{
  "aboutHtml": "<p>Llama Nemotron Rerank VL 1B V2 įvertina kandidatų tekstų ir dokumentų vaizdų svarbą tekstinei užklausai, įskaitant diagramas, lenteles ir mišrios medijos puslapius. NVIDIA jį aprašo kaip 1,7B parametrų kryžminio kodavimo modelį. Paieškos darbo eigoje pirmiausia atlikite pradinę paiešką, tada pasirinktus kandidatus siųskite perrikiavimo modeliui. Naudingas rezultatas yra perrikiuotas šių kandidatų rinkinys su svarbos įverčiais, kurį programa gali naudoti atsakymo kontekstui pasirinkti arba paieškos rezultatų puslapiui išdėstyti.</p><p>Naudokite POST /v1/rerank su application/json turiniu. Nustatykite model į &quot;nvidia/llama-nemotron-rerank-vl-1b-v2:free&quot;, query – į tikrąjį paieškos klausimą, o documents – į netuščią masyvą. Kiekvienas kandidatas gali būti tekstinė eilutė arba objektas su text ir (arba) image; struktūruotas objektas turi pateikti bent vieną iš šių laukų. text yra eilutė. image yra nuotolinis HTTP/HTTPS URL arba base64 duomenų URI, prasidedantis data:image/. Mišrus kandidatas pateikia abu laukus. Išsaugokite šio įvesties masyvo tvarką, kad grąžintus indeksus būtų galima susieti su jūsų saugomais dokumentų ID. top_n yra pasirinktinis sveikasis skaičius, ne mažesnis nei 1, kuris nurodo grąžintinų aukščiausiai įvertintų dokumentų skaičių.</p><p>Pavyzdžiui, pagalbos centro programa gali rasti ištraukas apie pristatymą, grąžinimą ir prieigą prie paskyros, tada perrikiuoti jas pagal kliento klausimą apie pristatymą. Perduokite tikrąjį ištraukos tekstą, o ne failų pavadinimus ar su saugomu šaltiniu nesusijusias paieškos sistemos ištraukas. Programoje kiekvieną ištrauką laikykite susietą su jos šaltinio identifikatoriumi, kad pasirinktus įrodymus vėliau būtų galima cituoti ar atverti. Nuskaitytam dokumentui, diagramai, lentelei ar infografikui pateikite tikrąjį vaizdą dokumento objekte ir pridėkite tekstą, jei jis padeda identifikuoti turinį.</p><p>Modelio puslapyje dokumentuota 10 240 žetonų riba vienai užklausai ir dokumentui. Prieš ruošdami kandidatų sąrašą, ilgesnę pradinę medžiagą padalykite į ribotos apimties ištraukas. Su kiekviena ištrauka išsaugokite naudingą aplinkinį kontekstą, įskaitant antraštę ar produkto pavadinimą, kai jie keičia reikšmę. Dokumentuota užklausa prasideda nuo jūsų pateiktų kandidatų; ji jūsų vardu neieško dokumentų rinkinyje.</p><p>Perrikiavimas grąžina sinchroninį JSON rezultatą. Perskaitykite kiekvieną results elementą, įskaitant jo pradinį index, relevance_score ir grąžintą document objektą, kuriame gali būti text ir (arba) image, bei išsaugokite visus grąžintus usage ir atsakymo identifikatorius. Naudokite indeksą surikiuotam rezultatui susieti su jo įvesties kandidatu. Svarbos įvertį laikykite šios užklausos rikiavimo signalu, o ne nepriklausomai patikrintu faktiniu atsakymu. Kai kitam žingsniui pasirenkamos kelios ištraukos, išsaugokite visą rezultatą.</p><p>Šiam nemokamam leidimui paruoškite viešą ar sintetinę kandidatų medžiagą; dokumentuotos jo naudojimo sąlygos neleidžia konfidencialios informacijos ir asmens duomenų. Jei užklausa baigiasi be viso rezultato, tikrindami tą bandymą išsaugokite pradinį atsakymą ir užklausos identifikatorių. Dokumentuota perrikiavimo eiga rezultatą grąžina tiesiogiai ir neturi atskiros užduoties būsenos tikrinimo ar atšaukimo darbo eigos.</p>",
  "aboutText": "Llama Nemotron Rerank VL 1B V2 įvertina kandidatų tekstų ir dokumentų vaizdų svarbą tekstinei užklausai, įskaitant diagramas, lenteles ir mišrios medijos puslapius. NVIDIA jį aprašo kaip 1,7B parametrų kryžminio kodavimo modelį. Paieškos darbo eigoje pirmiausia atlikite pradinę paiešką, tada pasirinktus kandidatus siųskite perrikiavimo modeliui. Naudingas rezultatas yra perrikiuotas šių kandidatų rinkinys su svarbos įverčiais, kurį programa gali naudoti atsakymo kontekstui pasirinkti arba paieškos rezultatų puslapiui išdėstyti.\n\nNaudokite POST /v1/rerank su application/json turiniu. Nustatykite model į \"nvidia/llama-nemotron-rerank-vl-1b-v2:free\", query – į tikrąjį paieškos klausimą, o documents – į netuščią masyvą. Kiekvienas kandidatas gali būti tekstinė eilutė arba objektas su text ir (arba) image; struktūruotas objektas turi pateikti bent vieną iš šių laukų. text yra eilutė. image yra nuotolinis HTTP/HTTPS URL arba base64 duomenų URI, prasidedantis data:image/. Mišrus kandidatas pateikia abu laukus. Išsaugokite šio įvesties masyvo tvarką, kad grąžintus indeksus būtų galima susieti su jūsų saugomais dokumentų ID. top_n yra pasirinktinis sveikasis skaičius, ne mažesnis nei 1, kuris nurodo grąžintinų aukščiausiai įvertintų dokumentų skaičių.\n\nPavyzdžiui, pagalbos centro programa gali rasti ištraukas apie pristatymą, grąžinimą ir prieigą prie paskyros, tada perrikiuoti jas pagal kliento klausimą apie pristatymą. Perduokite tikrąjį ištraukos tekstą, o ne failų pavadinimus ar su saugomu šaltiniu nesusijusias paieškos sistemos ištraukas. Programoje kiekvieną ištrauką laikykite susietą su jos šaltinio identifikatoriumi, kad pasirinktus įrodymus vėliau būtų galima cituoti ar atverti. Nuskaitytam dokumentui, diagramai, lentelei ar infografikui pateikite tikrąjį vaizdą dokumento objekte ir pridėkite tekstą, jei jis padeda identifikuoti turinį.\n\nModelio puslapyje dokumentuota 10 240 žetonų riba vienai užklausai ir dokumentui. Prieš ruošdami kandidatų sąrašą, ilgesnę pradinę medžiagą padalykite į ribotos apimties ištraukas. Su kiekviena ištrauka išsaugokite naudingą aplinkinį kontekstą, įskaitant antraštę ar produkto pavadinimą, kai jie keičia reikšmę. Dokumentuota užklausa prasideda nuo jūsų pateiktų kandidatų; ji jūsų vardu neieško dokumentų rinkinyje.