.

리셀러 라이선스

프로젝트 설명과 접근 구조를 보내 사용·재판매의 서면 조건을 요청하세요.

사이트의 문서

연결 전에 공식 이용 조건, 라이선스 계약, 데이터 처리 정책을 읽을 수 있습니다.

[리셀러 라이선스 요청](mailto:support@ailoot.ai) · [공식 이용 조건과 라이선스 계약](https://ailoot.ai/legal/offer?lang=ko)

## Ailoot · 회사와 그 프로젝트 포트폴리오





Ailoot는 축적된 운영 경험, 폭넓은 고객 기반, 안정적인 서비스, 지속적인 KPI 관리를 바탕으로 합니다.





회사와 그 프로젝트 포트폴리오: 수백만 고객, 매월 수십억 규모의 매출.





Ailoot는 이러한 운영 경험을 고객의 제품, 에이전트, 애플리케이션, 자동화에서 AI 기능을 이용할 수 있는 API 접근에 활용합니다.