Source: https://ailoot.ai/models/pl/nvidia-llama-nemotron-embed-vl-1b-v2/ Canonical: https://ailoot.ai/models/pl/nvidia-llama-nemotron-embed-vl-1b-v2/ Language: pl # Llama Nemotron Embed VL 1B v2 [Markdown](https://ailoot.ai/models/pl/nvidia-llama-nemotron-embed-vl-1b-v2/index.md) · [JSON](https://ailoot.ai/models/pl/nvidia-llama-nemotron-embed-vl-1b-v2/facts.json) ## [Llama Nemotron Embed VL 1B v2](https://ailoot.ai/models/pl/nvidia-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/embeddings` `nvidia/llama-nemotron-embed-vl-1b-v2`](https://ailoot.ai/models/pl/nvidia-llama-nemotron-embed-vl-1b-v2/#method-0) - [**Ailoot · Reprezentacje wektorowe** `POST /v1/embeddings` `nemotron-embed-vl`](https://ailoot.ai/models/pl/nvidia-llama-nemotron-embed-vl-1b-v2/#method-1) - [**Ailoot · Reprezentacje wektorowe** `POST /v1/embeddings` `nemotron-embed-vl-latest`](https://ailoot.ai/models/pl/nvidia-llama-nemotron-embed-vl-1b-v2/#method-2) 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`](https://ailoot.ai/models/pl/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nvidia%2Fllama-nemotron-embed-vl-1b-v2&fmt=embeddings) NVIDIA /`nvidia/llama-nemotron-embed-vl-1b-v2` ID modelu - `nvidia/llama-nemotron-embed-vl-1b-v2` - `nemotron-embed-vl` - `nemotron-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 | | --- | --- | --- | --- | --- | | Pole`model` | Typ`string` | WymaganieWymagane | Wartości i limity nvidia/llama-nemotron-embed-vl-1b-v2 | Domyślnie— | | Pole`input` | Typ`string\|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— | | Pole`input_type` | Typ`string` | WymaganieOpcjonalne | Wartości i limity query, passage | Domyślniequery | | Pole`encoding_format` | Typ`string` | WymaganieOpcjonalne | Wartości i limity float, base64 | Domyślniefloat | | Pole`truncate` | Typ`string` | WymaganieOpcjonalne | Wartości i limity NONE, START, END | Domyślnie— | | Pole`dimensions` | Typ`integer` | WymaganieOpcjonalne | Wartości i limity Minimum: 1 | Domyślnie— | | Pole`user` | Typ`string` | WymaganieOpcjonalne | Wartości i limity | Domyślnie— | Kombinacje materiałów wejściowych **text\_to\_embedding** Parametry i cykl życia metody | Parametr | Kontrakt | | --- | --- | | Parametr`material_types` | Kontrakttext | | Parametr`required` | Kontraktmodel, input | | Parametr`optional_controls` | Kontraktnull | | Parametr`content_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 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 →](https://ailoot.ai/docs/pl/billing/reserve/) ### Przykładowe żądania #### Ailoot · Reprezentacje wektorowe Przykład reprezentacji wektorowej ```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/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 | | --- | --- | | Pole`data[].index` | Typinteger | | Pole`data[].embedding` | Typfinite float\[\]\|base64 float32 vector | | Pole`model` | Typstring | | Pole`usage` | 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`](https://ailoot.ai/models/pl/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nvidia%2Fllama-nemotron-embed-vl-1b-v2&fmt=embeddings), [`nemotron-embed-vl`](https://ailoot.ai/models/pl/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl&fmt=embeddings), [`nemotron-embed-vl-latest`](https://ailoot.ai/models/pl/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl-latest&fmt=embeddings) #### Aliasy ścieżek metod Użyj ścieżek metod podanych powyżej. #### Powiązane ID modeli [`nvidia/llama-nemotron-embed-vl-1b-v2`](https://ailoot.ai/models/pl/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nvidia%2Fllama-nemotron-embed-vl-1b-v2&fmt=embeddings), [`nemotron-embed-vl`](https://ailoot.ai/models/pl/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl&fmt=embeddings), [`nemotron-embed-vl-latest`](https://ailoot.ai/models/pl/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl-latest&fmt=embeddings) **Ailoot · Reprezentacje wektorowe** `POST /v1/embeddings` `nemotron-embed-vl` [`nemotron-embed-vl`](https://ailoot.ai/models/pl/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl&fmt=embeddings) NVIDIA /`nemotron-embed-vl` ID modelu - `nvidia/llama-nemotron-embed-vl-1b-v2` - `nemotron-embed-vl` - `nemotron-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 | | --- | --- | --- | --- | --- | | Pole`model` | Typ`string` | WymaganieWymagane | Wartości i limity nemotron-embed-vl | Domyślnie— | | Pole`input` | Typ`string\|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— | | Pole`input_type` | Typ`string` | WymaganieOpcjonalne | Wartości i limity query, passage | Domyślniequery | | Pole`encoding_format` | Typ`string` | WymaganieOpcjonalne | Wartości i limity float, base64 | Domyślniefloat | | Pole`truncate` | Typ`string` | WymaganieOpcjonalne | Wartości i limity NONE, START, END | Domyślnie— | | Pole`dimensions` | Typ`integer` | WymaganieOpcjonalne | Wartości i limity Minimum: 1 | Domyślnie— | | Pole`user` | Typ`string` | WymaganieOpcjonalne | Wartości i limity | Domyślnie— | Kombinacje materiałów wejściowych **text\_to\_embedding** Parametry i cykl życia metody | Parametr | Kontrakt | | --- | --- | | Parametr`material_types` | Kontrakttext | | Parametr`required` | Kontraktmodel, input | | Parametr`optional_controls` | Kontraktnull | | Parametr`content_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 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 →](https://ailoot.ai/docs/pl/billing/reserve/) ### Przykładowe żądania #### Ailoot · Reprezentacje wektorowe Przykład reprezentacji wektorowej ```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-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 | | --- | --- | | Pole`data[].index` | Typinteger | | Pole`data[].embedding` | Typfinite float\[\]\|base64 float32 vector | | Pole`model` | Typstring | | Pole`usage` | 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`](https://ailoot.ai/models/pl/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nvidia%2Fllama-nemotron-embed-vl-1b-v2&fmt=embeddings), [`nemotron-embed-vl`](https://ailoot.ai/models/pl/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl&fmt=embeddings), [`nemotron-embed-vl-latest`](https://ailoot.ai/models/pl/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl-latest&fmt=embeddings) #### Aliasy ścieżek metod Użyj ścieżek metod podanych powyżej. #### Powiązane ID modeli [`nvidia/llama-nemotron-embed-vl-1b-v2`](https://ailoot.ai/models/pl/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nvidia%2Fllama-nemotron-embed-vl-1b-v2&fmt=embeddings), [`nemotron-embed-vl`](https://ailoot.ai/models/pl/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl&fmt=embeddings), [`nemotron-embed-vl-latest`](https://ailoot.ai/models/pl/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl-latest&fmt=embeddings) **Ailoot · Reprezentacje wektorowe** `POST /v1/embeddings` `nemotron-embed-vl-latest` [`nemotron-embed-vl-latest`](https://ailoot.ai/models/pl/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl-latest&fmt=embeddings) NVIDIA /`nemotron-embed-vl-latest` ID modelu - `nvidia/llama-nemotron-embed-vl-1b-v2` - `nemotron-embed-vl` - `nemotron-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 | | --- | --- | --- | --- | --- | | Pole`model` | Typ`string` | WymaganieWymagane | Wartości i limity nemotron-embed-vl-latest | Domyślnie— | | Pole`input` | Typ`string\|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— | | Pole`input_type` | Typ`string` | WymaganieOpcjonalne | Wartości i limity query, passage | Domyślniequery | | Pole`encoding_format` | Typ`string` | WymaganieOpcjonalne | Wartości i limity float, base64 | Domyślniefloat | | Pole`truncate` | Typ`string` | WymaganieOpcjonalne | Wartości i limity NONE, START, END | Domyślnie— | | Pole`dimensions` | Typ`integer` | WymaganieOpcjonalne | Wartości i limity Minimum: 1 | Domyślnie— | | Pole`user` | Typ`string` | WymaganieOpcjonalne | Wartości i limity | Domyślnie— | Kombinacje materiałów wejściowych **text\_to\_embedding** Parametry i cykl życia metody | Parametr | Kontrakt | | --- | --- | | Parametr`material_types` | Kontrakttext | | Parametr`required` | Kontraktmodel, input | | Parametr`optional_controls` | Kontraktnull | | Parametr`content_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 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 →](https://ailoot.ai/docs/pl/billing/reserve/) ### Przykładowe żądania #### Ailoot · Reprezentacje wektorowe Przykład reprezentacji wektorowej ```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-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 | | --- | --- | | Pole`data[].index` | Typinteger | | Pole`data[].embedding` | Typfinite float\[\]\|base64 float32 vector | | Pole`model` | Typstring | | Pole`usage` | 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`](https://ailoot.ai/models/pl/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nvidia%2Fllama-nemotron-embed-vl-1b-v2&fmt=embeddings), [`nemotron-embed-vl`](https://ailoot.ai/models/pl/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl&fmt=embeddings), [`nemotron-embed-vl-latest`](https://ailoot.ai/models/pl/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl-latest&fmt=embeddings) #### Aliasy ścieżek metod Użyj ścieżek metod podanych powyżej. #### Powiązane ID modeli [`nvidia/llama-nemotron-embed-vl-1b-v2`](https://ailoot.ai/models/pl/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nvidia%2Fllama-nemotron-embed-vl-1b-v2&fmt=embeddings), [`nemotron-embed-vl`](https://ailoot.ai/models/pl/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl&fmt=embeddings), [`nemotron-embed-vl-latest`](https://ailoot.ai/models/pl/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl-latest&fmt=embeddings) 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` → `embedding` `POST /v1/embeddings` · `nemotron-embed-vl`: `text` → `embedding` `POST /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`, `user` `POST /v1/embeddings` · `nemotron-embed-vl`: `model`, `input`, `input_type`, `encoding_format`, `truncate`, `dimensions`, `user` `POST /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`: `1` `POST /v1/embeddings` · `nemotron-embed-vl`: `ctx`: `4096`; `input.min_items`: `1`; `dimensions.minimum`: `1` `POST /v1/embeddings` · `nemotron-embed-vl-latest`: `ctx`: `4096`; `input.min_items`: `1`; `dimensions.minimum`: `1` Połącz Ailoot z Claude Code, OpenCode, Hermes albo własną aplikacją. ## Firma i jej portfel projektów Firma i jej portfel projektów: miliony klientów; miesięczna sprzedaż liczona w miliardach. ## Kupuj tokeny z rabatem. Rabat subskrypcji do regularnej pracy. Kody promocyjne — do 50% na tokeny. Subskrypcja Wybierz plan z rabatem do regularnych żądań. Kod promocyjny do 50% Wpisz kod przy zakupie. Cena zostanie przeliczona według aktualnej promocji. Koszty w historii Model, tokeny i kwota są zapisywane dla każdego żądania. [Wybierz subskrypcję](https://ailoot.ai/docs/pl/billing/subscriptions/) · [Sprawdź ceny modeli](https://ailoot.ai/models/pl/) ## Połącz API z produktem, który sprzedajesz. SaaS, aplikacje i boty na warunkach oferty i umowy licencyjnej Ailoot. Do odsprzedaży poproś o licencję resellerską. Aplikacja komercyjna Wbuduj generowanie tekstu, obrazów, wideo i dźwięku w płatne funkcje usługi. Licencja resellerska Prześlij opis projektu i schemat dostępu. Poproś o pisemne warunki używania i odsprzedaży. Dokumenty na stronie Oferta, umowa licencyjna i polityka przetwarzania danych są dostępne przed połączeniem. [Poproś o licencję resellerską](mailto:support@ailoot.ai) · [Oferta i umowa licencyjna](https://ailoot.ai/legal/offer?lang=pl) ## Ailoot · Firma i jej portfel projektów Ailoot opiera się na zgromadzonym doświadczeniu operacyjnym, szerokiej bazie klientów, stabilnej usłudze i stałej kontroli KPI. Firma i jej portfel projektów: miliony klientów; miesięczna sprzedaż liczona w miliardach. Ailoot wykorzystuje to doświadczenie operacyjne, zapewniając dostęp przez API do funkcji AI w produktach klientów, agentach, aplikacjach i automatyzacjach.