\n\nPerrikiavimas grąžina sinchroninį JSON rezultatą. Perskaitykite kiekvieną results elementą, įskaitant jo pradinį index, relevance_score ir grąžintą document objektą, kuriame gali būti text ir (arba) image, bei išsaugokite visus grąžintus usage ir atsakymo identifikatorius. Naudokite indeksą surikiuotam rezultatui susieti su jo įvesties kandidatu. Svarbos įvertį laikykite šios užklausos rikiavimo signalu, o ne nepriklausomai patikrintu faktiniu atsakymu. Kai kitam žingsniui pasirenkamos kelios ištraukos, išsaugokite visą rezultatą.\n\nŠiam nemokamam leidimui paruoškite viešą ar sintetinę kandidatų medžiagą; dokumentuotos jo naudojimo sąlygos neleidžia konfidencialios informacijos ir asmens duomenų. Jei užklausa baigiasi be viso rezultato, tikrindami tą bandymą išsaugokite pradinį atsakymą ir užklausos identifikatorių. Dokumentuota perrikiavimo eiga rezultatą grąžina tiesiogiai ir neturi atskiros užduoties būsenos tikrinimo ar atšaukimo darbo eigos.",
  "editorialOverlay": {
    "copy_fields": null,
    "copy_sha256": null,
    "copy_source": null,
    "html_sha256": "5d1d7509331936872a11bc0a8c31590accd0c80e1f60173df37fd721374a9c7b",
    "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06",
    "raw_model_unchanged": true,
    "schema": "ailoot-native-model-editorial-v1"
  },
  "locale": "lt",
  "methods": [
    {
      "html": "<div class=\"sheet-head\"><span class=\"mav\" aria-hidden=\"true\">NV</span><h2 id=\"sheet-title\">NVIDIA: Llama Nemotron Rerank VL 1B V2 (free)</h2><button class=\"icon-btn\" type=\"button\" data-close-sheet aria-label=\"Uždaryti\">×</button></div><div class=\"idline\"><span>NVIDIA /</span><code>nvidia/llama-nemotron-rerank-vl-1b-v2:free</code><button type=\"button\" id=\"copy-id\">Kopijuoti ID</button></div><nav class=\"card-jump-nav\" aria-label=\"Modelio kortelės skyriai\"><button type=\"button\" data-card-jump=\"overview\">Pradžia</button><button type=\"button\" data-card-jump=\"methods\">Įvestys ir metodai</button><button type=\"button\" data-card-jump=\"pricing\">Planai</button><button type=\"button\" data-card-jump=\"examples\">Pavyzdžiai</button><button type=\"button\" data-card-jump=\"results\">Rezultatai</button><button type=\"button\" data-card-jump=\"aliases\">Pseudonimai</button></nav><div class=\"card-method-tabs\" role=\"tablist\" aria-label=\"API metodai\"><button type=\"button\" role=\"tab\" tabindex=\"0\" aria-controls=\"card-method-content\" aria-selected=\"true\" id=\"card-method-tab-0\" data-card-method=\"Ultra|rerank|/v1/rerank|nvidia%2Fllama-nemotron-rerank-vl-1b-v2%3Afree\">Perrikiavimas</button></div><div id=\"card-method-content\" role=\"tabpanel\" aria-labelledby=\"card-method-tab-0\"><section class=\"card-section\" data-card-section=\"overview\"><h3 tabindex=\"-1\">Pradžia</h3><p class=\"mdesc-full\">Llama Nemotron Rerank VL 1B V2 yra NVIDIA kryžminio kodavimo perrikiavimo modelis, skirtas rastai medžiagai išdėstyti pagal jos svarbą užklausai. Siųskite užklausą ir tekstinius, vaizdinius ar mišrius dokumentus kandidatus, tada naudokite grąžintus įverčius ir pradinius indeksus, kad pasirinktumėte ištraukas paieškos rezultatams arba paieška papildytam atsakymui.</p><dl class=\"card-io\" data-card-io><div><dt>Leidžiamos įvestys</dt><dd>Tekstas</dd></div><div><dt>Rezultatai</dt><dd>ranking</dd></div></dl><details class=\"card-about\"><summary>Apie modelį</summary><p class=\"note-s\" data-model-method-boundary>Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.</p><div class=\"mabout\" id=\"m-about\"><p>Llama Nemotron Rerank VL 1B V2 įvertina kandidatų tekstų ir dokumentų vaizdų svarbą tekstinei užklausai, įskaitant diagramas, lenteles ir mišrios medijos puslapius. NVIDIA jį aprašo kaip 1,7B parametrų kryžminio kodavimo modelį. Paieškos darbo eigoje pirmiausia atlikite pradinę paiešką, tada pasirinktus kandidatus siųskite perrikiavimo modeliui. Naudingas rezultatas yra perrikiuotas šių kandidatų rinkinys su svarbos įverčiais, kurį programa gali naudoti atsakymo kontekstui pasirinkti arba paieškos rezultatų puslapiui išdėstyti.</p><p>Naudokite POST /v1/rerank su application/json turiniu. Nustatykite model į &quot;nvidia/llama-nemotron-rerank-vl-1b-v2:free&quot;, query – į tikrąjį paieškos klausimą, o documents – į netuščią masyvą. Kiekvienas kandidatas gali būti tekstinė eilutė arba objektas su text ir (arba) image; struktūruotas objektas turi pateikti bent vieną iš šių laukų. text yra eilutė. image yra nuotolinis HTTP/HTTPS URL arba base64 duomenų URI, prasidedantis data:image/. Mišrus kandidatas pateikia abu laukus. Išsaugokite šio įvesties masyvo tvarką, kad grąžintus indeksus būtų galima susieti su jūsų saugomais dokumentų ID. top_n yra pasirinktinis sveikasis skaičius, ne mažesnis nei 1, kuris nurodo grąžintinų aukščiausiai įvertintų dokumentų skaičių.</p><p>Pavyzdžiui, pagalbos centro programa gali rasti ištraukas apie pristatymą, grąžinimą ir prieigą prie paskyros, tada perrikiuoti jas pagal kliento klausimą apie pristatymą. Perduokite tikrąjį ištraukos tekstą, o ne failų pavadinimus ar su saugomu šaltiniu nesusijusias paieškos sistemos ištraukas. Programoje kiekvieną ištrauką laikykite susietą su jos šaltinio identifikatoriumi, kad pasirinktus įrodymus vėliau būtų galima cituoti ar atverti. Nuskaitytam dokumentui, diagramai, lentelei ar infografikui pateikite tikrąjį vaizdą dokumento objekte ir pridėkite tekstą, jei jis padeda identifikuoti turinį.