Llama Nemotron Embed VL 1B v2
Llama Nemotron Embed VL v2 tworzy wektory do wyszukiwania semantycznego w dokumentach. W obecnym katalogu Ailoot dostępne jest wejście tekstowe dla zapytań i materiałów.
- Ailoot · Reprezentacje wektorowe
POST /v1/embeddingsnvidia/llama-nemotron-embed-vl-1b-v2 - Ailoot · Reprezentacje wektorowe
POST /v1/embeddingsnemotron-embed-vl - Ailoot · Reprezentacje wektorowe
POST /v1/embeddingsnemotron-embed-vl-latest
O modelu
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Znaleźć potrzebną stronę na podstawie pytania
Llama Nemotron Embed VL 1B v2 został opracowany przez NVIDIA do wyszukiwania materiałów pomagających odpowiedzieć na pytanie. Zapytanie jest określane tekstem. W obecnym katalogu Ailoot dla modelu dostępne jest wejście tekstowe: pytanie i materiał są kodowane jako tekst. Producent opisuje także dokument w postaci obrazu strony lub obrazu wraz z wyodrębnionym tekstem. Takie warianty wizualne wymagają osobnej metody z obsługą obrazów. Przy odpowiednim wejściu model reprezentuje tabele, wykresy i infografiki we wspólnej przestrzeni wektorów.
Takie wyszukiwanie nadaje się do asystentów odpowiadających na pytania na podstawie dużej kolekcji dokumentów, wewnętrznych materiałów informacyjnych i materiałów badawczych. Wynikiem kodowania jest wektor liczbowy. Znalezioną stronę lub fragment można następnie przekazać modelowi tworzącemu odpowiedź: sam Embed VL realizuje etap wyszukiwania kontekstu.
Warianty dokumentu u producenta
- Dokument tekstowy: osobna sekcja, fragment lub już rozpoznany tekst strony.
- Obraz: cała strona wraz z tekstem, tabelami i elementami graficznymi.
- Obraz z tekstem: wygląd wizualny strony i jej treść tekstowa są łączone w jednej reprezentacji.
Zapytanie i dokument są kodowane niezależnie. Kolekcję można zatem przetworzyć z góry, zachować wektory wraz ze stronami źródłowymi, a przy nowym pytaniu obliczać tylko wektor zapytania. Podobieństwo wektorów pomaga wybierać materiały według znaczenia. Role tekstowe zapytania i dokumentu różnią się, co należy zachowywać podczas przygotowywania danych.
Rozmiar reprezentacji i długość wejścia
Każde wejście jest przekształcane w jeden wektor o wymiarze do 2048 liczb. W trybie tekstowym używany jest budżet 8192 tokenów. Dla wizualnej metody producenta łączącej obraz i tekst opisano wspólny budżet 10240 tokenów obejmujący obie części; nie jest to tekstowy limit metody Ailoot. Obraz jest dzielony na fragmenty: opisana konfiguracja dopuszcza do sześciu fragmentów i pomniejszoną kopię całej strony, łącznie około 1792 tokenów wizualnych. Długie teksty trzeba dzielić lub skracać.
Część językowa jest oparta na Llama 3.2 1B, a wizualna — na SigLIP2. Są połączone w enkoder uśredniający reprezentacje tokenów wejściowych i zwracający jeden wektor. Trenowanie kontrastowe zbliża pytanie do odpowiedniej strony i oddala je od nieistotnych materiałów. Wyszukiwanie pozostaje probabilistyczne: bliskość wektorów nie gwarantuje, że wybrany fragment zawiera prawidłową odpowiedź.
Ailoot · Reprezentacje wektorowe 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
Start
Llama Nemotron Embed VL v2 tworzy wektory do wyszukiwania semantycznego w dokumentach. W obecnym katalogu Ailoot dostępne jest wejście tekstowe dla zapytań i materiałów.
- Akceptowane dane wejściowe
- Tekst
- Wyniki
- embedding
Dostępne w Ailoot · dane wejściowe i metody
Ailoot · Reprezentacje wektorowe POST /v1/embeddings
- Wejście
text- Wyjście
embedding- Kontekst
- 4096 tokens
- Format wyjściowy
- json
| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity nvidia/llama-nemotron-embed-vl-1b-v2 | Domyślnie— |
Poleinput | Typstring|string[] | WymaganieWymagane | Wartości i limity Minimalna liczba elementów: 1 Warunki: Każdy ciąg znaków musi być niepusty po usunięciu skrajnych białych znaków; identyfikatory URI typu data są odrzucane; zaakceptowany budżet mierzy odpowiednie bajty UTF8. | Domyślnie— |
Poleinput_type | Typstring | WymaganieOpcjonalne | Wartości i limity query, passage | Domyślniequery |
Poleencoding_format | Typstring | WymaganieOpcjonalne | Wartości i limity float, base64 | Domyślniefloat |
Poletruncate | Typstring | WymaganieOpcjonalne | Wartości i limity NONE, START, END | Domyślnie— |
Poledimensions | Typinteger | WymaganieOpcjonalne | Wartości i limity Minimum: 1 | Domyślnie— |
Poleuser | Typstring | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Kombinacje materiałów wejściowych
text_to_embedding
Parametry i cykl życia metody
| Parametr | Kontrakt |
|---|---|
Parametrmaterial_types | Kontrakttext |
Parametrrequired | Kontraktmodel, input |
Parametroptional_controls | Kontraktnull |
Parametrcontent_type | Kontraktapplication/json |
Cykl życia: exact retained published method
Struktury metod i ID są dokładne; możliwości dostawcy są odrębne od dopuszczenia żądania.
