Nemotron 3 Embed 1B
Nemotron 3 Embed 1B gjør tekst om til vektorer for søk på flere språk, kodesøk og RAG. Den behandler sekvenser på opptil 32768 tokener og gir en representasjon med 2048 tall.
- Ailoot · Vektorrepresentasjoner
POST /v1/embeddingsnvidia/nemotron-3-embed-1b - Ailoot · Vektorrepresentasjoner
POST /v1/embeddingsnemotron-3-embed - Ailoot · Vektorrepresentasjoner
POST /v1/embeddingsnemotron-3-embed-latest
Om modellen
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Nemotron 3 Embed 1B er en tekstmodell fra NVIDIA for søk etter mening og sammenligning av utsnitt. Den koder spørsmål, dokumenter og programkode til tette numeriske vektorer. Representasjonene brukes til å finne riktig kontekst i store samlinger, supplere assistentsvaret med den eller hente tidligere lagret informasjon til agentens neste trinn.
Kunnskap på flere språk og kode
Modellen er laget for søk på flere språk og på tvers av språk: spørsmålet og det relevante materialet kan være skrevet på forskjellige språk. Russisk inngår i det publiserte settet med 34 språk, sammen med engelsk, ukrainsk, kinesisk, japansk, arabisk og andre. Dette er nyttig for felles kunnskapsbaser der tekniske dokumenter og brukerhenvendelser ikke er samlet på ett språk.
Oppgavene omfatter søk i dokumentasjon, sammenligning av tekster og gjenfinning av kode fra en språklig beskrivelse. Det store inndatavinduet gjør det mulig å arbeide med lange dokumenter, omfattende kodekontekst og historikk fra flere agenttrinn. Materialet som finnes, returneres som kontekst til den videre prosessen; det endelige svaret og forklaringene utarbeides av neste systemkomponent.
Fra tekst til vektor
Inndataene er tekststrenger. Hver streng gir én vektor med 2048 tall. Maksimal sekvenslengde er 32768 tokener; lengre materiale må deles eller forkortes. Ved klargjøring av inndata skilles det mellom spørsmål og dokument: modellen er trent til å koble disse rollene, så samme streng i de to oppgavene må formateres med hensyn til formålet.
Vektorene lengdenormaliseres. Med en slik representasjon gir skalarprodukt og cosinuslikhet likeverdige sammenligningsmetoder. De første 1024 eller 512 koordinatene i den fullstendige vektoren kan beholdes, men normaliseringen må gjentas etter avkorting. Dette er en egenskap ved resultatbehandlingen; dimensjonen bør velges konsekvent for samling og søkespørsmål.
Hvordan den kompakte modellen er bygd
Enkoderen har omtrent 1,14 milliarder parametere. Den er hentet fra en modell basert på Ministral 3 3B gjennom to trinn med strukturell reduksjon og destillasjon. Toveis oppmerksomhet tar hensyn til hele inndataene, og tokenrepresentasjonene gjennomsnittsberegnes deretter til én vektor.
NVIDIA gir ut variantene BF16 og NVFP4. Representasjonsrommene ligger nær hverandre, men bytte av variant krever kontroll på egne dokumenter. Verken numerisk likhet eller kontekstlengde garanterer at søket alltid velger riktig utsnitt.
Ailoot · Vektorrepresentasjoner POST /v1/embeddings nvidia/nemotron-3-embed-1b
nvidia/nemotron-3-embed-1bnvidia/nemotron-3-embed-1bnemotron-3-embednemotron-3-embed-latest
Start
Nemotron 3 Embed 1B gjør tekst om til vektorer for søk på flere språk, kodesøk og RAG. Den behandler sekvenser på opptil 32768 tokener og gir en representasjon med 2048 tall.
- Godkjente inndata
- Tekst
- Resultater
- embedding
Tilgjengelig i Ailoot · inndata & metoder
Ailoot · Vektorrepresentasjoner POST /v1/embeddings
- Inndatatyper
text- Utdatatyper
embedding- Kontekst
- 4 096 tokens
- Utdataformat
- json
| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser nvidia/nemotron-3-embed-1b | Standard— |
Feltinput | Typestring|string[] | KravPåkrevd | Verdier & grenser Minste antall elementer: 1 Vilkår: Hver streng må ha innhold etter fjerning av blanktegn i begynnelsen og slutten; data-URI-er avvises; det godtatte budsjettet måler de relevante UTF8-bytene. | Standard— |
Feltinput_type | Typestring | KravValgfritt | Verdier & grenser query, passage | Standardquery |
Feltencoding_format | Typestring | KravValgfritt | Verdier & grenser float, base64 | Standardfloat |
Felttruncate | Typestring | KravValgfritt | Verdier & grenser NONE, START, END | Standard— |
Feltdimensions | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 | Standard— |
Feltuser | Typestring | KravValgfritt | Verdier & grenser | Standard— |
Kombinasjoner av inngående materialer
text_to_embedding
Metodeparametere og livssyklus
| Parameter | Avtale |
|---|---|
Parametermaterial_types | Avtaletext |
Parameterrequired | Avtalemodel, input |
Parameteroptional_controls | Avtalenull |
Parametercontent_type | Avtaleapplication/json |
Livssyklus: exact retained published method
Metodestrukturer og ID-er er eksakte; leverandørens evne er adskilt fra godkjenning av forespørselen.