</p><p>Modelio puslapyje dokumentuota 10 240 žetonų riba vienai užklausai ir dokumentui. Prieš ruošdami kandidatų sąrašą, ilgesnę pradinę medžiagą padalykite į ribotos apimties ištraukas. Su kiekviena ištrauka išsaugokite naudingą aplinkinį kontekstą, įskaitant antraštę ar produkto pavadinimą, kai jie keičia reikšmę. Dokumentuota užklausa prasideda nuo jūsų pateiktų kandidatų; ji jūsų vardu neieško dokumentų rinkinyje.</p><p>Perrikiavimas grąžina sinchroninį JSON rezultatą. Perskaitykite kiekvieną results elementą, įskaitant jo pradinį index, relevance_score ir grąžintą document objektą, kuriame gali būti text ir (arba) image, bei išsaugokite visus grąžintus usage ir atsakymo identifikatorius. Naudokite indeksą surikiuotam rezultatui susieti su jo įvesties kandidatu. Svarbos įvertį laikykite šios užklausos rikiavimo signalu, o ne nepriklausomai patikrintu faktiniu atsakymu. Kai kitam žingsniui pasirenkamos kelios ištraukos, išsaugokite visą rezultatą.</p><p>Šiam nemokamam leidimui paruoškite viešą ar sintetinę kandidatų medžiagą; dokumentuotos jo naudojimo sąlygos neleidžia konfidencialios informacijos ir asmens duomenų. Jei užklausa baigiasi be viso rezultato, tikrindami tą bandymą išsaugokite pradinį atsakymą ir užklausos identifikatorių. Dokumentuota perrikiavimo eiga rezultatą grąžina tiesiogiai ir neturi atskiros užduoties būsenos tikrinimo ar atšaukimo darbo eigos.</p></div></details></section><section class=\"card-section\" data-card-section=\"methods\"><h3 tabindex=\"-1\">Prieinama Ailoot · įvestys ir metodai</h3><details class=\"card-method\" open><summary><b>Ailoot Ultra · Rerank</b> <code>POST /v1/rerank</code></summary><dl class=\"method-capabilities\"><div><dt>Įvestis</dt><dd><code>text</code></dd></div><div><dt>Išvestis</dt><dd><code>ranking</code></dd></div><div><dt>Išvesties formatas</dt><dd>JSON</dd></div></dl><div class=\"tw\" data-card-parameters data-typed-parameters><table><thead><tr><th>Laukas</th><th>Tipas</th><th>Reikalavimas</th><th>Reikšmės ir ribos</th><th>Numatyta</th></tr></thead><tbody><tr><th data-cell-label=\"Laukas\" scope=\"row\"><span class=\"card-cell-label\">Laukas</span><code class=\"card-field-name\">model</code></th><td data-cell-label=\"Tipas\" data-field-type><span class=\"card-cell-label\">Tipas</span><code>string</code></td><td data-cell-label=\"Reikalavimas\"><span class=\"card-cell-label\">Reikalavimas</span>Privaloma</td><td data-cell-label=\"Reikšmės ir ribos\"><span class=\"card-cell-label\">Reikšmės ir ribos</span><div>nvidia/llama-nemotron-rerank-vl-1b-v2:free</div></td><td data-cell-label=\"Numatyta\" data-default=\"unspecified\"><span class=\"card-cell-label\">Numatyta</span>—</td></tr><tr><th data-cell-label=\"Laukas\" scope=\"row\"><span class=\"card-cell-label\">Laukas</span><code class=\"card-field-name\">query</code></th><td data-cell-label=\"Tipas\" data-field-type><span class=\"card-cell-label\">Tipas</span><code>string</code></td><td data-cell-label=\"Reikalavimas\"><span class=\"card-cell-label\">Reikalavimas</span>Privaloma</td><td data-cell-label=\"Reikšmės ir ribos\"><span class=\"card-cell-label\">Reikšmės ir ribos</span></td><td data-cell-label=\"Numatyta\" data-default=\"unspecified\"><span class=\"card-cell-label\">Numatyta</span>—</td></tr><tr><th data-cell-label=\"Laukas\" scope=\"row\"><span class=\"card-cell-label\">Laukas</span><code class=\"card-field-name\">documents</code></th><td data-cell-label=\"Tipas\" data-field-type><span class=\"card-cell-label\">Tipas</span><code>array</code></td><td data-cell-label=\"Reikalavimas\"><span class=\"card-cell-label\">Reikalavimas</span>Privaloma</td><td data-cell-label=\"Reikšmės ir ribos\"><span class=\"card-cell-label\">Reikšmės ir ribos</span></td><td data-cell-label=\"Numatyta\" data-default=\"unspecified\"><span class=\"card-cell-label\">Numatyta</span>—</td></tr><tr><th data-cell-label=\"Laukas\" scope=\"row\"><span class=\"card-cell-label\">Laukas</span><code class=\"card-field-name\">top_n</code></th><td data-cell-label=\"Tipas\" data-field-type><span class=\"card-cell-label\">Tipas</span><code>integer</code></td><td data-cell-label=\"Reikalavimas\"><span class=\"card-cell-label\">Reikalavimas</span>Neprivaloma</td><td data-cell-label=\"Reikšmės ir ribos\"><span class=\"card-cell-label\">Reikšmės ir ribos</span><div>Mažiausia reikšmė: 1</div></td><td data-cell-label=\"Numatyta\" data-default=\"unspecified\"><span class=\"card-cell-label\">Numatyta</span>—</td></tr></tbody></table></div><details class=\"note-s\" data-method-contract><summary>Metodo parametrai ir gyvavimo ciklas</summary><div class=\"tw\" data-card-table=\"contract\"><table><thead><tr><th>Parametras</th><th>Specifikacija</th></tr></thead><tbody><tr><th data-cell-label=\"Parametras\" scope=\"row\"><span class=\"card-cell-label\">Parametras</span><code>content_type</code></th><td data-cell-label=\"Specifikacija\"><span class=\"card-cell-label\">Specifikacija</span>application/json</td></tr><tr><th data-cell-label=\"Parametras\" scope=\"row\"><span class=\"card-cell-label\">Parametras</span><code>required</code></th><td data-cell-label=\"Specifikacija\"><span class=\"card-cell-label\">Specifikacija</span>model, query, documents</td></tr><tr><th data-cell-label=\"Parametras\" scope=\"row\"><span class=\"card-cell-label\">Parametras</span><code>optional</code></th><td data-cell-label=\"Specifikacija\"><span class=\"card-cell-label\">Specifikacija</span>top_n</td></tr><tr><th data-cell-label=\"Parametras\" scope=\"row\"><span class=\"card-cell-label\">Parametras</span><code>material_types</code></th><td data-cell-label=\"Specifikacija\"><span class=\"card-cell-label\">Specifikacija</span>text</td></tr><tr><th data-cell-label=\"Parametras\" scope=\"row\"><span class=\"card-cell-label\">Parametras</span><code>conditions</code></th><td data-cell-label=\"Specifikacija\"><span class=\"card-cell-label\">Specifikacija</span></td></tr></tbody></table></div><p>Gyvavimo ciklas: <code>synchronous_json</code></p></details></details></section><section class=\"card-section\" data-card-section=\"pricing\"><h3 tabindex=\"-1\">Planai</h3><div data-native-semantic-method=\"v1\" data-tariff-reference-only><p class=\"note-s\" data-rate-support-note>Tarifų informacija neprideda užklausos parinkčių. Palaikomi parametrai nurodyti prie pasirinkto metodo.