Cennik
Stawki metod Ailoot
POST /v1/embeddings- Wejście
- 0,0001 USD / 1K
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
Przykładowe żądania
Ailoot · Reprezentacje wektorowe
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
Odbieranie i zapisywanie wyników
Ailoot · Reprezentacje wektorowe
json
Zachowaj wszystkie ukończone wyniki
Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.
Dekoduj wektory base64 tylko wtedy, gdy zażądano tego formatu; zachowaj każdy wektor i jego pierwotny indeks.
Jeśli trzeba sprawdzić pierwotną odpowiedź
Nie wprowadzono endpointu zadań generowania osadzeń.
Pola odpowiedzi
| Pole | Typ |
|---|---|
Poledata[].index | Typinteger |
Poledata[].embedding | Typfinite float[]|base64 float32 vector |
Polemodel | Typstring |
Poleusage | Typobject |
Błędy i dalsze kroki
| Odpowiedź | Warunek | Następny krok |
|---|---|---|
Odpowiedź400 · invalid_request_error | WarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametru | Następny krokPopraw wskazane pola przed nowym żądaniem utworzenia. |
Aliasy
Aliasy modelu
Ailoot nvidia/llama-nemotron-embed-vl-1b-v2, nemotron-embed-vl, nemotron-embed-vl-latest
Aliasy ścieżek metod
Użyj ścieżek metod podanych powyżej.
Powiązane ID modeli
nvidia/llama-nemotron-embed-vl-1b-v2, nemotron-embed-vl, nemotron-embed-vl-latest
Ailoot · Reprezentacje wektorowe POST /v1/embeddings nemotron-embed-vl
nemotron-embed-vlnvidia/llama-nemotron-embed-vl-1b-v2nemotron-embed-vlnemotron-embed-vl-latest
Start
Llama Nemotron Embed VL v2 tworzy wektory do wyszukiwania semantycznego w dokumentach. W obecnym katalogu Ailoot dostępne jest wejście tekstowe dla zapytań i materiałów.
- Akceptowane dane wejściowe
- Tekst
- Wyniki
- embedding
Dostępne w Ailoot · dane wejściowe i metody
Ailoot · Reprezentacje wektorowe POST /v1/embeddings
- Wejście
text- Wyjście
embedding- Kontekst
- 4096 tokens
- Format wyjściowy
- json
| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity nemotron-embed-vl | Domyślnie— |
Poleinput | Typstring|string[] | WymaganieWymagane | Wartości i limity Minimalna liczba elementów: 1 Warunki: Każdy ciąg znaków musi być niepusty po usunięciu skrajnych białych znaków; identyfikatory URI typu data są odrzucane; zaakceptowany budżet mierzy odpowiednie bajty UTF8. | Domyślnie— |
Poleinput_type | Typstring | WymaganieOpcjonalne | Wartości i limity query, passage | Domyślniequery |
Poleencoding_format | Typstring | WymaganieOpcjonalne | Wartości i limity float, base64 | Domyślniefloat |
Poletruncate | Typstring | WymaganieOpcjonalne | Wartości i limity NONE, START, END | Domyślnie— |
Poledimensions | Typinteger | WymaganieOpcjonalne | Wartości i limity Minimum: 1 | Domyślnie— |
Poleuser | Typstring | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Kombinacje materiałów wejściowych
text_to_embedding
Parametry i cykl życia metody
| Parametr | Kontrakt |
|---|---|
Parametrmaterial_types | Kontrakttext |
Parametrrequired | Kontraktmodel, input |
Parametroptional_controls | Kontraktnull |
Parametrcontent_type | Kontraktapplication/json |
Cykl życia: exact retained published method
Struktury metod i ID są dokładne; możliwości dostawcy są odrębne od dopuszczenia żądania.
Cennik
Stawki metod Ailoot
POST /v1/embeddings- Wejście
- 0,0001 USD / 1K
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
Przykładowe żądania
Ailoot · Reprezentacje wektorowe
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
Odbieranie i zapisywanie wyników
Ailoot · Reprezentacje wektorowe
json
Zachowaj wszystkie ukończone wyniki
Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.
Dekoduj wektory base64 tylko wtedy, gdy zażądano tego formatu; zachowaj każdy wektor i jego pierwotny indeks.
