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

# Nemotron 3 Embed 1B

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

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

Nemotron 3 Embed 1B menukarkan teks kepada vektor untuk carian berbilang bahasa, carian kod dan RAG. Memproses urutan sehingga 32768 token dan menghasilkan perwakilan dengan dimensi 2048 nombor.

- [**Ailoot · Pembenaman** `POST /v1/embeddings` `nvidia/nemotron-3-embed-1b`](https://ailoot.ai/models/ms/nvidia-nemotron-3-embed-1b/#method-0)
- [**Ailoot · Pembenaman** `POST /v1/embeddings` `nemotron-3-embed`](https://ailoot.ai/models/ms/nvidia-nemotron-3-embed-1b/#method-1)
- [**Ailoot · Pembenaman** `POST /v1/embeddings` `nemotron-3-embed-latest`](https://ailoot.ai/models/ms/nvidia-nemotron-3-embed-1b/#method-2)

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 model teks NVIDIA untuk carian berdasarkan makna dan pemadanan petikan. Model mengekodkan soalan, dokumen dan kod program kepada vektor angka padat. Perwakilan ini digunakan untuk mencari konteks yang diperlukan dalam koleksi besar, melengkapkan respons pembantu dengannya atau mendapatkan maklumat yang disimpan sebelum ini untuk langkah ejen seterusnya.

#### Pengetahuan berbilang bahasa dan kod

Model direka untuk carian berbilang bahasa dan rentas bahasa: soalan dan bahan yang sesuai boleh ditulis dalam bahasa berbeza. Bahasa Rusia termasuk dalam set 34 bahasa yang diterbitkan, bersama bahasa Inggeris, Ukraine, Cina, Jepun, Arab dan bahasa lain. Ini berguna untuk pangkalan pengetahuan bersama yang dokumen teknikal dan permintaan penggunanya tidak diseragamkan kepada satu bahasa.

Antara tugasan ialah carian dokumentasi, pemadanan teks dan pencarian kod berdasarkan penerangan bertulis. Tetingkap input besar membolehkan dokumen panjang, konteks perisian yang banyak dan sejarah beberapa langkah ejen digunakan. Bahan yang ditemui dikembalikan kepada proses seterusnya sebagai konteks; penerangan dan respons akhir dihasilkan oleh komponen sistem yang berikutnya.

#### Daripada teks kepada vektor

Input terdiri daripada rentetan teks. Satu vektor dengan 2048 nombor dihasilkan bagi setiap rentetan. Panjang urutan maksimum ialah 32768 token; bahan lebih panjang perlu dibahagikan atau dipendekkan. Penyediaan input membezakan soalan dengan dokumen: model dilatih untuk memadankan peranan masing-masing, jadi rentetan yang sama dalam dua tugasan ini tidak patut disediakan tanpa mengambil kira tujuannya.

Vektor dinormalkan mengikut panjang. Dengan perwakilan sebegini, hasil darab skalar dan keserupaan kosinus memberikan cara perbandingan yang setara. Koordinat 1024 atau 512 yang pertama daripada vektor penuh boleh dikekalkan, tetapi penormalan perlu dilakukan semula selepas pemotongan. Ini ialah sifat pemprosesan hasil; dimensi perlu dipilih secara konsisten untuk koleksi dan pertanyaan.

#### Struktur model padat

Pengekod mengandungi kira-kira 1,14 bilion parameter. Pengekod dihasilkan daripada model berasaskan Ministral 3 3B melalui dua peringkat pengecilan struktur dan penyulingan. Perhatian dua hala mengambil kira keseluruhan input, kemudian perwakilan token diambil purata menjadi vektor bersama.

NVIDIA mengeluarkan varian BF16 dan NVFP4. Ruang perwakilannya hampir serupa, tetapi pertukaran varian memerlukan semakan menggunakan dokumen sendiri. Keserupaan angka mahupun panjang konteks tidak menjamin bahawa carian sentiasa memilih petikan yang betul.

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

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

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

ID model

- `nvidia/nemotron-3-embed-1b`
- `nemotron-3-embed`
- `nemotron-3-embed-latest`

### Pengenalan

Nemotron 3 Embed 1B menukarkan teks kepada vektor untuk carian berbilang bahasa, carian kod dan RAG. Memproses urutan sehingga 32768 token dan menghasilkan perwakilan dengan dimensi 2048 nombor.