</p><dl data-price-conditions><dt>Spartusis režimas</dt><dd>Nenurodyta <span class=\"note-s\">Pasirinkus spartųjį režimą</span></dd><dt>Flex režimas</dt><dd>Nenurodyta <span class=\"note-s\">Pasirinkus flex režimą</span></dd><dt>Didžiausios samprotavimo pastangos</dt><dd>Nenurodyta <span class=\"note-s\">Kai didžiausioms samprotavimo pastangoms taikomas numatytasis koregavimas (default)</span></dd></dl></div><div data-declared-tariff-pricing><h4>Ailoot įkainiai</h4><h4>Kainos pagal konfigūraciją</h4><p class=\"note-s\">Kiekvieną mokestį susiekite su nurodytomis sąlygomis. Kiekvienam alternatyvių konfigūracijų rinkiniui taikykite vieną įkainį.</p><div class=\"tw\" data-pricing-profiles><table><thead><tr><th>Konfigūracija</th><th>Įkainių lentelė</th><th>Apskaitos kiekis</th><th>Mokestis</th></tr></thead><tbody><tr><th data-cell-label=\"Konfigūracija\" scope=\"row\"><span class=\"card-cell-label\">Konfigūracija</span>Baziniai žetonų įkainiai</th><td data-cell-label=\"Įkainių lentelė\"><span class=\"card-cell-label\">Įkainių lentelė</span>Bazinis įkainis</td><td data-cell-label=\"Apskaitos kiekis\"><span class=\"card-cell-label\">Apskaitos kiekis</span>—</td><td data-cell-label=\"Mokestis\"><span class=\"card-cell-label\">Mokestis</span><div><span>Įvestis · Įvesties tokenai</span> <b>—</b> <span class=\"price-unit\">/ 1K tokenų</span></div><div><span>Išvestis · Išvesties tokenai</span> <b>—</b> <span class=\"price-unit\">/ 1K tokenų</span></div><div><span>Įvestis · Talpyklos skaitymas</span> <b>—</b> <span class=\"price-unit\">/ 1K tokenų</span></div><div><span>Įvestis · Rašymas į talpyklą</span> <b>—</b> <span class=\"price-unit\">/ 1K tokenų</span></div><div><span>Įvestis · Rašymas į talpyklą, 1 val</span> <b>—</b> <span class=\"price-unit\">/ 1K tokenų</span></div></td></tr><tr><th data-cell-label=\"Konfigūracija\" scope=\"row\"><span class=\"card-cell-label\">Konfigūracija</span>Už užklausą</th><td data-cell-label=\"Įkainių lentelė\"><span class=\"card-cell-label\">Įkainių lentelė</span>—</td><td data-cell-label=\"Apskaitos kiekis\"><span class=\"card-cell-label\">Apskaitos kiekis</span>viena užklausa</td><td data-cell-label=\"Mokestis\"><span class=\"card-cell-label\">Mokestis</span><div><span>Įvestis</span> <b>$0</b> <span class=\"price-unit\">už užklausą</span></div></td></tr></tbody></table></div></div><p class=\"note-s\">Ailoot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. <a href=\"/docs/lt/billing/reserve/\">Kaip veikia rezervavimas ir atsiskaitymas →</a></p></section><section class=\"card-section\" data-card-section=\"examples\"><h3 tabindex=\"-1\">Užklausų pavyzdžiai</h3><h4>Ailoot Ultra · Rerank</h4><div class=\"code-group\"><div class=\"cg-bar\"><div class=\"cg-tabs\" role=\"tablist\" aria-label=\"Kodo variantai\"><button class=\"cg-tab\" id=\"model-code-32-tab-0\" role=\"tab\" type=\"button\" aria-controls=\"model-code-32-panel-0\" aria-selected=\"true\" tabindex=\"0\">curl · sukurkite vieną kartą ir išsaugokite visą rezultatą</button></div><div class=\"cg-tools\"><button class=\"cg-btn cg-copy\" type=\"button\" aria-label=\"Kopijuoti kodą\"><svg class=\"cp\" viewBox=\"0 0 16 16\" fill=\"none\" stroke=\"currentColor\" stroke-width=\"1.4\"><rect x=\"5.25\" y=\"5.25\" width=\"8.5\" height=\"8.5\" rx=\"1.75\"/><path d=\"M10.75 5.25V3.5a1.25 1.25 0 0 0-1.25-1.25H3.5A1.25 1.25 0 0 0 2.25 3.5v6a1.25 1.25 0 0 0 1.25 1.25h1.75\"/></svg><svg class=\"ok\" viewBox=\"0 0 16 16\" fill=\"none\" stroke=\"currentColor\" stroke-width=\"1.4\"><path d=\"m3 8.5 3.25 3.25L13 5\"/></svg></button></div></div><div class=\"cg-body\"><div class=\"cg-pane\" id=\"model-code-32-panel-0\" role=\"tabpanel\" aria-labelledby=\"model-code-32-tab-0\"><pre data-lang=\"bash\"><code>set -eu\n: &quot;${AILOOT_API_KEY:?Set your Ailoot API key}&quot;\nexport AILOOT_API_KEY\npython3 - &lt;&lt;&#39;PY_REQUEST&#39;\nimport json,os\nfrom pathlib import Path\np=json.loads(&#39;{&quot;documents&quot;: [&quot;Paris is the capital of France.&quot;, &quot;Berlin is the capital of Germany.&quot;], &quot;model&quot;: &quot;nvidia/llama-nemotron-rerank-vl-1b-v2:free&quot;, &quot;query&quot;: &quot;What is the capital of France?&quot;, &quot;top_n&quot;: 3}&#39;)\n\nPath(&quot;request.json&quot;).write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/rerank \\\n  -H &quot;Authorization: Bearer $AILOOT_API_KEY&quot; -H &#39;Content-Type: application/json&#39; \\\n  --data-binary @request.json -D response-headers.txt -o result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\n</code></pre></div></div></div></section><section class=\"card-section\" data-card-section=\"results\"><h3 tabindex=\"-1\">Gauti ir išsaugoti rezultatus</h3><h4>Ailoot Ultra · Rerank</h4><p class=\"note-s\">JSON</p><div class=\"card-result-process\" data-all-results><h5>Išsaugoti visus baigtus rezultatus</h5><p class=\"note-s\">Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.</p><p class=\"note-s\">Retain the complete response, all actual results, original identifiers, usage and response headers.