Source: https://ailoot.ai/models/ms/nvidia-llama-nemotron-embed-vl-1b-v2-u003a-free/
Canonical: https://ailoot.ai/models/ms/nvidia-llama-nemotron-embed-vl-1b-v2-u003a-free/
Language: ms

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

[Markdown](https://ailoot.ai/models/ms/nvidia-llama-nemotron-embed-vl-1b-v2-u003a-free/index.md) · [JSON](https://ailoot.ai/models/ms/nvidia-llama-nemotron-embed-vl-1b-v2-u003a-free/facts.json)

## [NVIDIA: Llama Nemotron Embed VL 1B V2 (free)](https://ailoot.ai/models/ms/nvidia-llama-nemotron-embed-vl-1b-v2-u003a-free/)

Llama Nemotron Embed VL 1B V2 ialah model embedding multimodal NVIDIA untuk pemerolehan semula. Ia menukarkan teks, imej atau input dokumen gabungan kepada vektor dan menyokong carian pertanyaan teks terhadap dokumen yang mengandungi jadual, carta, teks dan infografik.

- [**Ailoot Ultra · Pembenaman** `POST /v1/embeddings` `nvidia/llama-nemotron-embed-vl-1b-v2:free`](https://ailoot.ai/models/ms/nvidia-llama-nemotron-embed-vl-1b-v2-u003a-free/#method-0)

Tentang model

Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.

Llama Nemotron Embed VL 1B V2 ialah model embedding NVIDIA untuk pemerolehan semula soal jawab multimodal. Ia boleh mewakili dokumen sebagai teks, imej atau gabungan imej dan teks. Pertanyaan teks kemudian boleh digunakan untuk mendapatkan dokumen berkaitan. Profil yang diterbitkan menyokong imej dokumen yang mengandungi teks, jadual, carta dan infografik serta mengembalikan vektor embedding.

#### Sediakan item dokumen yang dapat dikenal pasti

Pastikan setiap input dipautkan kepada dokumen sumber, halaman atau petikan yang diwakilinya. Untuk halaman visual, simpan imej dan sebarang teks iringan yang tergolong bersamanya. Untuk petikan teks, simpan tajuk atau label bahagian apabila membantu mentafsir padanan kemudian. Pengecam sumber ini menjadikan item yang diperoleh semula berguna sebagai bukti, bukannya hanya hasil keserupaan berangka.

Pilih sempadan item berdasarkan bahan yang perlu ditemui pengguna. Carta dan penjelasannya mungkin perlu bersama; halaman tidak berkaitan patut mengekalkan identiti berasingan. Semak sama ada input boleh dibaca dan sama ada teks atau imej mengandungi maklumat yang dimaksudkan untuk diperoleh semula oleh pertanyaan sasaran.

#### Pertanyaan teks dan pemerolehan semula vektor

Peranan model ialah menghasilkan vektor untuk pemerolehan semula, dengan teks sebagai bentuk pertanyaan yang diterangkan profil. Pastikan pertanyaan dan item berindeks menggunakan tetapan embedding serasi. Aplikasi menyimpan vektor, membandingkannya dan mengembalikan item sumber sepadan. Dokumen yang diperoleh semula kekal bahan untuk diperiksa atau diberikan kepada langkah penjanaan jawapan kemudian.

Set ujian berguna menyertakan soalan sebenar pengguna dan halaman yang patut ditemui. Semak padanan salah atau yang tiada berdasarkan kandungan sumber serta sempadan item. Simpan pengecam dokumen penuh bersama mana-mana petikan atau imej terpilih supaya hasil dapat diperiksa dalam konteks.

#### Peruntukan input dan artifak carian

Profil perkhidmatan dihoskan yang didokumenkan menyenaraikan sehingga 131,072 token bagi setiap input. Bahagikan set sumber lebih besar kepada input berlabel berasingan dan simpan hubungannya. Output vektor profil ini bukan jawapan prosa terjana atau transkrip; peringkat aplikasi kemudian boleh menggunakan bukti yang diperoleh semula untuk menjawab soalan.

Artifak pemerolehan semula lengkap menghubungkan pertanyaan, item sumber terpilih dan pengecamnya. Simpan model embedding serta penyediaan input yang digunakan untuk indeks supaya perubahan kemudian dapat dibezakan daripada perubahan koleksi sumber.