Input yang diterima

Teks

Hasil

embedding

### Tersedia di Ailoot · input & kaedah

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

Input

`text`

Output

`embedding`

Konteks

4,096 tokens

Format output

json

| Medan | Jenis | Keperluan | Nilai & had | Lalai |
| --- | --- | --- | --- | --- |
| Medan`model` | Jenis`string` | KeperluanDiperlukan | Nilai & had nvidia/nemotron-3-embed-1b | Lalai— |
| Medan`input` | Jenis`string\|string[]` | KeperluanDiperlukan | Nilai & had Item minimum: 1 Syarat: Setiap rentetan mesti tidak kosong selepas trim; URI data ditolak; belanjawan yang diterima mengukur bait UTF8 yang berkaitan. | Lalai— |
| Medan`input_type` | Jenis`string` | KeperluanPilihan | Nilai & had query, passage | Lalaiquery |
| Medan`encoding_format` | Jenis`string` | KeperluanPilihan | Nilai & had float, base64 | Lalaifloat |
| Medan`truncate` | Jenis`string` | KeperluanPilihan | Nilai & had NONE, START, END | Lalai— |
| Medan`dimensions` | Jenis`integer` | KeperluanPilihan | Nilai & had Minimum: 1 | Lalai— |
| Medan`user` | Jenis`string` | KeperluanPilihan | Nilai & had | Lalai— |

Gabungan bahan input

**text\_to\_embedding**

Parameter kaedah dan kitar hayat

| Parameter | Kontrak |
| --- | --- |
| Parameter`material_types` | Kontraktext |
| Parameter`required` | Kontrakmodel, input |
| Parameter`optional_controls` | Kontraknull |
| Parameter`content_type` | Kontrakapplication/json |

Kitar hayat: `exact retained published method`

Struktur kaedah dan ID adalah tepat; keupayaan pembekal berasingan daripada penerimaan permintaan.

### Pelan harga

#### Kadar kaedah Ailoot

Input

USD 0.0001 */ 1K*

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 · Pembenaman

Contoh pembenaman

```bash
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"
export AILOOT_TEXT_FILE
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "nvidia/nemotron-3-embed-1b", "input": []}')
f=Path(os.environ["AILOOT_TEXT_FILE"])
if not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")
text=f.read_text(encoding="utf-8")
if not text.strip():raise SystemExit("Source material must contain text")
p["input"]=[text]
Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
r=json.loads(Path("result.json").read_text())
for x in r.get("data",[]): print(json.dumps({"index":x.get("index"),"embedding":x.get("embedding")}))
PY_RESULT
```

### Terima dan simpan hasil

#### Ailoot · Pembenaman

json

##### Simpan semua hasil yang selesai

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

Nyahkod vektor base64 hanya apabila format tersebut diminta; simpan setiap vektor berserta indeks asalnya.

##### Jika respons asal perlu disemak

Tiada titik akhir tugas pembenaman diperkenalkan.

Medan respons

| Medan | Jenis |
| --- | --- |
| Medan`data[].index` | Jenisinteger |
| Medan`data[].embedding` | Jenisfinite float\[\]\|base64 float32 vector |
| Medan`model` | Jenisstring |
| 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** [`nvidia/nemotron-3-embed-1b`](https://ailoot.ai/models/ms/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nvidia%2Fnemotron-3-embed-1b&fmt=embeddings), [`nemotron-3-embed`](https://ailoot.ai/models/ms/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nemotron-3-embed&fmt=embeddings), [`nemotron-3-embed-latest`](https://ailoot.ai/models/ms/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nemotron-3-embed-latest&fmt=embeddings)

#### Alias laluan kaedah

Gunakan laluan kaedah yang dipaparkan di atas.

#### ID pemanggil berkaitan

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

**Ailoot · Pembenaman** `POST /v1/embeddings` `nemotron-3-embed`

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

NVIDIA /`nemotron-3-embed`

ID model

- `nvidia/nemotron-3-embed-1b`
- `nemotron-3-embed`
- `nemotron-3-embed-latest`

### Pengenalan

Nemotron 3 Embed 1B menukarkan teks kepada vektor untuk carian berbilang bahasa, carian kod dan RAG. Memproses urutan sehingga 32768 token dan menghasilkan perwakilan dengan dimensi 2048 nombor.

