Nemotron 3 Embed 1B
Nemotron 3 Embed 1B zamienia teksty w wektory do wyszukiwania wielojęzycznego, wyszukiwania kodu i RAG. Przetwarza sekwencje do 32768 tokenów i zwraca reprezentację o wymiarze 2048 liczb.
- Ailoot · Reprezentacje wektorowe
POST /v1/embeddingsnvidia/nemotron-3-embed-1b - Ailoot · Reprezentacje wektorowe
POST /v1/embeddingsnemotron-3-embed - Ailoot · Reprezentacje wektorowe
POST /v1/embeddingsnemotron-3-embed-latest
O modelu
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Nemotron 3 Embed 1B to model tekstowy NVIDIA do wyszukiwania według znaczenia i zestawiania fragmentów. Koduje pytania, dokumenty i kod w gęste wektory liczbowe. Reprezentacje te służą znajdowaniu potrzebnego kontekstu w dużych kolekcjach, uzupełnianiu nim odpowiedzi asystenta lub wydobywaniu wcześniej zachowanych informacji do następnego kroku agenta.
Wielojęzyczna wiedza i kod
Model służy wyszukiwaniu wielojęzycznemu i międzyjęzykowemu: pytanie i odpowiedni materiał mogą być napisane w różnych językach. Rosyjski należy do opublikowanego zestawu 34 języków wraz z angielskim, ukraińskim, chińskim, japońskim, arabskim i innymi. Jest to przydatne we wspólnych bazach wiedzy, w których dokumentów technicznych i zgłoszeń użytkowników nie ujednolicono do jednego języka.
Zadania obejmują wyszukiwanie w dokumentacji, zestawianie tekstów i wyodrębnianie kodu na podstawie opisu słownego. Duże okno wejścia pozwala pracować z długimi dokumentami, obszernym kontekstem programistycznym i historią kilku kroków agenta. Znaleziony materiał trafia do dalszego procesu jako kontekst; końcowe wyjaśnienia i odpowiedzi tworzy następny komponent systemu.
Od tekstu do wektora
Wejście ma postać ciągów tekstowych. Dla każdego ciągu powstaje jeden wektor z 2048 liczb. Maksymalna długość sekwencji wynosi 32768 tokenów; dłuższy materiał trzeba dzielić na części lub skracać. Przy przygotowywaniu wejścia rozróżnia się pytanie i dokument: model jest trenowany do zestawiania ich ról, dlatego takiego samego ciągu w tych dwóch zadaniach nie należy formułować bez uwzględnienia przeznaczenia.
Wektory są normalizowane względem długości. Przy takiej reprezentacji iloczyn skalarny i podobieństwo kosinusowe dają równoważny sposób porównywania. Można zachować pierwsze 1024 lub 512 współrzędnych pełnego wektora, lecz po skróceniu trzeba ponownie wykonać normalizację. Jest to właściwość przetwarzania wyniku; wymiar należy wybierać spójnie dla kolekcji i zapytań.
Budowa kompaktowego modelu
Enkoder zawiera około 1,14 mld parametrów. Uzyskano go z modelu opartego na Ministral 3 3B przez dwa etapy strukturalnego zmniejszania i destylacji. Dwukierunkowy mechanizm uwagi uwzględnia całe wejście, a następnie reprezentacje tokenów są uśredniane do wspólnego wektora.
NVIDIA publikuje warianty BF16 i NVFP4. Ich przestrzenie reprezentacji są zbliżone, lecz zmiana wariantu wymaga sprawdzenia na własnych dokumentach. Ani podobieństwo liczbowe, ani długość kontekstu nie gwarantują, że wyszukiwanie zawsze wybierze prawidłowy fragment.
Ailoot · Reprezentacje wektorowe 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 zamienia teksty w wektory do wyszukiwania wielojęzycznego, wyszukiwania kodu i RAG. Przetwarza sekwencje do 32768 tokenów i zwraca reprezentację o wymiarze 2048 liczb.
- 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/nemotron-3-embed-1b | 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/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
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/nemotron-3-embed-1b, nemotron-3-embed, nemotron-3-embed-latest
Aliasy ścieżek metod
Użyj ścieżek metod podanych powyżej.
Powiązane ID modeli
nvidia/nemotron-3-embed-1b, nemotron-3-embed, nemotron-3-embed-latest
Ailoot · Reprezentacje wektorowe POST /v1/embeddings nemotron-3-embed
nemotron-3-embednvidia/nemotron-3-embed-1bnemotron-3-embednemotron-3-embed-latest
Start
Nemotron 3 Embed 1B zamienia teksty w wektory do wyszukiwania wielojęzycznego, wyszukiwania kodu i RAG. Przetwarza sekwencje do 32768 tokenów i zwraca reprezentację o wymiarze 2048 liczb.
- 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-3-embed | 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-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
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/nemotron-3-embed-1b, nemotron-3-embed, nemotron-3-embed-latest
Aliasy ścieżek metod
Użyj ścieżek metod podanych powyżej.
Powiązane ID modeli
nvidia/nemotron-3-embed-1b, nemotron-3-embed, nemotron-3-embed-latest
Ailoot · Reprezentacje wektorowe 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 zamienia teksty w wektory do wyszukiwania wielojęzycznego, wyszukiwania kodu i RAG. Przetwarza sekwencje do 32768 tokenów i zwraca reprezentację o wymiarze 2048 liczb.
- 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-3-embed-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-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
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/nemotron-3-embed-1b, nemotron-3-embed, nemotron-3-embed-latest
Aliasy ścieżek metod
Użyj ścieżek metod podanych powyżej.
Powiązane ID modeli
nvidia/nemotron-3-embed-1b, nemotron-3-embed, nemotron-3-embed-latest
FAQ · nvidia/nemotron-3-embed-1b
- Jakie dane wejściowe i wyniki są dostępne?
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- Jakich pól używa żądanie?
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- Jakie limity obowiązują?
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