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

[`nvidia/llama-nemotron-embed-vl-1b-v2:free`](https://ailoot.ai/models/ms/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2%3Afree&route=Ultra&caller=nvidia%2Fllama-nemotron-embed-vl-1b-v2%3Afree&fmt=embeddings)

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

### Pengenalan

Llama Nemotron Embed VL 1B V2 ialah model embedding multimodal NVIDIA untuk pemerolehan semula. Ia menukarkan teks, imej atau input dokumen gabungan kepada vektor dan menyokong carian pertanyaan teks terhadap dokumen yang mengandungi jadual, carta, teks dan infografik.

Input yang diterima

Teks · token\_ids

Hasil

embedding

### Tersedia di Ailoot · input & kaedah

**Ailoot Ultra · Pembenaman** `POST /v1/embeddings`

Input

`text`, `token_ids`

Output

`embedding`

Konteks

131,072 tokens

Format output

json

| Medan | Jenis | Keperluan | Nilai & had | Lalai |
| --- | --- | --- | --- | --- |
| Medan`model` | Jenis`string` | KeperluanDiperlukan | Nilai & had nvidia/llama-nemotron-embed-vl-1b-v2:free | Lalai— |
| Medan`input` | Jenis`string\|string[]\|integer[]\|integer[][]` | KeperluanDiperlukan | Nilai & had Item minimum: 1 Syarat: Kelompok homogen yang tidak kosong. ID token ialah integer bukan negatif. Bajet input: Maksimum: 131,072 · Unit teks: bait UTF8 · Unit token: elemen tatasusunan token | Lalai— |
| Medan`encoding_format` | Jenis`string` | KeperluanPilihan | Nilai & had float | Lalaifloat |
| Medan`dimensions` | Jenis`integer` | KeperluanTidak disokong | Nilai & had Minimum: 1 | Lalai— |
| Medan`user` | Jenis`json_value` | KeperluanPilihan | Nilai & had Syarat: Sumber membenarkan medan metadata JSON ini; semantik tepat di pihak huluan bergantung pada model. | Lalai— |
| Medan`session_id` | Jenis`json_value` | KeperluanPilihan | Nilai & had Syarat: Sumber membenarkan medan metadata JSON ini; semantik tepat di pihak huluan bergantung pada model. | Lalai— |
| Medan`trace` | Jenis`json_value` | KeperluanPilihan | Nilai & had Syarat: Sumber membenarkan medan metadata JSON ini; semantik tepat di pihak huluan bergantung pada model. | Lalai— |
| Medan`provider` | Jenis`object` | KeperluanPilihan | Nilai & had Syarat: provider.options ditolak | Lalai— |

Gabungan bahan input

**text\_to\_embedding**

Parameter kaedah dan kitar hayat

| Parameter | Kontrak |
| --- | --- |
| Parameter`content_type` | Kontrakapplication/json |
| Parameter`required` | Kontrakmodel, input |
| Parameter`input_shapes` | Kontrakstring, string\[\], nonnegative\_integer\_token\_array, nonnegative\_integer\_token\_array\[\] |
| Parameter`encoding_format` | Kontrakfloat |
| Parameter`dimensions_override` | Kontrakfalse |
| Parameter`max_input_budget_units` | Kontrak131072 |
| Parameter`multimodal_objects` | Kontrakfalse |
| Parameter`material_types` | Kontraktext, token\_ids |

Kitar hayat: `synchronous_json`

Simpan setiap indeks dan dimensi vektor.

Nama model multimodal tidak bermakna objek imej dibenarkan pada laluan khusus ini.

### Pelan harga

Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.

Mod pantas

Kadar standard Apabila mod pantas dipilih

Mod flex

Kadar standard Apabila mod flex dipilih

Usaha penaakulan maksimum

Kadar standard Apabila usaha penaakulan maksimum menggunakan pelarasan default

#### Kadar Ailoot

#### Harga mengikut konfigurasi

| Konfigurasi | Jadual kadar | Caj |
| --- | --- | --- |
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Caj Input · Token input **$0** / 1K token Output · Token output **$0** / 1K token Input · Bacaan cache **—** / 1K token Input · Penulisan cache **—** / 1K token Input · Penulisan cache, 1 jam **—** / 1K token |

Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. [Cara rizab dan penyelesaian caj berfungsi →](https://ailoot.ai/docs/ms/billing/reserve/)

### Contoh permintaan

#### Ailoot Ultra · Pembenaman

curlPython SDK

```bash
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
```

```python
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)
```

### Terima dan simpan hasil

#### Ailoot Ultra · Pembenaman

json

##### Simpan semua hasil yang selesai

Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.

