NVIDIA: Llama Nemotron Rerank VL 1B V2 (free)

Llama Nemotron Rerank VL 1B V2 to model NVIDIA typu cross-encoder do ponownego porządkowania pobranego materiału według trafności względem zapytania. Wyślij zapytanie oraz kandydujące dokumenty tekstowe, obrazowe lub łączone, a następnie użyj zwróconych ocen i pierwotnych indeksów, aby wybrać fragmenty do wyników wyszukiwania lub odpowiedzi wspomaganej wyszukiwaniem.

Ailoot Ultra · Rerank POST /v1/rerank nvidia/llama-nemotron-rerank-vl-1b-v2:free

O modelu

Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.

Llama Nemotron Rerank VL 1B V2 ocenia trafność kandydujących tekstów i obrazów dokumentów względem zapytania tekstowego, w tym wykresów, tabel i stron łączących różne media. NVIDIA opisuje go jako model cross-encoder mający 1,7 miliarda parametrów. W przepływie wyszukiwania najpierw przeprowadź wyszukiwanie wstępne, a następnie wyślij wybranych kandydatów do modelu porządkującego. Użyteczny wynik to uporządkowany na nowo zestaw tych kandydatów z ocenami trafności, który aplikacja może wykorzystać do wyboru kontekstu odpowiedzi lub ułożenia strony wyników wyszukiwania.

Użyj POST /v1/rerank z treścią application/json. Ustaw model na "nvidia/llama-nemotron-rerank-vl-1b-v2:free", query na rzeczywiste pytanie wyszukiwania, a documents na niepustą tablicę. Każdy kandydat może być ciągiem tekstowym lub obiektem z polami text i/lub image; obiekt ustrukturyzowany musi dostarczać co najmniej jedno z tych pól. text to ciąg tekstowy. image to zdalny adres URL HTTP/HTTPS lub URI danych base64 zaczynający się od data:image/. Kandydat łączony dostarcza oba pola. Zachowaj kolejność tej tablicy wejściowej, aby można było dopasować zwrócone indeksy do przechowywanych identyfikatorów dokumentów. top_n to opcjonalna liczba całkowita wynosząca co najmniej 1, określająca liczbę najwyżej ocenionych dokumentów do zwrócenia.

Na przykład aplikacja centrum pomocy może pobrać fragmenty o dostawie, zwrotach i dostępie do konta, a następnie ponownie uporządkować je względem pytania klienta o dostawę. Przekaż rzeczywisty tekst fragmentu, zamiast nazw plików lub wycinków z wyszukiwarki niepowiązanych z zapisanym źródłem. Zachowaj w aplikacji powiązanie każdego fragmentu z jego własnym identyfikatorem źródła, aby wybrane dowody można było później zacytować lub otworzyć. W przypadku zeskanowanego dokumentu, wykresu, tabeli lub infografiki dostarcz rzeczywisty obraz w obiekcie dokumentu i dodaj tekst, jeśli pomaga rozpoznać treść.

Strona modelu dokumentuje limit 10 240 tokenów na zapytanie i dokument. Podziel dłuższy materiał źródłowy na ograniczone fragmenty przed przygotowaniem listy kandydatów. Zachowaj przy każdym fragmencie przydatny kontekst, w tym nagłówek lub nazwę produktu, jeśli wpływa na znaczenie. Udokumentowane żądanie zaczyna się od dostarczonych kandydatów; nie przeszukuje zbioru dokumentów w twoim imieniu.

Ponowne porządkowanie zwraca synchroniczny wynik JSON. Odczytaj każdy element results, w tym jego pierwotny index, relevance_score i zwrócony obiekt document, który może zawierać text i/lub image, oraz zachowaj wszystkie zwrócone usage i identyfikatory odpowiedzi. Użyj wartości index do powiązania uporządkowanego wyniku z kandydatem wejściowym. Traktuj ocenę trafności jako sygnał porządkujący dla tego zapytania, a nie niezależnie zweryfikowaną odpowiedź faktograficzną. Zachowaj pełny wynik, gdy do następnego kroku wybieranych jest kilka fragmentów.

Dla tej bezpłatnej edycji przygotuj publiczny lub syntetyczny materiał kandydatów; jej udokumentowane warunki użytkowania wykluczają informacje poufne i dane osobowe. Jeśli żądanie zakończy się bez kompletnego wyniku, zachowaj pierwotną odpowiedź i identyfikator żądania podczas sprawdzania tej próby. Udokumentowany przepływ rerank zwraca wynik bezpośrednio i nie udostępnia oddzielnego procesu odpytywania zadania ani anulowania.

