Llama Nemotron Embed VL 1B v2
Llama Nemotron Embed VL v2 maakt vectoren voor semantisch zoeken in documenten. De huidige Ailoot-catalogus biedt tekstinvoer voor vragen en materiaal.
- Ailoot · Vectorrepresentaties
POST /v1/embeddingsnvidia/llama-nemotron-embed-vl-1b-v2 - Ailoot · Vectorrepresentaties
POST /v1/embeddingsnemotron-embed-vl - Ailoot · Vectorrepresentaties
POST /v1/embeddingsnemotron-embed-vl-latest
Over het model
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
De juiste pagina vinden met een vraag
Llama Nemotron Embed VL 1B v2 is ontwikkeld door NVIDIA om materiaal te zoeken dat helpt een vraag te beantwoorden. Het zoekverzoek wordt als tekst gegeven. In de huidige Ailoot-catalogus heeft het model tekstinvoer: de vraag en het materiaal worden als tekst gecodeerd. De fabrikant beschrijft ook documenten als pagina-afbeelding of afbeelding met geëxtraheerde tekst. Zulke visuele varianten vereisen een afzonderlijke methode met beeldondersteuning. Bij passende invoer vertegenwoordigt het model tabellen, grafieken en infographics in een gedeelde vectorruimte.
Dit zoeken past bij vraag-antwoordassistenten voor grote documentverzamelingen, interne naslagwerken en onderzoeksmateriaal. Het coderingsresultaat is een numerieke vector. De gevonden pagina of het fragment kan daarna aan een antwoordmodel worden doorgegeven: Embed VL voert zelf de stap van contextzoeken uit.
Documentvarianten bij de fabrikant
- Tekstdocument: een afzonderlijk gedeelte, fragment of al herkende paginatekst.
- Afbeelding: een volledige pagina met tekst, tabellen en grafische elementen.
- Afbeelding met tekst: het visuele paginabeeld en de tekstinhoud worden gecombineerd in één representatie.
Zoekverzoek en document worden onafhankelijk gecodeerd. De verzameling kan daarom vooraf worden verwerkt en de vectoren samen met de bronpagina's opgeslagen; bij een nieuwe vraag hoeft alleen de vraagvector te worden berekend. Vectorovereenkomst helpt materiaal op betekenis te selecteren. De tekstuele rollen van vraag en document verschillen, wat bij gegevensvoorbereiding moet worden behouden.
Representatiegrootte en invoerlengte
Elke invoer wordt omgezet in één vector met maximaal 2048 getallen. De tekstmodus gebruikt een budget van 8192 tokens. Voor de visuele fabrikantmethode met afbeelding en tekst is een gezamenlijk budget van 10240 tokens beschreven, inclusief beide delen; dit is niet de tekstlimiet van de Ailoot-methode. De afbeelding wordt in fragmenten verdeeld: de beschreven configuratie laat maximaal zes fragmenten en een verkleinde kopie van de hele pagina toe, samen ongeveer 1792 visuele tokens. Lange teksten moeten worden opgesplitst of ingekort.
Het taalgedeelte is gebouwd op Llama 3.2 1B en het visuele gedeelte op SigLIP2. Ze zijn gecombineerd in een encoder die de representaties van invoertokens middelt en één vector uitvoert. Contrastief leren brengt een vraag dichter bij een passende pagina en verder van irrelevant materiaal. Zoeken blijft probabilistisch: vectornabijheid garandeert niet dat het gekozen fragment het juiste antwoord bevat.
Ailoot · Vectorrepresentaties POST /v1/embeddings nvidia/llama-nemotron-embed-vl-1b-v2
nvidia/llama-nemotron-embed-vl-1b-v2
nvidia/llama-nemotron-embed-vl-1b-v2nvidia/llama-nemotron-embed-vl-1b-v2nemotron-embed-vlnemotron-embed-vl-latest
Aan de slag
Llama Nemotron Embed VL v2 maakt vectoren voor semantisch zoeken in documenten. De huidige Ailoot-catalogus biedt tekstinvoer voor vragen en materiaal.
- Toegestane invoer
- Tekst
- Resultaten
- embedding
Beschikbaar in Ailoot · invoer en methoden
Ailoot · Vectorrepresentaties POST /v1/embeddings
- Invoer
text- Uitvoer
embedding- Context
- 4.096 tokens
- Uitvoerformaat
- json
| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten nvidia/llama-nemotron-embed-vl-1b-v2 | Standaard— |
Veldinput | Typestring|string[] | VereisteVereist | Waarden en limieten Minimumaantal items: 1 Voorwaarden: Elke tekenreeks mag na het verwijderen van omliggende witruimte niet leeg zijn; data-URI's worden geweigerd; het geaccepteerde budget meet de relevante UTF8-bytes. | Standaard— |
Veldinput_type | Typestring | VereisteOptioneel | Waarden en limieten query, passage | Standaardquery |
Veldencoding_format | Typestring | VereisteOptioneel | Waarden en limieten float, base64 | Standaardfloat |
Veldtruncate | Typestring | VereisteOptioneel | Waarden en limieten NONE, START, END | Standaard— |
Velddimensions | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 | Standaard— |
Velduser | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Combinaties van invoermaterialen
text_to_embedding
Methodeparameters en levenscyclus
| Parameter | Contract |
|---|---|
Parametermaterial_types | Contracttext |
Parameterrequired | Contractmodel, input |
Parameteroptional_controls | Contractnull |
Parametercontent_type | Contractapplication/json |
Levenscyclus: exact retained published method
De methodestructuren en ID’s zijn exact; de mogelijkheden van de leverancier staan los van toelating.