Simpan setiap vektor bersama indeksnya. Bilangan vektor mesti sama dengan bilangan input; dimensi mesti konsisten.

##### Jika respons asal perlu disemak

Tiada titik akhir tugas pembenaman diperkenalkan.

Medan respons

| Medan | Jenis |
| --- | --- |
| Medan`object` | Jenisstring |
| Medan`model` | Jenisstring |
| Medan`data[].index` | Jenisinteger |
| Medan`data[].embedding` | Jenisfinite float\[\] |
| Medan`usage` | Jenisobject |

Ralat dan langkah seterusnya

| Respons | Syarat | Langkah seterusnya |
| --- | --- | --- |
| Respons400 · `invalid_request_error` | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |

### Alias

#### Alias model

**Ailoot Ultra** [`nvidia/llama-nemotron-embed-vl-1b-v2:free`](https://ailoot.ai/models/ms/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2%3Afree&route=Ultra&caller=nvidia%2Fllama-nemotron-embed-vl-1b-v2%3Afree&fmt=embeddings)

#### Alias laluan kaedah

Gunakan laluan kaedah yang dipaparkan di atas.

#### ID pemanggil berkaitan

[`nvidia/llama-nemotron-embed-vl-1b-v2:free`](https://ailoot.ai/models/ms/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2%3Afree&route=Ultra&caller=nvidia%2Fllama-nemotron-embed-vl-1b-v2%3Afree&fmt=embeddings)

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

Apakah input dan hasil yang tersedia?

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

Apakah medan yang digunakan oleh permintaan?

`POST /v1/embeddings` · `nvidia/llama-nemotron-embed-vl-1b-v2:free`: `model`, `input`, `encoding_format`, `provider`

Apakah had yang terpakai?

`POST /v1/embeddings` · `nvidia/llama-nemotron-embed-vl-1b-v2:free`: `ctx`: `131072`; `input.budget.maximum`: `131072` (bait UTF8); `input.min_items`: `1`

Sambungkan Ailoot kepada Claude Code, OpenCode, Hermes atau aplikasi anda.

## Syarikat dan portfolio projeknya

Syarikat dan portfolio projeknya: jutaan pelanggan; jualan bernilai berbilion setiap bulan.

## Beli token dengan diskaun.

Diskaun langganan untuk penggunaan berkala. Kod promosi — sehingga 50% bagi pembelian token.

Langganan

Pilih pelan berdiskaun untuk permintaan berkala anda.

Kod promosi sehingga 50%

Masukkan kod semasa pembelian. Harga dikira semula mengikut promosi semasa.

Perbelanjaan dalam sejarah

Model, token dan jumlah disimpan bagi setiap permintaan.

[Pilih langganan](https://ailoot.ai/docs/ms/billing/subscriptions/) · [Lihat harga model](https://ailoot.ai/models/ms/)

## Sambungkan API kepada produk yang anda jual.

SaaS, aplikasi dan bot — di bawah tawaran rasmi serta perjanjian lesen Ailoot. Untuk jualan semula, mohon lesen penjual semula.

Aplikasi komersial

Tambahkan penjanaan teks, imej, video dan audio pada ciri berbayar perkhidmatan anda.

Lesen penjual semula

Hantar keterangan projek dan susunan akses. Minta terma penggunaan serta jualan semula secara bertulis.

Dokumen pada laman

Tawaran, perjanjian lesen dan dasar pemprosesan data tersedia sebelum sambungan.

[Mohon lesen penjual semula](mailto:support@ailoot.ai) · [Tawaran dan perjanjian lesen](https://ailoot.ai/legal/offer?lang=ms)

## Ailoot · Syarikat dan portfolio projeknya





Ailoot berteraskan pengalaman operasi yang mantap, pangkalan pelanggan yang besar, perkhidmatan yang stabil dan pemantauan KPI berterusan.





Syarikat dan portfolio projeknya: jutaan pelanggan; jualan bernilai berbilion setiap bulan.





Ailoot menggunakan pengalaman operasi ini untuk akses API kepada ciri AI dalam produk pelanggan, ejen, aplikasi dan automasi.