</p></div><div class=\"card-result-process\" data-unknown-recovery><h5>Jei reikia patikrinti pradinį atsakymą</h5><p class=\"note-s\">Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.</p></div><details class=\"card-about\" data-output-fields><summary>Atsakymo laukai</summary><div class=\"tw\" data-card-table=\"output\"><table><thead><tr><th>Laukas</th><th>Tipas</th></tr></thead><tbody><tr><th data-cell-label=\"Laukas\" scope=\"row\"><span class=\"card-cell-label\">Laukas</span><code class=\"card-field-name\">results</code></th><td data-cell-label=\"Tipas\" data-field-type><span class=\"card-cell-label\">Tipas</span>array</td></tr></tbody></table></div></details></section><section class=\"card-section\" data-card-section=\"aliases\"><h3 tabindex=\"-1\">Pseudonimai</h3><h4>Modelių pseudonimai</h4><p class=\"note-s\"><span data-model-alias-route=\"Ultra\"><b>Ailoot Ultra</b> <a href=\"#m=nvidia%2Fllama-nemotron-rerank-vl-1b-v2%3Afree&amp;route=Ultra&amp;caller=nvidia%2Fllama-nemotron-rerank-vl-1b-v2%3Afree&amp;fmt=rerank\"><code>nvidia/llama-nemotron-rerank-vl-1b-v2:free</code></a></span></p><h4>Metodų kelių pseudonimai</h4><p class=\"note-s\">Naudokite aukščiau nurodytus metodų kelius.</p><h4>Susiję ID iškvietimui</h4><p class=\"note-s\"><a href=\"#m=nvidia%2Fllama-nemotron-rerank-vl-1b-v2%3Afree&amp;route=Ultra&amp;caller=nvidia%2Fllama-nemotron-rerank-vl-1b-v2%3Afree&amp;fmt=rerank\"><code>nvidia/llama-nemotron-rerank-vl-1b-v2:free</code></a></p></section></div>",
      "method_identity": {
        "effective_request_model_id": "nvidia/llama-nemotron-rerank-vl-1b-v2:free",
        "fmt": "rerank",
        "http": "POST",
        "path": "/v1/rerank",
        "request_model_id": "nvidia/llama-nemotron-rerank-vl-1b-v2:free",
        "route_label": "Ultra"
      },
      "method_key": "Ultra|rerank|/v1/rerank|nvidia%2Fllama-nemotron-rerank-vl-1b-v2%3Afree",
      "ordinal": 0,
      "rawMethod": {
        "available": null,
        "cache_read": null,
        "cache_write": null,
        "cache_write_1h": null,
        "contract": {
          "data": {
            "all_results": "Retain the complete response, all actual results, original identifiers, usage and response headers.",
            "authentication": {
              "api_key_source": "AILOOT_API_KEY",
              "header": "Authorization: Bearer"
            },
            "example_body": {
              "documents": [
                "Paris is the capital of France.",
                "Berlin is the capital of Germany."
              ],
              "model": "nvidia/llama-nemotron-rerank-vl-1b-v2:free",
              "query": "What is the capital of France?",
              "top_n": 3
            },
            "lifecycle": {
              "cancel_endpoint": null,
              "create": {
                "http": "POST",
                "path": "/v1/rerank"
              },
              "mode": "synchronous_json",
              "status": [],
              "unknown": "Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.",
              "unknown_no_replay": true
            },
            "outputs": {
              "all_results": "Retain the complete response, all actual results, original identifiers, usage and response headers.",
              "family": "ranking",
              "fields": [
                {
                  "name": "results",
                  "type": "array"
                }
              ],
              "format": "JSON"
            },
            "parameters": [
              {
                "default_known": false,
                "enum": [
                  "nvidia/llama-nemotron-rerank-vl-1b-v2:free"
                ],
                "enum_known": true,
                "name": "model",
                "required": true,
                "type": "string"
              },
              {
                "default_known": false,
                "enum_known": false,
                "name": "query",
                "required": true,
                "type": "string"
              },
              {
                "default_known": false,
                "enum_known": false,
                "items": {
                  "type": "string"
                },
                "minItems": 1,
                "name": "documents",
                "required": true,
                "type": "array"
              },
              {
                "default_known": false,
                "enum_known": false,
                "minimum": 1,
                "name": "top_n",
                "required": false,
                "type": "integer"
              }
            ],
            "request_schema": {
              "additionalProperties": true,
              "properties": {
                "documents": {
                  "items": {
                    "type": "string"
                  },
                  "minItems": 1,
                  "type": "array"
                },
                "model": {
                  "enum": [
                    "nvidia/llama-nemotron-rerank-vl-1b-v2:free"
                  ],
                  "type": "string"
                },
                "query": {
                  "type": "string"
                },
                "top_n": {
                  "minimum": 1,
                  "type": "integer"
                }
              },
              "required": [
                "model",
                "query",
                "documents"
              ],
              "type": "object"
            },
            "schema_template": {
              "body": {
                "documents": [
                  "Paris is the capital of France.",
                  "Berlin is the capital of Germany."