Tarieven
Ailoot-methodetarieven
POST /v1/embeddings- Invoer
- US$ 0,0001 / 1K
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
Voorbeeldverzoeken
Ailoot · Vectorrepresentaties
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/llama-nemotron-embed-vl-1b-v2", "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
Resultaten ophalen en opslaan
Ailoot · Vectorrepresentaties
json
Alle voltooide resultaten bewaren
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Decodeer base64-vectoren alleen als dat formaat is aangevraagd; bewaar elke vector en zijn oorspronkelijke index.
Als het oorspronkelijke antwoord moet worden gecontroleerd
Er wordt geen endpoint voor embeddingtaken toegevoegd.
Antwoordvelden
| Veld | Type |
|---|---|
Velddata[].index | Typeinteger |
Velddata[].embedding | Typefinite float[]|base64 float32 vector |
Veldmodel | Typestring |
Veldusage | Typeobject |
Fouten en vervolgstappen
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Aliasnamen
Modelaliasnamen
Ailoot nvidia/llama-nemotron-embed-vl-1b-v2, nemotron-embed-vl, nemotron-embed-vl-latest
Aliasnamen voor methodepaden
Gebruik de hierboven getoonde methodepaden.
Gerelateerde aanroeper-ID’s
nvidia/llama-nemotron-embed-vl-1b-v2, nemotron-embed-vl, nemotron-embed-vl-latest
Ailoot · Vectorrepresentaties POST /v1/embeddings nemotron-embed-vl
nemotron-embed-vlnvidia/llama-nemotron-embed-vl-1b-v2nemotron-embed-vlnemotron-embed-vl-latest
Aan de slag
Llama Nemotron Embed VL v2 maakt vectoren voor semantisch zoeken in documenten. De huidige Ailoot-catalogus biedt tekstinvoer voor vragen en materiaal.
- Toegestane invoer
- Tekst
- Resultaten
- embedding
Beschikbaar in Ailoot · invoer en methoden
Ailoot · Vectorrepresentaties POST /v1/embeddings
- Invoer
text- Uitvoer
embedding- Context
- 4.096 tokens
- Uitvoerformaat
- json
| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten nemotron-embed-vl | Standaard— |
Veldinput | Typestring|string[] | VereisteVereist | Waarden en limieten Minimumaantal items: 1 Voorwaarden: Elke tekenreeks mag na het verwijderen van omliggende witruimte niet leeg zijn; data-URI's worden geweigerd; het geaccepteerde budget meet de relevante UTF8-bytes. | Standaard— |
Veldinput_type | Typestring | VereisteOptioneel | Waarden en limieten query, passage | Standaardquery |
Veldencoding_format | Typestring | VereisteOptioneel | Waarden en limieten float, base64 | Standaardfloat |
Veldtruncate | Typestring | VereisteOptioneel | Waarden en limieten NONE, START, END | Standaard— |
Velddimensions | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 | Standaard— |
Velduser | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Combinaties van invoermaterialen
text_to_embedding
Methodeparameters en levenscyclus
| Parameter | Contract |
|---|---|
Parametermaterial_types | Contracttext |
Parameterrequired | Contractmodel, input |
Parameteroptional_controls | Contractnull |
Parametercontent_type | Contractapplication/json |
Levenscyclus: exact retained published method
De methodestructuren en ID’s zijn exact; de mogelijkheden van de leverancier staan los van toelating.
Tarieven
Ailoot-methodetarieven
POST /v1/embeddings- Invoer
- US$ 0,0001 / 1K
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
Voorbeeldverzoeken
Ailoot · Vectorrepresentaties
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-embed-vl", "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
Resultaten ophalen en opslaan
Ailoot · Vectorrepresentaties
json
Alle voltooide resultaten bewaren
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Decodeer base64-vectoren alleen als dat formaat is aangevraagd; bewaar elke vector en zijn oorspronkelijke index.
Als het oorspronkelijke antwoord moet worden gecontroleerd
Er wordt geen endpoint voor embeddingtaken toegevoegd.
Antwoordvelden
| Veld | Type |
|---|---|
Velddata[].index | Typeinteger |
Velddata[].embedding | Typefinite float[]|base64 float32 vector |
Veldmodel | Typestring |
Veldusage | Typeobject |
Fouten en vervolgstappen
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Aliasnamen
Modelaliasnamen
Ailoot nvidia/llama-nemotron-embed-vl-1b-v2, nemotron-embed-vl, nemotron-embed-vl-latest
Aliasnamen voor methodepaden
Gebruik de hierboven getoonde methodepaden.