Input yang diterima

Teks

Hasil

embedding

### Tersedia di Ailoot · input & kaedah

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

Input

`text`

Output

`embedding`

Konteks

4,096 tokens

Format output

json

| Medan | Jenis | Keperluan | Nilai & had | Lalai |
| --- | --- | --- | --- | --- |
| Medan`model` | Jenis`string` | KeperluanDiperlukan | Nilai & had nemotron-3-embed | Lalai— |
| Medan`input` | Jenis`string\|string[]` | KeperluanDiperlukan | Nilai & had Item minimum: 1 Syarat: Setiap rentetan mesti tidak kosong selepas trim; URI data ditolak; belanjawan yang diterima mengukur bait UTF8 yang berkaitan. | Lalai— |
| Medan`input_type` | Jenis`string` | KeperluanPilihan | Nilai & had query, passage | Lalaiquery |
| Medan`encoding_format` | Jenis`string` | KeperluanPilihan | Nilai & had float, base64 | Lalaifloat |
| Medan`truncate` | Jenis`string` | KeperluanPilihan | Nilai & had NONE, START, END | Lalai— |
| Medan`dimensions` | Jenis`integer` | KeperluanPilihan | Nilai & had Minimum: 1 | Lalai— |
| Medan`user` | Jenis`string` | KeperluanPilihan | Nilai & had | Lalai— |

Gabungan bahan input

**text\_to\_embedding**

Parameter kaedah dan kitar hayat

| Parameter | Kontrak |
| --- | --- |
| Parameter`material_types` | Kontraktext |
| Parameter`required` | Kontrakmodel, input |
| Parameter`optional_controls` | Kontraknull |
| Parameter`content_type` | Kontrakapplication/json |

Kitar hayat: `exact retained published method`

Struktur kaedah dan ID adalah tepat; keupayaan pembekal berasingan daripada penerimaan permintaan.

### Pelan harga

#### Kadar kaedah Ailoot

Input

USD 0.0001 */ 1K*

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 · Pembenaman

Contoh pembenaman

```bash
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"
export AILOOT_TEXT_FILE
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "nemotron-3-embed", "input": []}')
f=Path(os.environ["AILOOT_TEXT_FILE"])
if not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")
text=f.read_text(encoding="utf-8")
if not text.strip():raise SystemExit("Source material must contain text")
p["input"]=[text]
Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
r=json.loads(Path("result.json").read_text())
for x in r.get("data",[]): print(json.dumps({"index":x.get("index"),"embedding":x.get("embedding")}))
PY_RESULT
```

### Terima dan simpan hasil

#### Ailoot · Pembenaman

json

##### Simpan semua hasil yang selesai

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

Nyahkod vektor base64 hanya apabila format tersebut diminta; simpan setiap vektor berserta indeks asalnya.

##### Jika respons asal perlu disemak

Tiada titik akhir tugas pembenaman diperkenalkan.

Medan respons

| Medan | Jenis |
| --- | --- |
| Medan`data[].index` | Jenisinteger |
| Medan`data[].embedding` | Jenisfinite float\[\]\|base64 float32 vector |
| Medan`model` | Jenisstring |
| 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** [`nvidia/nemotron-3-embed-1b`](https://ailoot.ai/models/ms/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nvidia%2Fnemotron-3-embed-1b&fmt=embeddings), [`nemotron-3-embed`](https://ailoot.ai/models/ms/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nemotron-3-embed&fmt=embeddings), [`nemotron-3-embed-latest`](https://ailoot.ai/models/ms/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nemotron-3-embed-latest&fmt=embeddings)

#### Alias laluan kaedah

Gunakan laluan kaedah yang dipaparkan di atas.

#### ID pemanggil berkaitan

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

**Ailoot · Pembenaman** `POST /v1/embeddings` `nemotron-3-embed-latest`

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

NVIDIA /`nemotron-3-embed-latest`

ID model

- `nvidia/nemotron-3-embed-1b`
- `nemotron-3-embed`
- `nemotron-3-embed-latest`

### Pengenalan

Nemotron 3 Embed 1B menukarkan teks kepada vektor untuk carian berbilang bahasa, carian kod dan RAG. Memproses urutan sehingga 32768 token dan menghasilkan perwakilan dengan dimensi 2048 nombor.