                ],
                "model": "nvidia/llama-nemotron-rerank-vl-1b-v2:free",
                "query": "What is the capital of France?",
                "top_n": 3
              },
              "content_type": "application/json"
            }
          },
          "input": {
            "conditions": [],
            "content_type": "application/json",
            "material_types": [
              "text"
            ],
            "optional": [
              "top_n"
            ],
            "required": [
              "model",
              "query",
              "documents"
            ]
          },
          "lifecycle": {
            "cancel_endpoint": null,
            "create": {
              "http": "POST",
              "path": "/v1/rerank"
            },
            "mode": "synchronous_json",
            "status": [],
            "unknown": "Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.",
            "unknown_no_replay": true
          },
          "method": {
            "http": "POST",
            "path": "/v1/rerank"
          },
          "method_aliases": [],
          "output": {
            "all_results": "Retain the complete response, all actual results, original identifiers, usage and response headers.",
            "family": "ranking",
            "fields": [
              {
                "name": "results",
                "type": "array"
              }
            ],
            "format": "JSON"
          }
        },
        "ctx": null,
        "declared_pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Base token rates",
            "units": [
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          },
          {
            "dimensions": {
              "billing_quantity": "one request"
            },
            "label": "Per request",
            "units": [
              {
                "amount": "0",
                "amount_unit": "usd_per_exact_native_unit",
                "billing_input": true,
                "estimate_only": false,
                "key": "per_request",
                "label": "per request",
                "native_amount_usd_per_unit": "0",
                "native_quantity": 1,
                "public_unit_label": "per request",
                "quantity": 1,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "per_request"
              }
            ]
          }
        ],
        "examples": [
          {
            "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"documents\": [\"Paris is the capital of France.\", \"Berlin is the capital of Germany.\"], \"model\": \"nvidia/llama-nemotron-rerank-vl-1b-v2:free\", \"query\": \"What is the capital of France?\", \"top_n\": 3}')\n\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/rerank \\\n  -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n  --data-binary @request.json -D response-headers.txt -o result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\n",
            "label": "curl · create once and retain the complete result",
            "language": "bash"
          }
        ],
        "family": "openai",
        "fast_multiplier": null,
        "flex_multiplier": null,
        "fmt": "rerank",
        "http": "POST",
        "img_in": null,
        "img_out": null,
        "in": null,
        "input": [
          "text"
        ],
        "label": "Rerank",
        "max_out": null,
        "max_reasoning_effort_multiplier": null,
        "method_aliases": [],
        "out": null,
        "output": [
          "ranking"
        ],
        "path": "/v1/rerank",
        "price_conditions": [
          {
            "label": "Fast mode",
            "value": "Not specified",
            "when": "When fast mode is selected"
          },
          {
            "label": "Flex mode",
            "value": "Not specified",
            "when": "When flex mode is selected"
          },
          {
            "label": "Maximum reasoning effort",
            "value": "Not specified",
            "when": "When maximum reasoning effort uses the default adjustment"
          }
        ],
        "pricing": {
          "billing_mode": "per_request",
          "cache_read_price": null,
          "cache_write_1h_price": null,
          "cache_write_price": null,
          "fast_multiplier": null,
          "flex_multiplier": null,
          "image_input_price": null,
          "image_output_price": null,
          "input_price": null,
          "intervals": null,
          "max_reasoning_effort_multiplier": null,
          "output_price": null,
          "per_request_price": 0
        },
        "pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Base token rates",
            "units": [
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          },
          {
            "dimensions": {
              "billing_quantity": "one request"
            },
            "label": "Per request",
            "units": [
              {
                "amount": "0",
                "amount_unit": "usd_per_exact_native_unit",
                "billing_input": true,
                "estimate_only": false,
                "key": "per_request",
                "label": "per request",
                "native_amount_usd_per_unit": "0",
                "native_quantity": 1,
                "public_unit_label": "per request",
                "quantity": 1,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "per_request"
              }
            ]
          }
        ],
        "request_model_id": "nvidia/llama-nemotron-rerank-vl-1b-v2:free",
        "route_label": "Ultra",
        "status_reads": [],
        "tiers": [],
        "unit": "per_request",
        "units": [
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "input_price",
            "label": "Input tokens",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "input_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "output_price",
            "label": "Output tokens",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "output_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "out",
            "unit": "output_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_read_price",
            "label": "Cache read",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "cached_input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "cached_input_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_write_price",
            "label": "Cache write",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "generic_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "generic_cache_creation_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_write_1h_price",
            "label": "Cache write, 1 hour",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "one_hour_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "one_hour_cache_creation_token"
          },
          {
            "amount": "0",
            "amount_unit": "usd_per_exact_native_unit",
            "billing_input": true,
            "estimate_only": false,
            "key": "per_request",
            "label": "per request",
            "native_amount_usd_per_unit": "0",
            "native_quantity": 1,
            "public_unit_label": "per request",
            "quantity": 1,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "per_request"
          }
        ]
      }
    }
  ],
  "model_id": "nvidia/llama-nemotron-rerank-vl-1b-v2:free",
  "nativeProvenance": {
    "input_facts_canonical_sha256": "0d671b1463fbae73aeff0f584d36705c7013d1d787ed1f7a100ccc96be41d5be",
    "input_html_sha256": "ae5f7cc3a736769e6a6a16b7b08f51fe90407a76297fdc244d25a4f7b5ce9d2f",
    "private_audit_sha256": "c1963b8082cd2f7b44b6cd027e30b47492ab8e853e3b523f8fc6e39207ae49fb",
    "role": "historical-normalized-input-audit-hashes",
    "schema": "ailoot-native-model-provenance-v2"
  },
  "page": {
    "canonical": "https://ailoot.ai/models/lt/nvidia-llama-nemotron-rerank-vl-1b-v2-u003a-free/",