Gerelateerde aanroeper-ID’s
nvidia/llama-nemotron-embed-vl-1b-v2, nemotron-embed-vl, nemotron-embed-vl-latest
Ailoot · Vectorrepresentaties POST /v1/embeddings nemotron-embed-vl-latest
nemotron-embed-vl-latestnvidia/llama-nemotron-embed-vl-1b-v2nemotron-embed-vlnemotron-embed-vl-latest
Aan de slag
Llama Nemotron Embed VL v2 maakt vectoren voor semantisch zoeken in documenten. De huidige Ailoot-catalogus biedt tekstinvoer voor vragen en materiaal.
- Toegestane invoer
- Tekst
- Resultaten
- embedding
Beschikbaar in Ailoot · invoer en methoden
Ailoot · Vectorrepresentaties POST /v1/embeddings
- Invoer
text- Uitvoer
embedding- Context
- 4.096 tokens
- Uitvoerformaat
- json
| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten nemotron-embed-vl-latest | Standaard— |
Veldinput | Typestring|string[] | VereisteVereist | Waarden en limieten Minimumaantal items: 1 Voorwaarden: Elke tekenreeks mag na het verwijderen van omliggende witruimte niet leeg zijn; data-URI's worden geweigerd; het geaccepteerde budget meet de relevante UTF8-bytes. | Standaard— |
Veldinput_type | Typestring | VereisteOptioneel | Waarden en limieten query, passage | Standaardquery |
Veldencoding_format | Typestring | VereisteOptioneel | Waarden en limieten float, base64 | Standaardfloat |
Veldtruncate | Typestring | VereisteOptioneel | Waarden en limieten NONE, START, END | Standaard— |
Velddimensions | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 | Standaard— |
Velduser | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Combinaties van invoermaterialen
text_to_embedding
Methodeparameters en levenscyclus
| Parameter | Contract |
|---|---|
Parametermaterial_types | Contracttext |
Parameterrequired | Contractmodel, input |
Parameteroptional_controls | Contractnull |
Parametercontent_type | Contractapplication/json |
Levenscyclus: exact retained published method
De methodestructuren en ID’s zijn exact; de mogelijkheden van de leverancier staan los van toelating.
Tarieven
Ailoot-methodetarieven
POST /v1/embeddings- Invoer
- US$ 0,0001 / 1K
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
Voorbeeldverzoeken
Ailoot · Vectorrepresentaties
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-embed-vl-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
Resultaten ophalen en opslaan
Ailoot · Vectorrepresentaties
json
Alle voltooide resultaten bewaren
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Decodeer base64-vectoren alleen als dat formaat is aangevraagd; bewaar elke vector en zijn oorspronkelijke index.
Als het oorspronkelijke antwoord moet worden gecontroleerd
Er wordt geen endpoint voor embeddingtaken toegevoegd.
Antwoordvelden
| Veld | Type |
|---|---|
Velddata[].index | Typeinteger |
Velddata[].embedding | Typefinite float[]|base64 float32 vector |
Veldmodel | Typestring |
Veldusage | Typeobject |
Fouten en vervolgstappen
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Aliasnamen
Modelaliasnamen
Ailoot nvidia/llama-nemotron-embed-vl-1b-v2, nemotron-embed-vl, nemotron-embed-vl-latest
Aliasnamen voor methodepaden
Gebruik de hierboven getoonde methodepaden.
Gerelateerde aanroeper-ID’s
nvidia/llama-nemotron-embed-vl-1b-v2, nemotron-embed-vl, nemotron-embed-vl-latest
FAQ · nvidia/llama-nemotron-embed-vl-1b-v2
- Welke invoer en resultaten zijn beschikbaar?
POST /v1/embeddings·nvidia/llama-nemotron-embed-vl-1b-v2:text→embeddingPOST /v1/embeddings·nemotron-embed-vl:text→embeddingPOST /v1/embeddings·nemotron-embed-vl-latest:text→embedding- Welke velden gebruikt het verzoek?
POST /v1/embeddings·nvidia/llama-nemotron-embed-vl-1b-v2:model,input,input_type,encoding_format,truncate,dimensions,userPOST /v1/embeddings·nemotron-embed-vl:model,input,input_type,encoding_format,truncate,dimensions,userPOST /v1/embeddings·nemotron-embed-vl-latest:model,input,input_type,encoding_format,truncate,dimensions,user- Welke limieten gelden?
POST /v1/embeddings·nvidia/llama-nemotron-embed-vl-1b-v2:ctx:4096;input.min_items:1;dimensions.minimum:1POST /v1/embeddings·nemotron-embed-vl:ctx:4096;input.min_items:1;dimensions.minimum:1POST /v1/embeddings·nemotron-embed-vl-latest:ctx:4096;input.min_items:1;dimensions.minimum:1