Source: https://ailoot.ai/models/pl/nvidia-nemotron-3-embed-1b/ Canonical: https://ailoot.ai/models/pl/nvidia-nemotron-3-embed-1b/ Language: pl # Nemotron 3 Embed 1B [Markdown](https://ailoot.ai/models/pl/nvidia-nemotron-3-embed-1b/index.md) · [JSON](https://ailoot.ai/models/pl/nvidia-nemotron-3-embed-1b/facts.json) ## [Nemotron 3 Embed 1B](https://ailoot.ai/models/pl/nvidia-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/embeddings` `nvidia/nemotron-3-embed-1b`](https://ailoot.ai/models/pl/nvidia-nemotron-3-embed-1b/#method-0) - [**Ailoot · Reprezentacje wektorowe** `POST /v1/embeddings` `nemotron-3-embed`](https://ailoot.ai/models/pl/nvidia-nemotron-3-embed-1b/#method-1) - [**Ailoot · Reprezentacje wektorowe** `POST /v1/embeddings` `nemotron-3-embed-latest`](https://ailoot.ai/models/pl/nvidia-nemotron-3-embed-1b/#method-2) 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-1b`](https://ailoot.ai/models/pl/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nvidia%2Fnemotron-3-embed-1b&fmt=embeddings) NVIDIA /`nvidia/nemotron-3-embed-1b` ID modelu - `nvidia/nemotron-3-embed-1b` - `nemotron-3-embed` - `nemotron-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 | | --- | --- | --- | --- | --- | | Pole`model` | Typ`string` | WymaganieWymagane | Wartości i limity nvidia/nemotron-3-embed-1b | 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/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 | | --- | --- | | 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/nemotron-3-embed-1b`](https://ailoot.ai/models/pl/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nvidia%2Fnemotron-3-embed-1b&fmt=embeddings), [`nemotron-3-embed`](https://ailoot.ai/models/pl/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nemotron-3-embed&fmt=embeddings), [`nemotron-3-embed-latest`](https://ailoot.ai/models/pl/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nemotron-3-embed-latest&fmt=embeddings) #### Aliasy ścieżek metod Użyj ścieżek metod podanych powyżej. #### Powiązane ID modeli [`nvidia/nemotron-3-embed-1b`](https://ailoot.ai/models/pl/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nvidia%2Fnemotron-3-embed-1b&fmt=embeddings), [`nemotron-3-embed`](https://ailoot.ai/models/pl/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nemotron-3-embed&fmt=embeddings), [`nemotron-3-embed-latest`](https://ailoot.ai/models/pl/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nemotron-3-embed-latest&fmt=embeddings) **Ailoot · Reprezentacje wektorowe** `POST /v1/embeddings` `nemotron-3-embed` [`nemotron-3-embed`](https://ailoot.ai/models/pl/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nemotron-3-embed&fmt=embeddings) NVIDIA /`nemotron-3-embed` ID modelu - `nvidia/nemotron-3-embed-1b` - `nemotron-3-embed` - `nemotron-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 | | --- | --- | --- | --- | --- | | Pole`model` | Typ`string` | WymaganieWymagane | Wartości i limity nemotron-3-embed | 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-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 | | --- | --- | | 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/nemotron-3-embed-1b`](https://ailoot.ai/models/pl/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nvidia%2Fnemotron-3-embed-1b&fmt=embeddings), [`nemotron-3-embed`](https://ailoot.ai/models/pl/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nemotron-3-embed&fmt=embeddings), [`nemotron-3-embed-latest`](https://ailoot.ai/models/pl/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nemotron-3-embed-latest&fmt=embeddings) #### Aliasy ścieżek metod Użyj ścieżek metod podanych powyżej. #### Powiązane ID modeli [`nvidia/nemotron-3-embed-1b`](https://ailoot.ai/models/pl/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nvidia%2Fnemotron-3-embed-1b&fmt=embeddings), [`nemotron-3-embed`](https://ailoot.ai/models/pl/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nemotron-3-embed&fmt=embeddings), [`nemotron-3-embed-latest`](https://ailoot.ai/models/pl/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nemotron-3-embed-latest&fmt=embeddings) **Ailoot · Reprezentacje wektorowe** `POST /v1/embeddings` `nemotron-3-embed-latest` [`nemotron-3-embed-latest`](https://ailoot.ai/models/pl/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nemotron-3-embed-latest&fmt=embeddings) NVIDIA /`nemotron-3-embed-latest` ID modelu - `nvidia/nemotron-3-embed-1b` - `nemotron-3-embed` - `nemotron-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 | | --- | --- | --- | --- | --- | | Pole`model` | Typ`string` | WymaganieWymagane | Wartości i limity nemotron-3-embed-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-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 | | --- | --- | | 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/nemotron-3-embed-1b`](https://ailoot.ai/models/pl/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nvidia%2Fnemotron-3-embed-1b&fmt=embeddings), [`nemotron-3-embed`](https://ailoot.ai/models/pl/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nemotron-3-embed&fmt=embeddings), [`nemotron-3-embed-latest`](https://ailoot.ai/models/pl/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nemotron-3-embed-latest&fmt=embeddings) #### Aliasy ścieżek metod Użyj ścieżek metod podanych powyżej. #### Powiązane ID modeli [`nvidia/nemotron-3-embed-1b`](https://ailoot.ai/models/pl/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nvidia%2Fnemotron-3-embed-1b&fmt=embeddings), [`nemotron-3-embed`](https://ailoot.ai/models/pl/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nemotron-3-embed&fmt=embeddings), [`nemotron-3-embed-latest`](https://ailoot.ai/models/pl/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nemotron-3-embed-latest&fmt=embeddings) FAQ · nvidia/nemotron-3-embed-1b Jakie dane wejściowe i wyniki są dostępne? `POST /v1/embeddings` · `nvidia/nemotron-3-embed-1b`: `text` → `embedding` `POST /v1/embeddings` · `nemotron-3-embed`: `text` → `embedding` `POST /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`, `user` `POST /v1/embeddings` · `nemotron-3-embed`: `model`, `input`, `input_type`, `encoding_format`, `truncate`, `dimensions`, `user` `POST /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`: `1` `POST /v1/embeddings` · `nemotron-3-embed`: `ctx`: `4096`; `input.min_items`: `1`; `dimensions.minimum`: `1` `POST /v1/embeddings` · `nemotron-3-embed-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.