    "description": "Llama Nemotron Rerank VL 1B V2 yra NVIDIA kryžminio kodavimo perrikiavimo modelis, skirtas rastai medžiagai išdėstyti pagal jos svarbą užklausai. Siųskite užklausą ir tekstinius, vaizdinius ar mišrius dokumentus kandidatus, tada naudokite grąžintus įverčius ir pradinius indeksus, kad pasirinktumėte ištraukas paieškos rezultatams arba paieška papildytam atsakymui.",
    "locale": "lt",
    "md_url": "https://ailoot.ai/models/lt/nvidia-llama-nemotron-rerank-vl-1b-v2-u003a-free/index.md",
    "title": "NVIDIA: Llama Nemotron Rerank VL 1B V2 (free) — Ailoot",
    "url": "https://ailoot.ai/models/lt/nvidia-llama-nemotron-rerank-vl-1b-v2-u003a-free/"
  },
  "rawModel": {
    "about": "Llama Nemotron Rerank VL 1B V2 įvertina kandidatų tekstų ir dokumentų vaizdų svarbą tekstinei užklausai, įskaitant diagramas, lenteles ir mišrios medijos puslapius. NVIDIA jį aprašo kaip 1,7B parametrų kryžminio kodavimo modelį. Paieškos darbo eigoje pirmiausia atlikite pradinę paiešką, tada pasirinktus kandidatus siųskite perrikiavimo modeliui. Naudingas rezultatas yra perrikiuotas šių kandidatų rinkinys su svarbos įverčiais, kurį programa gali naudoti atsakymo kontekstui pasirinkti arba paieškos rezultatų puslapiui išdėstyti.\n\nNaudokite POST /v1/rerank su application/json turiniu. Nustatykite model į \"nvidia/llama-nemotron-rerank-vl-1b-v2:free\", query – į tikrąjį paieškos klausimą, o documents – į netuščią masyvą. Kiekvienas kandidatas gali būti tekstinė eilutė arba objektas su text ir (arba) image; struktūruotas objektas turi pateikti bent vieną iš šių laukų. text yra eilutė. image yra nuotolinis HTTP/HTTPS URL arba base64 duomenų URI, prasidedantis data:image/. Mišrus kandidatas pateikia abu laukus. Išsaugokite šio įvesties masyvo tvarką, kad grąžintus indeksus būtų galima susieti su jūsų saugomais dokumentų ID. top_n yra pasirinktinis sveikasis skaičius, ne mažesnis nei 1, kuris nurodo grąžintinų aukščiausiai įvertintų dokumentų skaičių.\n\nPavyzdžiui, pagalbos centro programa gali rasti ištraukas apie pristatymą, grąžinimą ir prieigą prie paskyros, tada perrikiuoti jas pagal kliento klausimą apie pristatymą. Perduokite tikrąjį ištraukos tekstą, o ne failų pavadinimus ar su saugomu šaltiniu nesusijusias paieškos sistemos ištraukas. Programoje kiekvieną ištrauką laikykite susietą su jos šaltinio identifikatoriumi, kad pasirinktus įrodymus vėliau būtų galima cituoti ar atverti. Nuskaitytam dokumentui, diagramai, lentelei ar infografikui pateikite tikrąjį vaizdą dokumento objekte ir pridėkite tekstą, jei jis padeda identifikuoti turinį.\n\nModelio puslapyje dokumentuota 10 240 žetonų riba vienai užklausai ir dokumentui. Prieš ruošdami kandidatų sąrašą, ilgesnę pradinę medžiagą padalykite į ribotos apimties ištraukas. Su kiekviena ištrauka išsaugokite naudingą aplinkinį kontekstą, įskaitant antraštę ar produkto pavadinimą, kai jie keičia reikšmę. Dokumentuota užklausa prasideda nuo jūsų pateiktų kandidatų; ji jūsų vardu neieško dokumentų rinkinyje.\n\nPerrikiavimas grąžina sinchroninį JSON rezultatą. Perskaitykite kiekvieną results elementą, įskaitant jo pradinį index, relevance_score ir grąžintą document objektą, kuriame gali būti text ir (arba) image, bei išsaugokite visus grąžintus usage ir atsakymo identifikatorius. Naudokite indeksą surikiuotam rezultatui susieti su jo įvesties kandidatu. Svarbos įvertį laikykite šios užklausos rikiavimo signalu, o ne nepriklausomai patikrintu faktiniu atsakymu. Kai kitam žingsniui pasirenkamos kelios ištraukos, išsaugokite visą rezultatą.\n\nŠiam nemokamam leidimui paruoškite viešą ar sintetinę kandidatų medžiagą; dokumentuotos jo naudojimo sąlygos neleidžia konfidencialios informacijos ir asmens duomenų. Jei užklausa baigiasi be viso rezultato, tikrindami tą bandymą išsaugokite pradinį atsakymą ir užklausos identifikatorių. Dokumentuota perrikiavimo eiga rezultatą grąžina tiesiogiai ir neturi atskiros užduoties būsenos tikrinimo ar atšaukimo darbo eigos.",
    "alias_of": null,
    "aliases": [],
    "author": "NVIDIA",
    "ctx": 10240,
    "formats": [
      "rerank"
    ],
    "id": "nvidia/llama-nemotron-rerank-vl-1b-v2:free",
    "input": [
      "text"
    ],
    "kind": "text",
    "max_out": null,
    "methods": [
      {
        "available": null,
        "cache_read": null,
        "cache_write": null,
        "cache_write_1h": null,
        "contract": {
          "data": {
            "all_results": "Retain the complete response, all actual results, original identifiers, usage and response headers.",
            "authentication": {
              "api_key_source": "AILOOT_API_KEY",
              "header": "Authorization: Bearer"
            },
            "example_body": {
              "documents": [
                "Paris is the capital of France.",
                "Berlin is the capital of Germany."
              ],
              "model": "nvidia/llama-nemotron-rerank-vl-1b-v2:free",
              "query": "What is the capital of France?",
              "top_n": 3
            },
            "lifecycle": {
              "cancel_endpoint": null,
              "create": {
                "http": "POST",
                "path": "/v1/rerank"
              },
              "mode": "synchronous_json",
              "status": [],
              "unknown": "Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.",
              "unknown_no_replay": true
            },
            "outputs": {
              "all_results": "Retain the complete response, all actual results, original identifiers, usage and response headers.",
              "family": "ranking",
              "fields": [
                {
                  "name": "results",
                  "type": "array"
                }
              ],
              "format": "JSON"
            },
            "parameters": [
              {
                "default_known": false,
                "enum": [
                  "nvidia/llama-nemotron-rerank-vl-1b-v2:free"
                ],
                "enum_known": true,
                "name": "model",
                "required": true,
                "type": "string"
              },
              {
                "default_known": false,
                "enum_known": false,
                "name": "query",
                "required": true,
                "type": "string"
              },
              {
                "default_known": false,
                "enum_known": false,
                "items": {
                  "type": "string"
                },
                "minItems": 1,
                "name": "documents",
                "required": true,
                "type": "array"
              },
              {
                "default_known": false,
                "enum_known": false,
                "minimum": 1,
                "name": "top_n",
                "required": false,
                "type": "integer"
              }
            ],
            "request_schema": {
              "additionalProperties": true,
              "properties": {
                "documents": {
                  "items": {
                    "type": "string"
                  },
                  "minItems": 1,
                  "type": "array"
                },
                "model": {
                  "enum": [
                    "nvidia/llama-nemotron-rerank-vl-1b-v2:free"
                  ],
                  "type": "string"
                },
                "query": {
                  "type": "string"
                },
                "top_n": {
                  "minimum": 1,
                  "type": "integer"
                }
              },
              "required": [
                "model",
                "query",
                "documents"
              ],
              "type": "object"
            },
            "schema_template": {
              "body": {
                "documents": [
                  "Paris is the capital of France.",
                  "Berlin is the capital of Germany."
