Source: https://ailoot.ai/models/ms/nvidia-nemotron-3-embed-1b-u003a-free/
Canonical: https://ailoot.ai/models/ms/nvidia-nemotron-3-embed-1b-u003a-free/
Language: ms

# NVIDIA: Nemotron 3 Embed 1B (free)

[Markdown](https://ailoot.ai/models/ms/nvidia-nemotron-3-embed-1b-u003a-free/index.md) · [JSON](https://ailoot.ai/models/ms/nvidia-nemotron-3-embed-1b-u003a-free/facts.json)

## [NVIDIA: Nemotron 3 Embed 1B (free)](https://ailoot.ai/models/ms/nvidia-nemotron-3-embed-1b-u003a-free/)

NVIDIA Nemotron 3 Embed 1B mewakili pertanyaan dan petikan berbilang bahasa sebagai vektor 2048 dimensi untuk carian dan RAG. Keluarga yang didokumentasikan menyokong jujukan 32,768 token dan saiz vektor yang dikurangkan dengan penormalan semula.

- [**Ailoot Ultra · Pembenaman** `POST /v1/embeddings` `nvidia/nemotron-3-embed-1b:free`](https://ailoot.ai/models/ms/nvidia-nemotron-3-embed-1b-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.

Nemotron 3 Embed 1B ialah keluarga embedding teks NVIDIA untuk pemerolehan semula berbilang bahasa dan merentas bahasa serta keserupaan semantik. Ia menukarkan soalan atau petikan kepada vektor padat yang boleh dibandingkan sistem carian dengan perwakilan teks lain. Pengeluar menilai keluaran 1B yang didokumenkan merentas tiga puluh empat tetapan bahasa dan varian bahasa, termasuk bahasa Inggeris, Arab, Cina, Rusia, Jepun, Korea dan Hinglish.

#### Pengekod dan perwakilan

Kad model pembuat menerangkan transformer dwihala yang dipangkas dan dibangunkan daripada Ministral 3. Ia mempunyai kira-kira 1.14 bilion parameter dan mempuratakan perwakilan peringkat token untuk mendapatkan satu embedding bagi setiap teks. Output natif ialah vektor titik terapung 2048 dimensi. Ini perwakilan pemerolehan semula, bukannya jawapan bertulis kepada soalan yang dihasilkan embeddingnya.

Pengeluar turut menyokong pengekalan bahagian awal perwakilan itu, contohnya 1024 atau 512 dimensi. Vektor dipendekkan mesti dinormalkan semula mengikut L2 selepas dipotong. Pastikan panjang perwakilan terpilih dan penormalan konsisten antara bahagian pertanyaan serta korpus tugas carian. Panjang vektor dan panjang jujukan input ialah sifat berasingan.

#### Penyediaan pertanyaan dan petikan

Konvensyen pemerolehan semula yang didokumenkan menggunakan “query:” untuk soalan dan “passage:” untuk teks dokumen. Contoh pengeluar menggunakan peranan itu sebelum pengekodan dan membandingkan vektor ternormal melalui hasil darab titik, bersamaan keserupaan kosinus. Gunakan penyediaan yang dijangka oleh aliran kerja terpilih, bukannya mencampurkan perwakilan korpus mentah dengan pertanyaan yang disediakan secara berbeza.

Koleksi praktikal boleh mengandungi penjelasan teknikal, dasar atau dokumentasi berkaitan kod. Soalan tentang cara fungsi mengendalikan kes tertentu patut mendapatkan petikan sumber atau petikan kod yang menerangkan tingkah laku itu. Simpan pengecam, tajuk dan syarat berkaitan bersama teks petikan sebenar. Vektor menjadikan calon boleh dicari; sumber yang disimpan ialah bahan yang digunakan pembaca atau peringkat jawapan RAG kemudian.

