Source: https://ailoot.ai/models/nb/nvidia-llama-nemotron-embed-vl-1b-v2-u003a-free/ Canonical: https://ailoot.ai/models/nb/nvidia-llama-nemotron-embed-vl-1b-v2-u003a-free/ Language: nb # NVIDIA: Llama Nemotron Embed VL 1B V2 (free) [Markdown](https://ailoot.ai/models/nb/nvidia-llama-nemotron-embed-vl-1b-v2-u003a-free/index.md) · [JSON](https://ailoot.ai/models/nb/nvidia-llama-nemotron-embed-vl-1b-v2-u003a-free/facts.json) ## [NVIDIA: Llama Nemotron Embed VL 1B V2 (free)](https://ailoot.ai/models/nb/nvidia-llama-nemotron-embed-vl-1b-v2-u003a-free/) Llama Nemotron Embed VL 1B V2 er NVIDIAs multimodale embeddingmodell for gjenfinning. Den omdanner tekst, bilder eller kombinerte dokumentinndata til vektorer og støtter søk med tekstforespørsler i dokumenter som inneholder tabeller, diagrammer, tekst og infografikk. - [**Ailoot Ultra · Vektorrepresentasjoner** `POST /v1/embeddings` `nvidia/llama-nemotron-embed-vl-1b-v2:free`](https://ailoot.ai/models/nb/nvidia-llama-nemotron-embed-vl-1b-v2-u003a-free/#method-0) Om modellen Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden. Llama Nemotron Embed VL 1B V2 er NVIDIAs embeddingmodell for gjenfinning i multimodale spørsmål–svar-systemer. Den kan representere et dokument som tekst, et bilde eller en kombinasjon av bilde og tekst. En tekstforespørsel kan deretter brukes til å hente relaterte dokumenter. Den publiserte profilen støtter dokumentbilder med tekst, tabeller, diagrammer og infografikk og returnerer embeddingvektorer. #### Klargjør identifiserbare dokumentelementer Hold hvert inndataelement knyttet til kildedokumentet, siden eller passasjen det representerer. For en visuell side bevares bildet og eventuell tilhørende tekst. For en tekstpassasje bevares tittelen eller seksjonsbetegnelsen når det bidrar til å tolke et senere treff. Disse kildeidentifikatorene gjør et hentet element nyttig som belegg fremfor bare som et numerisk likhetsresultat. Velg elementgrenser rundt materialet en bruker trenger å finne. Et diagram og forklaringen til det kan høre sammen; sider uten innbyrdes forbindelse bør beholde separate identiteter. Vurder om inndataene er lesbare, og om teksten eller bildet inneholder informasjonen den tiltenkte forespørselen skal hente. #### Tekstforespørsler og vektorgjenfinning Modellens rolle er å produsere vektorer for gjenfinning, med tekst som forespørselsformen profilen beskriver. Hold forespørselen og de indekserte elementene i et kompatibelt embeddingoppsett. Applikasjonen lagrer vektorene, sammenligner dem og returnerer de tilsvarende kildeelementene. Det hentede dokumentet er fortsatt materialet som skal undersøkes eller sendes videre til et senere trinn for svargenerering. Et nyttig testsett inneholder spørsmålene brukerne faktisk stiller, og sidene som skal finnes. Gå gjennom feilaktige eller manglende treff opp mot kildeinnholdet og elementgrensene. Bevar den fullstendige dokumentidentifikatoren sammen med enhver valgt passasje eller ethvert valgt bilde, slik at resultatet kan kontrolleres i sammenheng. #### Inndatagrense og søkeresultat Den dokumenterte driftede tjenesteprofilen oppgir opptil 131 072 tokener per inndataelement. Del større kildesett i separate, merkede inndataelementer, og bevar forbindelsene mellom dem. Profilens vektorutdata er ikke et generert svar i prosa eller en transkripsjon; et senere applikasjonstrinn kan bruke de hentede kildebeleggene til å besvare et spørsmål. Et ferdig gjenfinningsresultat knytter sammen forespørselen, de valgte kildeelementene og identifikatorene deres. Registrer embeddingmodellen og klargjøringen av inndata som brukes for en indeks, slik at senere endringer kan skilles fra endringer i kildesamlingen. **Ailoot Ultra · Vektorrepresentasjoner** `POST /v1/embeddings` `nvidia/llama-nemotron-embed-vl-1b-v2:free` [`nvidia/llama-nemotron-embed-vl-1b-v2:free`](https://ailoot.ai/models/nb/#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` ### Start Llama Nemotron Embed VL 1B V2 er NVIDIAs multimodale embeddingmodell for gjenfinning. Den omdanner tekst, bilder eller kombinerte dokumentinndata til vektorer og støtter søk med tekstforespørsler i dokumenter som inneholder tabeller, diagrammer, tekst og infografikk. Godkjente inndata Tekst · token\_ids Resultater embedding ### Tilgjengelig i Ailoot · inndata & metoder **Ailoot Ultra · Vektorrepresentasjoner** `POST /v1/embeddings` Inndatatyper `text`, `token_ids` Utdatatyper `embedding` Kontekst 131 072 tokens Utdataformat json | Felt | Type | Krav | Verdier & grenser | Standard | | --- | --- | --- | --- | --- | | Felt`model` | Type`string` | KravPåkrevd | Verdier & grenser nvidia/llama-nemotron-embed-vl-1b-v2:free | Standard— | | Felt`input` | Type`string\|string[]\|integer[]\|integer[][]` | KravPåkrevd | Verdier & grenser Minste antall elementer: 1 Vilkår: Ikke-tom batch med ensartede elementer. Token-ID-er er ikke-negative heltall. Inndatabudsjett: Maksimum: 131 072 · Tekstenhet: UTF8-byte · Tokenenhet: elementer i token-arrayet | Standard— | | Felt`encoding_format` | Type`string` | KravValgfritt | Verdier & grenser float | Standardfloat | | Felt`dimensions` | Type`integer` | KravStøttes ikke | Verdier & grenser Minimum: 1 | Standard— | | Felt`user` | Type`json_value` | KravValgfritt | Verdier & grenser Vilkår: Kilden tillater dette JSON-metadatafeltet; den nøyaktige semantikken hos den underliggende leverandøren er modellavhengig. | Standard— | | Felt`session_id` | Type`json_value` | KravValgfritt | Verdier & grenser Vilkår: Kilden tillater dette JSON-metadatafeltet; den nøyaktige semantikken hos den underliggende leverandøren er modellavhengig. | Standard— | | Felt`trace` | Type`json_value` | KravValgfritt | Verdier & grenser Vilkår: Kilden tillater dette JSON-metadatafeltet; den nøyaktige semantikken hos den underliggende leverandøren er modellavhengig. | Standard— | | Felt`provider` | Type`object` | KravValgfritt | Verdier & grenser Vilkår: provider.options avvises | Standard— | Kombinasjoner av inngående materialer **text\_to\_embedding** Metodeparametere og livssyklus | Parameter | Avtale | | --- | --- | | Parameter`content_type` | Avtaleapplication/json | | Parameter`required` | Avtalemodel, input | | Parameter`input_shapes` | Avtalestring, string\[\], nonnegative\_integer\_token\_array, nonnegative\_integer\_token\_array\[\] | | Parameter`encoding_format` | Avtalefloat | | Parameter`dimensions_override` | Avtalefalse | | Parameter`max_input_budget_units` | Avtale131072 | | Parameter`multimodal_objects` | Avtalefalse | | Parameter`material_types` | Avtaletext, token\_ids | Livssyklus: `synchronous_json` Bevar hver vektors indeks og dimensjon. Et multimodalt modellnavn innebærer ikke at bildeobjekter er tillatt på denne nøyaktige stien. ### Priser Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden. Hurtigmodus Standardpris Når hurtigmodus er valgt Flex-modus Standardpris Når flex-modus er valgt Maksimal resonneringsinnsats Standardpris Når justeringen «default» brukes for maksimal resonneringsinnsats #### Ailoot-satser #### Priser etter konfigurasjon | Konfigurasjon | Prisplan | Kostnad | | --- | --- | --- | | KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Kostnad Inndata · Inngående tokener **$0** / 1K tokener Utdata · Utgående tokener **$0** / 1K tokener Inndata · Lesing fra hurtigbuffer **—** / 1K tokener Inndata · Skriving til hurtigbuffer **—** / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time **—** / 1K