                ],
                "model": "nvidia/llama-nemotron-rerank-vl-1b-v2:free",
                "query": "What is the capital of France?",
                "top_n": 3
              },
              "content_type": "application/json"
            }
          },
          "input": {
            "conditions": [],
            "content_type": "application/json",
            "material_types": [
              "text"
            ],
            "optional": [
              "top_n"
            ],
            "required": [
              "model",
              "query",
              "documents"
            ]
          },
          "lifecycle": {
            "cancel_endpoint": null,
            "create": {
              "http": "POST",
              "path": "/v1/rerank"
            },
            "mode": "synchronous_json",
            "status": [],
            "unknown": "Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.",
            "unknown_no_replay": true
          },
          "method": {
            "http": "POST",
            "path": "/v1/rerank"
          },
          "method_aliases": [],
          "output": {
            "all_results": "Retain the complete response, all actual results, original identifiers, usage and response headers.",
            "family": "ranking",
            "fields": [
              {
                "name": "results",
                "type": "array"
              }
            ],
            "format": "JSON"
          }
        },
        "ctx": null,
        "declared_pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Base token rates",
            "units": [
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          },
          {
            "dimensions": {
              "billing_quantity": "one request"
            },
            "label": "Per request",
            "units": [
              {
                "amount": "0",
                "amount_unit": "usd_per_exact_native_unit",
                "billing_input": true,
                "estimate_only": false,
                "key": "per_request",
                "label": "per request",
                "native_amount_usd_per_unit": "0",
                "native_quantity": 1,
                "public_unit_label": "per request",
                "quantity": 1,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "per_request"
              }
            ]
          }
        ],
        "examples": [
          {
            "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"documents\": [\"Paris is the capital of France.\", \"Berlin is the capital of Germany.\"], \"model\": \"nvidia/llama-nemotron-rerank-vl-1b-v2:free\", \"query\": \"What is the capital of France?\", \"top_n\": 3}')\n\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/rerank \\\n  -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n  --data-binary @request.json -D response-headers.txt -o result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\n",
            "label": "curl · create once and retain the complete result",
            "language": "bash"
          }
        ],
        "family": "openai",
        "fast_multiplier": null,
        "flex_multiplier": null,
        "fmt": "rerank",
        "http": "POST",
        "img_in": null,
        "img_out": null,
        "in": null,
        "input": [
          "text"
        ],
        "label": "Rerank",
        "max_out": null,
        "max_reasoning_effort_multiplier": null,
        "method_aliases": [],
        "out": null,
        "output": [
          "ranking"
        ],
        "path": "/v1/rerank",
        "price_conditions": [
          {
            "label": "Fast mode",
            "value": "Not specified",
            "when": "When fast mode is selected"
          },
          {
            "label": "Flex mode",
            "value": "Not specified",
            "when": "When flex mode is selected"
          },
          {
            "label": "Maximum reasoning effort",
            "value": "Not specified",
            "when": "When maximum reasoning effort uses the default adjustment"
          }
        ],
        "pricing": {
          "billing_mode": "per_request",
          "cache_read_price": null,
          "cache_write_1h_price": null,
          "cache_write_price": null,
          "fast_multiplier": null,
          "flex_multiplier": null,
          "image_input_price": null,
          "image_output_price": null,
          "input_price": null,
          "intervals": null,
          "max_reasoning_effort_multiplier": null,
          "output_price": null,
          "per_request_price": 0
        },
        "pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Base token rates",
            "units": [
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          },
          {
            "dimensions": {
              "billing_quantity": "one request"
            },
            "label": "Per request",
            "units": [
              {
                "amount": "0",
                "amount_unit": "usd_per_exact_native_unit",
                "billing_input": true,
                "estimate_only": false,
                "key": "per_request",
                "label": "per request",
                "native_amount_usd_per_unit": "0",
                "native_quantity": 1,
                "public_unit_label": "per request",
                "quantity": 1,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "per_request"
              }
            ]
          }
        ],
        "request_model_id": "nvidia/llama-nemotron-rerank-vl-1b-v2:free",
        "route_label": "Ultra",
        "status_reads": [],
        "tiers": [],
        "unit": "per_request",
        "units": [
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "input_price",
            "label": "Input tokens",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "input_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "output_price",
            "label": "Output tokens",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "output_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "out",
            "unit": "output_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_read_price",
            "label": "Cache read",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "cached_input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "cached_input_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_write_price",
            "label": "Cache write",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "generic_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "generic_cache_creation_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_write_1h_price",
            "label": "Cache write, 1 hour",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "one_hour_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "one_hour_cache_creation_token"
          },
          {
            "amount": "0",
            "amount_unit": "usd_per_exact_native_unit",
            "billing_input": true,
            "estimate_only": false,
            "key": "per_request",
            "label": "per request",
            "native_amount_usd_per_unit": "0",
            "native_quantity": 1,
            "public_unit_label": "per request",
            "quantity": 1,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "per_request"
          }
        ]
      }
    ],
    "model_aliases": [
      {
        "canonical_model_id": "nvidia/llama-nemotron-rerank-vl-1b-v2:free",
        "request_model_id": "nvidia/llama-nemotron-rerank-vl-1b-v2:free",
        "route_label": "Ultra"
      }
    ],
    "name": "NVIDIA: Llama Nemotron Rerank VL 1B V2 (free)",
    "price": {
      "in": "0",
      "in_label": "per request",
      "out": null,
      "out_label": null,
      "sort_in": null,
      "sort_out": null,
      "varies": false
    },
    "short": "Llama Nemotron Rerank VL 1B V2 yra NVIDIA kryžminio kodavimo perrikiavimo modelis, skirtas rastai medžiagai išdėstyti pagal jos svarbą užklausai. Siųskite užklausą ir tekstinius, vaizdinius ar mišrius dokumentus kandidatus, tada naudokite grąžintus įverčius ir pradinius indeksus, kad pasirinktumėte ištraukas paieškos rezultatams arba paieška papildytam atsakymui."
  },
  "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
        }
      ],
      "role": "current-semantic-reference"
    },
    "raw_input": {
      "examples_role": "historical-input-not-current-ready-examples",
      "json_pointers": [
        "/rawModel",
        "/methods/0/rawMethod"
      ],
      "role": "historical-owner-input"
    },
    "schema": "ailoot-native-model-representations-v1"
  },
  "schema": "ailoot-static-model-facts-v1",
  "schema_version": 1,
  "shortText": "Llama Nemotron Rerank VL 1B V2 yra NVIDIA kryžminio kodavimo perrikiavimo modelis, skirtas rastai medžiagai išdėstyti pagal jos svarbą užklausai. Siųskite užklausą ir tekstinius, vaizdinius ar mišrius dokumentus kandidatus, tada naudokite grąžintus įverčius ir pradinius indeksus, kad pasirinktumėte ištraukas paieškos rezultatams arba paieška papildytam atsakymui.",
  "source": {
    "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1",
    "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036",
    "raw_model_json_sha256": "1d594c2abf07b00c4b5e8f0842c0d53797cb591bcec3c9e6d5efa06f3bbd98b2",
    "renderer_sha256": "57bd2f8a61f57d341aae369006eca818e3eea645ec43af488ec7b2289eeca772"
  },
  "sourceRevision": "7f6baf5747d7068f573bc73135c620f0ac069fb1c0b612acbc4729250c4ebb88"
}