Priser
Satser for Ailoot-metoder
POST /v1/embeddings- Inndata
- 0,0001 USD / 1K
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 →
Eksempelforespørsler
Ailoot · Vektorrepresentasjoner
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
Motta og lagre resultater
Ailoot · Vektorrepresentasjoner
json
Behold alle ferdige resultater
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Dekod vektorer i base64 bare når dette formatet ble forespurt; behold hver vektor og dens opprinnelige indeks.
Hvis det opprinnelige svaret må kontrolleres
Det innføres ikke noe endepunkt for embedding-jobber.
Svarfelter
| Felt | Type |
|---|---|
Feltdata[].index | Typeinteger |
Feltdata[].embedding | Typefinite float[]|base64 float32 vector |
Feltmodel | Typestring |
Feltusage | 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 nvidia/nemotron-3-embed-1b, nemotron-3-embed, nemotron-3-embed-latest
Aliaser for metodestier
Bruk metodestiene som vises ovenfor.
Tilknyttede anroper-ID-er
nvidia/nemotron-3-embed-1b, nemotron-3-embed, nemotron-3-embed-latest
Ailoot · Vektorrepresentasjoner POST /v1/embeddings nemotron-3-embed
nemotron-3-embednvidia/nemotron-3-embed-1bnemotron-3-embednemotron-3-embed-latest
Start
Nemotron 3 Embed 1B gjør tekst om til vektorer for søk på flere språk, kodesøk og RAG. Den behandler sekvenser på opptil 32768 tokener og gir en representasjon med 2048 tall.
- Godkjente inndata
- Tekst
- Resultater
- embedding
Tilgjengelig i Ailoot · inndata & metoder
Ailoot · Vektorrepresentasjoner POST /v1/embeddings
- Inndatatyper
text- Utdatatyper
embedding- Kontekst
- 4 096 tokens
- Utdataformat
- json
| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser nemotron-3-embed | Standard— |
Feltinput | Typestring|string[] | KravPåkrevd | Verdier & grenser Minste antall elementer: 1 Vilkår: Hver streng må ha innhold etter fjerning av blanktegn i begynnelsen og slutten; data-URI-er avvises; det godtatte budsjettet måler de relevante UTF8-bytene. | Standard— |
Feltinput_type | Typestring | KravValgfritt | Verdier & grenser query, passage | Standardquery |
Feltencoding_format | Typestring | KravValgfritt | Verdier & grenser float, base64 | Standardfloat |
Felttruncate | Typestring | KravValgfritt | Verdier & grenser NONE, START, END | Standard— |
Feltdimensions | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 | Standard— |
Feltuser | Typestring | KravValgfritt | Verdier & grenser | Standard— |
Kombinasjoner av inngående materialer
text_to_embedding
Metodeparametere og livssyklus
| Parameter | Avtale |
|---|---|
Parametermaterial_types | Avtaletext |
Parameterrequired | Avtalemodel, input |
Parameteroptional_controls | Avtalenull |
Parametercontent_type | Avtaleapplication/json |
Livssyklus: exact retained published method
Metodestrukturer og ID-er er eksakte; leverandørens evne er adskilt fra godkjenning av forespørselen.
Priser
Satser for Ailoot-metoder
POST /v1/embeddings- Inndata
- 0,0001 USD / 1K
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 →
Eksempelforespørsler
Ailoot · Vektorrepresentasjoner
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
Motta og lagre resultater
Ailoot · Vektorrepresentasjoner
json
Behold alle ferdige resultater
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Dekod vektorer i base64 bare når dette formatet ble forespurt; behold hver vektor og dens opprinnelige indeks.
Hvis det opprinnelige svaret må kontrolleres
Det innføres ikke noe endepunkt for embedding-jobber.
Svarfelter
| Felt | Type |
|---|---|
Feltdata[].index | Typeinteger |
Feltdata[].embedding | Typefinite float[]|base64 float32 vector |
Feltmodel | Typestring |
Feltusage | 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 nvidia/nemotron-3-embed-1b, nemotron-3-embed, nemotron-3-embed-latest
Aliaser for metodestier
Bruk metodestiene som vises ovenfor.