tokener | Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. [Slik fungerer reservasjon og oppgjør →](https://ailoot.ai/docs/nb/billing/reserve/) ### Eksempelforespørsler #### Ailoot Ultra · Vektorrepresentasjoner curlPython SDK ```bash set -eu : "${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) ``` ### Motta og lagre resultater #### Ailoot Ultra · Vektorrepresentasjoner json ##### Behold alle ferdige resultater Behold alle fullstendige returnerte svar, filer og innholdsdeler. Bevar hver vektor sammen med indeksen. Antall vektorer må være lik antall inndata; dimensjonene må være konsistente. ##### Hvis det opprinnelige svaret må kontrolleres Det innføres ikke noe endepunkt for embedding-jobber. Svarfelter | Felt | Type | | --- | --- | | Felt`object` | Typestring | | Felt`model` | Typestring | | Felt`data[].index` | Typeinteger | | Felt`data[].embedding` | Typefinite float\[\] | | Felt`usage` | Typeobject | Feil og neste trinn | Svar | Vilkår | Neste trinn | | --- | --- | --- | | Svar400 · `invalid_request_error` | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. | ### Aliaser #### Modellaliaser **Ailoot Ultra** [`nvidia/llama-nemotron-embed-vl-1b-v2:free`](https://ailoot.ai/models/nb/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2%3Afree&route=Ultra&caller=nvidia%2Fllama-nemotron-embed-vl-1b-v2%3Afree&fmt=embeddings) #### Aliaser for metodestier Bruk metodestiene som vises ovenfor. #### Tilknyttede anroper-ID-er [`nvidia/llama-nemotron-embed-vl-1b-v2:free`](https://ailoot.ai/models/nb/#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) Hvilke inndata og resultater er tilgjengelige? `POST /v1/embeddings` · `nvidia/llama-nemotron-embed-vl-1b-v2:free`: `text`, `token_ids` → `embedding` Hvilke felt bruker forespørselen? `POST /v1/embeddings` · `nvidia/llama-nemotron-embed-vl-1b-v2:free`: `model`, `input`, `encoding_format`, `provider` Hvilke grenser gjelder? `POST /v1/embeddings` · `nvidia/llama-nemotron-embed-vl-1b-v2:free`: `ctx`: `131072`; `input.budget.maximum`: `131072` (UTF8-byte); `input.min_items`: `1` Koble Ailoot til Claude Code, OpenCode, Hermes eller egen applikasjon. ## Selskapet og dets prosjektportefølje Selskapet og dets prosjektportefølje: millioner av kunder; månedlig salg for milliarder. ## Kjøp tokener med rabatt. Abonnementsrabatt for jevnlig bruk. Kampanjekoder gir opptil 50% på tokenkjøp. Abonnement Velg et rabattabonnement for faste forespørsler. Kampanjekode opptil 50% Oppgi kode ved kjøp. Prisen beregnes på nytt etter gjeldende kampanje. Kostnader i historikken Modell, tokener og beløp lagres for hver forespørsel. [Velg abonnement](https://ailoot.ai/docs/nb/billing/subscriptions/) · [Se modellpriser](https://ailoot.ai/models/nb/) ## Koble API-et til produktet du selger. SaaS, apper og boter etter Ailoots offentlige tilbud og lisensavtale. Be om forhandlerlisens for videresalg. Kommersiell applikasjon Bygg tekst-, bilde-, video- og lydgenerering inn i betalte funksjoner i tjenesten. Forhandlerlisens Send prosjektbeskrivelse og tilgangsopplegg. Be om skriftlige vilkår for bruk og videresalg. Dokumenter på nettstedet Offentlig tilbud, lisensavtale og retningslinjer for databehandling er tilgjengelige før tilkobling. [Be om forhandlerlisens](mailto:support@ailoot.ai) · [Offentlig tilbud og lisensavtale](https://ailoot.ai/legal/offer?lang=nb) ## Ailoot · Selskapet og dets prosjektportefølje Ailoot bygger på etablert driftserfaring, en stor kundebase, stabil tjeneste og løpende KPI-kontroll. Selskapet og dets prosjektportefølje: millioner av kunder; månedlig salg for milliarder. Ailoot bruker denne driftserfaringen til API-tilgang til AI-funksjoner i kundenes produkter, agenter, applikasjoner og automatiseringer.