Ailoot Ultra · Rerank POST /v1/rerank nvidia/llama-nemotron-rerank-vl-1b-v2:free

nvidia/llama-nemotron-rerank-vl-1b-v2:free

NVIDIA /nvidia/llama-nemotron-rerank-vl-1b-v2:free

Start

Akceptowane dane wejściowe: Tekst
Wyniki: ranking

Dostępne w Ailoot · dane wejściowe i metody

Ailoot Ultra · Rerank POST /v1/rerank

Wejście: text
Wyjście: ranking
Format wyjściowy: JSON

Pole	Typ	Wymaganie	Wartości i limity	Domyślnie
Pole`model`	Typ`string`	WymaganieWymagane	Wartości i limity nvidia/llama-nemotron-rerank-vl-1b-v2:free	Domyślnie—
Pole`query`	Typ`string`	WymaganieWymagane	Wartości i limity	Domyślnie—
Pole`documents`	Typ`array`	WymaganieWymagane	Wartości i limity	Domyślnie—
Pole`top_n`	Typ`integer`	WymaganieOpcjonalne	Wartości i limity Minimum: 1	Domyślnie—

Parametry i cykl życia metody

Parametr	Kontrakt
Parametr`content_type`	Kontraktapplication/json
Parametr`required`	Kontraktmodel, query, documents
Parametr`optional`	Kontrakttop_n
Parametr`material_types`	Kontrakttext
Parametr`conditions`	Kontrakt

Cykl życia: synchronous_json

Cennik

Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.

Tryb szybki: Nie określono Gdy wybrany jest tryb szybki
Tryb flex: Nie określono Gdy wybrany jest tryb flex
Maksymalna intensywność rozumowania: Nie określono Gdy dla maksymalnej intensywności rozumowania stosowana jest domyślna korekta (default)

Stawki Ailoot

Ceny według konfiguracji

Dopasuj każdą opłatę do pokazanych warunków. Użyj jednej stawki dla każdego zestawu alternatywnych konfiguracji.

Konfiguracja	Tabela stawek	Ilość do rozliczenia	Opłata
KonfiguracjaBazowe stawki za tokeny	Tabela stawekStawka podstawowa	Ilość do rozliczenia—	Opłata Wejście · Tokeny wejściowe — / 1K tokenów Wyjście · Tokeny wyjściowe — / 1K tokenów Wejście · Odczyt cache — / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów
KonfiguracjaZa żądanie	Tabela stawek—	Ilość do rozliczeniajedno żądanie	Opłata Wejście $0 za żądanie

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 Ultra · Rerank

curl · utwórz raz i zachowaj kompletny wynik

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
export AILOOT_API_KEY
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"documents": ["Paris is the capital of France.", "Berlin is the capital of Germany."], "model": "nvidia/llama-nemotron-rerank-vl-1b-v2:free", "query": "What is the capital of France?", "top_n": 3}')

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/rerank \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
# Submit once. Retain the complete result, original identifiers and every response header.

Odbieranie i zapisywanie wyników

Ailoot Ultra · Rerank

JSON

Zachowaj wszystkie ukończone wyniki

Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.

Retain the complete response, all actual results, original identifiers, usage and response headers.

Jeśli trzeba sprawdzić pierwotną odpowiedź

Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.

Pola odpowiedzi

Pole	Typ
Pole`results`	Typarray

Aliasy

Aliasy modelu

Ailoot Ultra nvidia/llama-nemotron-rerank-vl-1b-v2:free

Aliasy ścieżek metod

Użyj ścieżek metod podanych powyżej.

Powiązane ID modeli

nvidia/llama-nemotron-rerank-vl-1b-v2:free

FAQ · NVIDIA: Llama Nemotron Rerank VL 1B V2 (free)

Jakie dane wejściowe i wyniki są dostępne?: POST /v1/rerank · nvidia/llama-nemotron-rerank-vl-1b-v2:free: text → ranking
Jakich pól używa żądanie?: POST /v1/rerank · nvidia/llama-nemotron-rerank-vl-1b-v2:free: model, query, documents, top_n
Jakie limity obowiązują?: POST /v1/rerank · nvidia/llama-nemotron-rerank-vl-1b-v2:free: top_n.minimum: 1

NVIDIA: Llama Nemotron Rerank VL 1B V2 (free)