#### Bahan sumber lebih panjang

Panjang jujukan maksimum yang didokumenkan ialah 32,768 token. Pilih sempadan petikan dengan sengaja walaupun model boleh memuatkan teks yang banyak. Bahagian lengkap boleh mengekalkan takrif dan pengecualiannya; petikan terfokus boleh menjadikan jawapan khusus lebih mudah diperiksa. Input melebihi tetingkap model memerlukan pembahagian atau pemotongan, maka hujung yang terbuang tidak patut dianggap sebagai kandungan yang diwakili.

Pastikan setiap item yang dihasilkan embeddingnya dipautkan kepada dokumen induk dan versi. Untuk laporan, simpan tajuk bahagian dan penjelasan di sekeliling kesimpulan yang ditanyakan. Untuk carian kod, simpan nama fungsi, antara muka berkaitan dan tingkah laku di sisi petikan. Ini menyediakan artifak sumber konkrit apabila peringkat pemerolehan semula mengembalikan calon.

#### Edisi keluarga dan penggunaan hasil

NVIDIA mendokumenkan versi BF16 dan NVFP4 keluarga 1B. Kad model terkuantumnya menyatakan bahawa kedua-dua keluaran berkongsi ruang embedding dan mengesyorkan semakan kualiti pemerolehan semula menggunakan bahan yang mewakili tugas apabila menukar versi. Perwakilan bersama yang diisytiharkan ialah pernyataan pengeluar tentang pasangan bernama itu, bukan peraturan umum bagi setiap model yang mempunyai 2048 nilai output.

Hasil berguna ialah vektor pertanyaan atau koleksi sumber berindeks dengan model, pilihan dimensi dan penyediaannya direkodkan. Kembalikan teks calon bersama pengecam dan periksa sama ada ia membekalkan maklumat yang diperlukan. Pengeluar secara jelas menyatakan bahawa model pemerolehan semula tidak menjamin petikan yang betul untuk setiap soalan; peringkat penyusunan semula kedudukan atau jawapan kemudian mengendalikan calon itu sebagai tugasnya sendiri.

**Ailoot Ultra · Pembenaman** `POST /v1/embeddings` `nvidia/nemotron-3-embed-1b:free`

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

NVIDIA /`nvidia/nemotron-3-embed-1b:free`

### Pengenalan

NVIDIA Nemotron 3 Embed 1B mewakili pertanyaan dan petikan berbilang bahasa sebagai vektor 2048 dimensi untuk carian dan RAG. Keluarga yang didokumentasikan menyokong jujukan 32,768 token dan saiz vektor yang dikurangkan dengan penormalan semula.

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

32,768 tokens

Format output

json

| Medan | Jenis | Keperluan | Nilai & had | Lalai |
| --- | --- | --- | --- | --- |
| Medan`model` | Jenis`string` | KeperluanDiperlukan | Nilai & had nvidia/nemotron-3-embed-1b: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: 32,768 · 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` | Kontrak32768 |
| 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/nemotron-3-embed-1b: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/nemotron-3-embed-1b: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/nemotron-3-embed-1b:free`](https://ailoot.ai/models/ms/#m=nvidia%2Fnemotron-3-embed-1b%3Afree&route=Ultra&caller=nvidia%2Fnemotron-3-embed-1b%3Afree&fmt=embeddings)

#### Alias laluan kaedah

Gunakan laluan kaedah yang dipaparkan di atas.

#### ID pemanggil berkaitan

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

FAQ · NVIDIA: Nemotron 3 Embed 1B (free)

Apakah input dan hasil yang tersedia?

`POST /v1/embeddings` · `nvidia/nemotron-3-embed-1b:free`: `text`, `token_ids` → `embedding`

Apakah medan yang digunakan oleh permintaan?

`POST /v1/embeddings` · `nvidia/nemotron-3-embed-1b:free`: `model`, `input`, `encoding_format`, `provider`

Apakah had yang terpakai?

`POST /v1/embeddings` · `nvidia/nemotron-3-embed-1b:free`: `ctx`: `32768`; `input.budget.maximum`: `32768` (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.