Tilknyttede anroper-ID-er
nvidia/nemotron-3-embed-1b, nemotron-3-embed, nemotron-3-embed-latest
Ailoot · Vektorrepresentasjoner POST /v1/embeddings nemotron-3-embed-latest
nemotron-3-embed-latestnvidia/nemotron-3-embed-1bnemotron-3-embednemotron-3-embed-latest
Start
Nemotron 3 Embed 1B gjør tekst om til vektorer for søk på flere språk, kodesøk og RAG. Den behandler sekvenser på opptil 32768 tokener og gir en representasjon med 2048 tall.
- Godkjente inndata
- Tekst
- Resultater
- embedding
Tilgjengelig i Ailoot · inndata & metoder
Ailoot · Vektorrepresentasjoner POST /v1/embeddings
- Inndatatyper
text- Utdatatyper
embedding- Kontekst
- 4 096 tokens
- Utdataformat
- json
| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser nemotron-3-embed-latest | Standard— |
Feltinput | Typestring|string[] | KravPåkrevd | Verdier & grenser Minste antall elementer: 1 Vilkår: Hver streng må ha innhold etter fjerning av blanktegn i begynnelsen og slutten; data-URI-er avvises; det godtatte budsjettet måler de relevante UTF8-bytene. | Standard— |
Feltinput_type | Typestring | KravValgfritt | Verdier & grenser query, passage | Standardquery |
Feltencoding_format | Typestring | KravValgfritt | Verdier & grenser float, base64 | Standardfloat |
Felttruncate | Typestring | KravValgfritt | Verdier & grenser NONE, START, END | Standard— |
Feltdimensions | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 | Standard— |
Feltuser | Typestring | KravValgfritt | Verdier & grenser | Standard— |
Kombinasjoner av inngående materialer
text_to_embedding
Metodeparametere og livssyklus
| Parameter | Avtale |
|---|---|
Parametermaterial_types | Avtaletext |
Parameterrequired | Avtalemodel, input |
Parameteroptional_controls | Avtalenull |
Parametercontent_type | Avtaleapplication/json |
Livssyklus: exact retained published method
Metodestrukturer og ID-er er eksakte; leverandørens evne er adskilt fra godkjenning av forespørselen.
Priser
Satser for Ailoot-metoder
POST /v1/embeddings- Inndata
- 0,0001 USD / 1K
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 →
Eksempelforespørsler
Ailoot · Vektorrepresentasjoner
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
Motta og lagre resultater
Ailoot · Vektorrepresentasjoner
json
Behold alle ferdige resultater
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Dekod vektorer i base64 bare når dette formatet ble forespurt; behold hver vektor og dens opprinnelige indeks.
Hvis det opprinnelige svaret må kontrolleres
Det innføres ikke noe endepunkt for embedding-jobber.
Svarfelter
| Felt | Type |
|---|---|
Feltdata[].index | Typeinteger |
Feltdata[].embedding | Typefinite float[]|base64 float32 vector |
Feltmodel | Typestring |
Feltusage | 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 nvidia/nemotron-3-embed-1b, nemotron-3-embed, nemotron-3-embed-latest
Aliaser for metodestier
Bruk metodestiene som vises ovenfor.
Tilknyttede anroper-ID-er
nvidia/nemotron-3-embed-1b, nemotron-3-embed, nemotron-3-embed-latest
FAQ · nvidia/nemotron-3-embed-1b
- Hvilke inndata og resultater er tilgjengelige?
POST /v1/embeddings·nvidia/nemotron-3-embed-1b:text→embeddingPOST /v1/embeddings·nemotron-3-embed:text→embeddingPOST /v1/embeddings·nemotron-3-embed-latest:text→embedding- Hvilke felt bruker forespørselen?
POST /v1/embeddings·nvidia/nemotron-3-embed-1b:model,input,input_type,encoding_format,truncate,dimensions,userPOST /v1/embeddings·nemotron-3-embed:model,input,input_type,encoding_format,truncate,dimensions,userPOST /v1/embeddings·nemotron-3-embed-latest:model,input,input_type,encoding_format,truncate,dimensions,user- Hvilke grenser gjelder?
POST /v1/embeddings·nvidia/nemotron-3-embed-1b:ctx:4096;input.min_items:1;dimensions.minimum:1POST /v1/embeddings·nemotron-3-embed:ctx:4096;input.min_items:1;dimensions.minimum:1POST /v1/embeddings·nemotron-3-embed-latest:ctx:4096;input.min_items:1;dimensions.minimum:1