Jeśli trzeba sprawdzić pierwotną odpowiedź
Nie wprowadzono endpointu zadań generowania osadzeń.
Pola odpowiedzi
| Pole | Typ |
|---|---|
Poledata[].index | Typinteger |
Poledata[].embedding | Typfinite float[]|base64 float32 vector |
Polemodel | Typstring |
Poleusage | Typobject |
Błędy i dalsze kroki
| Odpowiedź | Warunek | Następny krok |
|---|---|---|
Odpowiedź400 · invalid_request_error | WarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametru | Następny krokPopraw wskazane pola przed nowym żądaniem utworzenia. |
Aliasy
Aliasy modelu
Ailoot nvidia/llama-nemotron-embed-vl-1b-v2, nemotron-embed-vl, nemotron-embed-vl-latest
Aliasy ścieżek metod
Użyj ścieżek metod podanych powyżej.
Powiązane ID modeli
nvidia/llama-nemotron-embed-vl-1b-v2, nemotron-embed-vl, nemotron-embed-vl-latest
Ailoot · Reprezentacje wektorowe POST /v1/embeddings nemotron-embed-vl-latest
nemotron-embed-vl-latestnvidia/llama-nemotron-embed-vl-1b-v2nemotron-embed-vlnemotron-embed-vl-latest
Start
Llama Nemotron Embed VL v2 tworzy wektory do wyszukiwania semantycznego w dokumentach. W obecnym katalogu Ailoot dostępne jest wejście tekstowe dla zapytań i materiałów.
- Akceptowane dane wejściowe
- Tekst
- Wyniki
- embedding
Dostępne w Ailoot · dane wejściowe i metody
Ailoot · Reprezentacje wektorowe POST /v1/embeddings
- Wejście
text- Wyjście
embedding- Kontekst
- 4096 tokens
- Format wyjściowy
- json
| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity nemotron-embed-vl-latest | Domyślnie— |
Poleinput | Typstring|string[] | WymaganieWymagane | Wartości i limity Minimalna liczba elementów: 1 Warunki: Każdy ciąg znaków musi być niepusty po usunięciu skrajnych białych znaków; identyfikatory URI typu data są odrzucane; zaakceptowany budżet mierzy odpowiednie bajty UTF8. | Domyślnie— |
Poleinput_type | Typstring | WymaganieOpcjonalne | Wartości i limity query, passage | Domyślniequery |
Poleencoding_format | Typstring | WymaganieOpcjonalne | Wartości i limity float, base64 | Domyślniefloat |
Poletruncate | Typstring | WymaganieOpcjonalne | Wartości i limity NONE, START, END | Domyślnie— |
Poledimensions | Typinteger | WymaganieOpcjonalne | Wartości i limity Minimum: 1 | Domyślnie— |
Poleuser | Typstring | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Kombinacje materiałów wejściowych
text_to_embedding
Parametry i cykl życia metody
| Parametr | Kontrakt |
|---|---|
Parametrmaterial_types | Kontrakttext |
Parametrrequired | Kontraktmodel, input |
Parametroptional_controls | Kontraktnull |
Parametrcontent_type | Kontraktapplication/json |
Cykl życia: exact retained published method
Struktury metod i ID są dokładne; możliwości dostawcy są odrębne od dopuszczenia żądania.
Cennik
Stawki metod Ailoot
POST /v1/embeddings- Wejście
- 0,0001 USD / 1K
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
Przykładowe żądania
Ailoot · Reprezentacje wektorowe
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
Odbieranie i zapisywanie wyników
Ailoot · Reprezentacje wektorowe
json
Zachowaj wszystkie ukończone wyniki
Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.
Dekoduj wektory base64 tylko wtedy, gdy zażądano tego formatu; zachowaj każdy wektor i jego pierwotny indeks.
Jeśli trzeba sprawdzić pierwotną odpowiedź
Nie wprowadzono endpointu zadań generowania osadzeń.
Pola odpowiedzi
| Pole | Typ |
|---|---|
Poledata[].index | Typinteger |
Poledata[].embedding | Typfinite float[]|base64 float32 vector |
Polemodel | Typstring |
Poleusage | Typobject |
Błędy i dalsze kroki
| Odpowiedź | Warunek | Następny krok |
|---|---|---|
Odpowiedź400 · invalid_request_error | WarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametru | Następny krokPopraw wskazane pola przed nowym żądaniem utworzenia. |
Aliasy
Aliasy modelu
Ailoot nvidia/llama-nemotron-embed-vl-1b-v2, nemotron-embed-vl, nemotron-embed-vl-latest
Aliasy ścieżek metod
Użyj ścieżek metod podanych powyżej.
Powiązane ID modeli
nvidia/llama-nemotron-embed-vl-1b-v2, nemotron-embed-vl, nemotron-embed-vl-latest
FAQ · nvidia/llama-nemotron-embed-vl-1b-v2
- Jakie dane wejściowe i wyniki są dostępne?
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- Jakich pól używa żądanie?
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- Jakie limity obowiązują?
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