Input yang diterima

Teks

Hasil

embedding

### Tersedia di Ailoot · input & kaedah

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

Input

`text`

Output

`embedding`

Konteks

4,096 tokens

Format output

json

| Medan | Jenis | Keperluan | Nilai & had | Lalai |
| --- | --- | --- | --- | --- |
| Medan`model` | Jenis`string` | KeperluanDiperlukan | Nilai & had nemotron-3-embed-latest | Lalai— |
| Medan`input` | Jenis`string\|string[]` | KeperluanDiperlukan | Nilai & had Item minimum: 1 Syarat: Setiap rentetan mesti tidak kosong selepas trim; URI data ditolak; belanjawan yang diterima mengukur bait UTF8 yang berkaitan. | Lalai— |
| Medan`input_type` | Jenis`string` | KeperluanPilihan | Nilai & had query, passage | Lalaiquery |
| Medan`encoding_format` | Jenis`string` | KeperluanPilihan | Nilai & had float, base64 | Lalaifloat |
| Medan`truncate` | Jenis`string` | KeperluanPilihan | Nilai & had NONE, START, END | Lalai— |
| Medan`dimensions` | Jenis`integer` | KeperluanPilihan | Nilai & had Minimum: 1 | Lalai— |
| Medan`user` | Jenis`string` | KeperluanPilihan | Nilai & had | Lalai— |

Gabungan bahan input

**text\_to\_embedding**

Parameter kaedah dan kitar hayat

| Parameter | Kontrak |
| --- | --- |
| Parameter`material_types` | Kontraktext |
| Parameter`required` | Kontrakmodel, input |
| Parameter`optional_controls` | Kontraknull |
| Parameter`content_type` | Kontrakapplication/json |

Kitar hayat: `exact retained published method`

Struktur kaedah dan ID adalah tepat; keupayaan pembekal berasingan daripada penerimaan permintaan.

### Pelan harga

#### Kadar kaedah Ailoot

Input

USD 0.0001 */ 1K*

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 · Pembenaman

Contoh pembenaman

```bash
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"
export AILOOT_TEXT_FILE
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "nemotron-3-embed-latest", "input": []}')
f=Path(os.environ["AILOOT_TEXT_FILE"])
if not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")
text=f.read_text(encoding="utf-8")
if not text.strip():raise SystemExit("Source material must contain text")
p["input"]=[text]
Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
r=json.loads(Path("result.json").read_text())
for x in r.get("data",[]): print(json.dumps({"index":x.get("index"),"embedding":x.get("embedding")}))
PY_RESULT
```

### Terima dan simpan hasil

#### Ailoot · Pembenaman

json

##### Simpan semua hasil yang selesai

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

Nyahkod vektor base64 hanya apabila format tersebut diminta; simpan setiap vektor berserta indeks asalnya.

##### Jika respons asal perlu disemak

Tiada titik akhir tugas pembenaman diperkenalkan.

Medan respons

| Medan | Jenis |
| --- | --- |
| Medan`data[].index` | Jenisinteger |
| Medan`data[].embedding` | Jenisfinite float\[\]\|base64 float32 vector |
| Medan`model` | Jenisstring |
| 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** [`nvidia/nemotron-3-embed-1b`](https://ailoot.ai/models/ms/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nvidia%2Fnemotron-3-embed-1b&fmt=embeddings), [`nemotron-3-embed`](https://ailoot.ai/models/ms/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nemotron-3-embed&fmt=embeddings), [`nemotron-3-embed-latest`](https://ailoot.ai/models/ms/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nemotron-3-embed-latest&fmt=embeddings)

#### Alias laluan kaedah

Gunakan laluan kaedah yang dipaparkan di atas.

#### ID pemanggil berkaitan

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

FAQ · nvidia/nemotron-3-embed-1b

Apakah input dan hasil yang tersedia?

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

Apakah medan yang digunakan oleh permintaan?

`POST /v1/embeddings` · `nvidia/nemotron-3-embed-1b`: `model`, `input`, `input_type`, `encoding_format`, `truncate`, `dimensions`, `user` `POST /v1/embeddings` · `nemotron-3-embed`: `model`, `input`, `input_type`, `encoding_format`, `truncate`, `dimensions`, `user` `POST /v1/embeddings` · `nemotron-3-embed-latest`: `model`, `input`, `input_type`, `encoding_format`, `truncate`, `dimensions`, `user`

Apakah had yang terpakai?

`POST /v1/embeddings` · `nvidia/nemotron-3-embed-1b`: `ctx`: `4096`; `input.min_items`: `1`; `dimensions.minimum`: `1` `POST /v1/embeddings` · `nemotron-3-embed`: `ctx`: `4096`; `input.min_items`: `1`; `dimensions.minimum`: `1` `POST /v1/embeddings` · `nemotron-3-embed-latest`: `ctx`: `4096`; `input.min_items`: `1`; `dimensions.minimum`: `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.