Source: https://ailoot.ai/models/pt-pt/nvidia-llama-nemotron-embed-vl-1b-v2/ Canonical: https://ailoot.ai/models/pt-pt/nvidia-llama-nemotron-embed-vl-1b-v2/ Language: pt-pt # Llama Nemotron Embed VL 1B v2 [Markdown](https://ailoot.ai/models/pt-pt/nvidia-llama-nemotron-embed-vl-1b-v2/index.md) · [JSON](https://ailoot.ai/models/pt-pt/nvidia-llama-nemotron-embed-vl-1b-v2/facts.json) ## [Llama Nemotron Embed VL 1B v2](https://ailoot.ai/models/pt-pt/nvidia-llama-nemotron-embed-vl-1b-v2/) Llama Nemotron Embed VL v2 cria vetores para pesquisa semântica em documentos. O catálogo Ailoot atual apresenta entrada textual para perguntas e materiais. - [**Ailoot · Representações vetoriais** `POST /v1/embeddings` `nvidia/llama-nemotron-embed-vl-1b-v2`](https://ailoot.ai/models/pt-pt/nvidia-llama-nemotron-embed-vl-1b-v2/#method-0) - [**Ailoot · Representações vetoriais** `POST /v1/embeddings` `nemotron-embed-vl`](https://ailoot.ai/models/pt-pt/nvidia-llama-nemotron-embed-vl-1b-v2/#method-1) - [**Ailoot · Representações vetoriais** `POST /v1/embeddings` `nemotron-embed-vl-latest`](https://ailoot.ai/models/pt-pt/nvidia-llama-nemotron-embed-vl-1b-v2/#method-2) Sobre o modelo Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo. #### Encontrar a página certa a partir de uma pergunta Llama Nemotron Embed VL 1B v2 foi desenvolvido pela NVIDIA para procurar materiais que ajudam a responder a uma pergunta. O pedido é definido em texto. O catálogo Ailoot atual apresenta entrada textual para o modelo: a pergunta e o material são codificados como texto. O fabricante descreve também documentos em forma de imagem de uma página ou imagem juntamente com texto extraído. Estas variantes visuais exigem um método separado com suporte de imagens. Com a entrada correspondente, o modelo representa tabelas, gráficos e infografias num espaço comum de vetores. Esta pesquisa é adequada a assistentes de perguntas e respostas sobre grandes coleções de documentos, manuais internos e materiais de investigação. O resultado da codificação é um vetor numérico. A página ou o fragmento encontrado pode depois ser enviado a um modelo que prepare a resposta: Embed VL realiza a etapa de procura de contexto. #### Variantes de documento no fabricante - Documento textual: uma secção, um fragmento ou texto já reconhecido de uma página. - Imagem: a página completa com o seu texto, tabelas e elementos gráficos. - Imagem com texto: o aspeto visual da página e o seu conteúdo textual são combinados numa única representação. O pedido e o documento são codificados independentemente. A coleção pode, por isso, ser processada previamente, guardando os vetores juntamente com as páginas de origem; perante uma nova pergunta, calcula-se apenas o vetor do pedido. A semelhança dos vetores ajuda a escolher materiais pelo sentido. Os papéis textuais do pedido e do documento são diferentes, e é importante preservar essa distinção na preparação dos dados. #### Dimensão da representação e comprimento de entrada Cada entrada é transformada num vetor com dimensão de até 2048 números. No modo textual, é utilizado um orçamento de 8192 tokens. Para o método visual do fabricante que combina imagem e texto, é descrito um orçamento comum de 10240 tokens que inclui as duas partes; este não é o limite textual do método Ailoot. A imagem é dividida em fragmentos: a configuração descrita admite até seis fragmentos e uma cópia reduzida da página completa, num total de cerca de 1792 tokens visuais. Textos longos têm de ser divididos ou reduzidos. A componente linguística assenta no Llama 3.2 1B, e a visual, no SigLIP2. São combinadas num codificador que calcula a média das representações dos tokens de entrada e produz um único vetor. A aprendizagem contrastiva aproxima a pergunta da página adequada e afasta-a de materiais irrelevantes. A pesquisa continua a ser probabilística: a proximidade dos vetores não garante que o fragmento escolhido contenha a resposta correta. **Ailoot · Representações vetoriais** `POST /v1/embeddings` `nvidia/llama-nemotron-embed-vl-1b-v2` [`nvidia/llama-nemotron-embed-vl-1b-v2`](https://ailoot.ai/models/pt-pt/#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 do modelo - `nvidia/llama-nemotron-embed-vl-1b-v2` - `nemotron-embed-vl` - `nemotron-embed-vl-latest` ### Introdução Llama Nemotron Embed VL v2 cria vetores para pesquisa semântica em documentos. O catálogo Ailoot atual apresenta entrada textual para perguntas e materiais. Entradas aceites Texto Resultados embedding ### Disponível no Ailoot · entradas e métodos **Ailoot · Representações vetoriais** `POST /v1/embeddings` Entrada `text` Saída `embedding` Contexto 4096 tokens Formato de saída json | Campo | Tipo | Requisito | Valores e limites | Predefinição | | --- | --- | --- | --- | --- | | Campo`model` | Tipo`string` | RequisitoObrigatório | Valores e limites nvidia/llama-nemotron-embed-vl-1b-v2 | Predefinição— | | Campo`input` | Tipo`string\|string[]` | RequisitoObrigatório | Valores e limites Número mínimo de elementos: 1 Condições: Todas as cadeias têm de permanecer não vazias após trim; os URIs data são rejeitados; o orçamento aceite mede os bytes UTF8 relevantes. | Predefinição— | | Campo`input_type` | Tipo`string` | RequisitoOpcional | Valores e limites query, passage | Predefiniçãoquery | | Campo`encoding_format` | Tipo`string` | RequisitoOpcional | Valores e limites float, base64 | Predefiniçãofloat | | Campo`truncate` | Tipo`string` | RequisitoOpcional | Valores e limites NONE, START, END | Predefinição— | | Campo`dimensions` | Tipo`integer` | RequisitoOpcional | Valores e limites Mínimo: 1 | Predefinição— | | Campo`user` | Tipo`string` | RequisitoOpcional | Valores e limites | Predefinição— | Combinações de materiais de entrada **text\_to\_embedding** Parâmetros e ciclo de vida do método | Parâmetro | Contrato | | --- | --- | | Parâmetro`material_types` | Contratotext | | Parâmetro`required` | Contratomodel, input | | Parâmetro`optional_controls` | Contratonull | | Parâmetro`content_type` | Contratoapplication/json | Ciclo de vida: `exact retained published method` As estruturas dos métodos e os ID são exatos; a capacidade do fornecedor é distinta da admissão dos pedidos. ### Tarifários #### Tarifas dos métodos Ailoot Entrada 0,0001 US$ */ 1K* O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. [Como funcionam a reserva e a liquidação →](https://ailoot.ai/docs/pt-pt/billing/reserve/) ### Exemplos de pedidos #### Ailoot · Representações vetoriais Exemplo de embeddings ```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 ``` ### Receber e guardar os resultados #### Ailoot · Representações vetoriais json ##### Guardar todos os resultados concluídos Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra. Descodifique os vetores base64 apenas quando esse formato tiver sido solicitado; conserve todos os vetores e o respetivo índice original. ##### Se for necessário verificar a resposta original Não é introduzido nenhum endpoint de tarefas de embeddings. Campos da resposta | Campo | Tipo | | --- | --- | | Campo`data[].index` | Tipointeger | | Campo`data[].embedding` | Tipofinite float\[\]\|base64 float32 vector | | Campo`model` | Tipostring | | Campo`usage` | Tipoobject | Erros e passos seguintes | Resposta | Condição | Passo seguinte | | --- | --- | --- | | Resposta400 · `invalid_request_error` | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. | ### Aliases #### Aliases do modelo **Ailoot** [`nvidia/llama-nemotron-embed-vl-1b-v2`](https://ailoot.ai/models/pt-pt/#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/pt-pt/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl&fmt=embeddings), [`nemotron-embed-vl-latest`](https://ailoot.ai/models/pt-pt/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl-latest&fmt=embeddings) #### Aliases dos caminhos dos métodos Use os caminhos dos métodos indicados acima. #### IDs de chamada relacionados [`nvidia/llama-nemotron-embed-vl-1b-v2`](https://ailoot.ai/models/pt-pt/#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/pt-pt/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl&fmt=embeddings), [`nemotron-embed-vl-latest`](https://ailoot.ai/models/pt-pt/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl-latest&fmt=embeddings) **Ailoot · Representações vetoriais** `POST /v1/embeddings` `nemotron-embed-vl` [`nemotron-embed-vl`](https://ailoot.ai/models/pt-pt/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl&fmt=embeddings) NVIDIA /`nemotron-embed-vl` ID do modelo - `nvidia/llama-nemotron-embed-vl-1b-v2` - `nemotron-embed-vl` - `nemotron-embed-vl-latest` ### Introdução Llama Nemotron Embed VL v2 cria vetores para pesquisa semântica em documentos. O catálogo Ailoot atual apresenta entrada textual para perguntas e materiais. Entradas aceites Texto Resultados embedding ### Disponível no Ailoot · entradas e métodos **Ailoot · Representações vetoriais** `POST /v1/embeddings` Entrada `text` Saída `embedding` Contexto 4096 tokens Formato de saída json | Campo | Tipo | Requisito | Valores e limites | Predefinição | | --- | --- | --- | --- | --- | | Campo`model` | Tipo`string` | RequisitoObrigatório | Valores e limites nemotron-embed-vl | Predefinição— | | Campo`input` | Tipo`string\|string[]` | RequisitoObrigatório | Valores e limites Número mínimo de elementos: 1 Condições: Todas as cadeias têm de permanecer não vazias após trim; os URIs data são rejeitados; o orçamento aceite mede os bytes UTF8 relevantes. | Predefinição— | | Campo`input_type` | Tipo`string` | RequisitoOpcional | Valores e limites query, passage | Predefiniçãoquery | | Campo`encoding_format` | Tipo`string` | RequisitoOpcional | Valores e limites float, base64 | Predefiniçãofloat | | Campo`truncate` | Tipo`string` | RequisitoOpcional | Valores e limites NONE, START, END | Predefinição— | | Campo`dimensions` | Tipo`integer` | RequisitoOpcional | Valores e limites Mínimo: 1 | Predefinição— | | Campo`user` | Tipo`string` | RequisitoOpcional | Valores e limites | Predefinição— | Combinações de materiais de entrada **text\_to\_embedding** Parâmetros e ciclo de vida do método | Parâmetro | Contrato | | --- | --- | | Parâmetro`material_types` | Contratotext | | Parâmetro`required` | Contratomodel, input | | Parâmetro`optional_controls` | Contratonull | | Parâmetro`content_type` | Contratoapplication/json | Ciclo de vida: `exact retained published method` As estruturas dos métodos e os ID são exatos; a capacidade do fornecedor é distinta da admissão dos pedidos. ### Tarifários #### Tarifas dos métodos Ailoot Entrada 0,0001 US$ */ 1K* O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. [Como funcionam a reserva e a liquidação →](https://ailoot.ai/docs/pt-pt/billing/reserve/) ### Exemplos de pedidos #### Ailoot · Representações vetoriais Exemplo de embeddings ```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 ``` ### Receber e guardar os resultados #### Ailoot · Representações vetoriais json ##### Guardar todos os resultados concluídos Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra. Descodifique os vetores base64 apenas quando esse formato tiver sido solicitado; conserve todos os vetores e o respetivo índice original. ##### Se for necessário verificar a resposta original Não é introduzido nenhum endpoint de tarefas de embeddings. Campos da resposta | Campo | Tipo | | --- | --- | | Campo`data[].index` | Tipointeger | | Campo`data[].embedding` | Tipofinite float\[\]\|base64 float32 vector | | Campo`model` | Tipostring | | Campo`usage` | Tipoobject | Erros e passos seguintes | Resposta | Condição | Passo seguinte | | --- | --- | --- | | Resposta400 · `invalid_request_error` | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. | ### Aliases #### Aliases do modelo **Ailoot** [`nvidia/llama-nemotron-embed-vl-1b-v2`](https://ailoot.ai/models/pt-pt/#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/pt-pt/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl&fmt=embeddings), [`nemotron-embed-vl-latest`](https://ailoot.ai/models/pt-pt/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl-latest&fmt=embeddings) #### Aliases dos caminhos dos métodos Use os caminhos dos métodos indicados acima. #### IDs de chamada relacionados [`nvidia/llama-nemotron-embed-vl-1b-v2`](https://ailoot.ai/models/pt-pt/#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/pt-pt/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl&fmt=embeddings), [`nemotron-embed-vl-latest`](https://ailoot.ai/models/pt-pt/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl-latest&fmt=embeddings) **Ailoot · Representações vetoriais** `POST /v1/embeddings` `nemotron-embed-vl-latest` [`nemotron-embed-vl-latest`](https://ailoot.ai/models/pt-pt/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl-latest&fmt=embeddings) NVIDIA /`nemotron-embed-vl-latest` ID do modelo - `nvidia/llama-nemotron-embed-vl-1b-v2` - `nemotron-embed-vl` - `nemotron-embed-vl-latest` ### Introdução Llama Nemotron Embed VL v2 cria vetores para pesquisa semântica em documentos. O catálogo Ailoot atual apresenta entrada textual para perguntas e materiais. Entradas aceites Texto Resultados embedding ### Disponível no Ailoot · entradas e métodos **Ailoot · Representações vetoriais** `POST /v1/embeddings` Entrada `text` Saída `embedding` Contexto 4096 tokens Formato de saída json | Campo | Tipo | Requisito | Valores e limites | Predefinição | | --- | --- | --- | --- | --- | | Campo`model` | Tipo`string` | RequisitoObrigatório | Valores e limites nemotron-embed-vl-latest | Predefinição— | | Campo`input` | Tipo`string\|string[]` | RequisitoObrigatório | Valores e limites Número mínimo de elementos: 1 Condições: Todas as cadeias têm de permanecer não vazias após trim; os URIs data são rejeitados; o orçamento aceite mede os bytes UTF8 relevantes. | Predefinição— | | Campo`input_type` | Tipo`string` | RequisitoOpcional | Valores e limites query, passage | Predefiniçãoquery | | Campo`encoding_format` | Tipo`string` | RequisitoOpcional | Valores e limites float, base64 | Predefiniçãofloat | | Campo`truncate` | Tipo`string` | RequisitoOpcional | Valores e limites NONE, START, END | Predefinição— | | Campo`dimensions` | Tipo`integer` | RequisitoOpcional | Valores e limites Mínimo: 1 | Predefinição— | | Campo`user` | Tipo`string` | RequisitoOpcional | Valores e limites | Predefinição— | Combinações de materiais de entrada **text\_to\_embedding** Parâmetros e ciclo de vida do método | Parâmetro | Contrato | | --- | --- | | Parâmetro`material_types` | Contratotext | | Parâmetro`required` | Contratomodel, input | | Parâmetro`optional_controls` | Contratonull | | Parâmetro`content_type` | Contratoapplication/json | Ciclo de vida: `exact retained published method` As estruturas dos métodos e os ID são exatos; a capacidade do fornecedor é distinta da admissão dos pedidos. ### Tarifários #### Tarifas dos métodos Ailoot Entrada 0,0001 US$ */ 1K* O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. [Como funcionam a reserva e a liquidação →](https://ailoot.ai/docs/pt-pt/billing/reserve/) ### Exemplos de pedidos #### Ailoot · Representações vetoriais Exemplo de embeddings ```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 ``` ### Receber e guardar os resultados #### Ailoot · Representações vetoriais json ##### Guardar todos os resultados concluídos Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra. Descodifique os vetores base64 apenas quando esse formato tiver sido solicitado; conserve todos os vetores e o respetivo índice original. ##### Se for necessário verificar a resposta original Não é introduzido nenhum endpoint de tarefas de embeddings. Campos da resposta | Campo | Tipo | | --- | --- | | Campo`data[].index` | Tipointeger | | Campo`data[].embedding` | Tipofinite float\[\]\|base64 float32 vector | | Campo`model` | Tipostring | | Campo`usage` | Tipoobject | Erros e passos seguintes | Resposta | Condição | Passo seguinte | | --- | --- | --- | | Resposta400 · `invalid_request_error` | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. | ### Aliases #### Aliases do modelo **Ailoot** [`nvidia/llama-nemotron-embed-vl-1b-v2`](https://ailoot.ai/models/pt-pt/#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/pt-pt/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl&fmt=embeddings), [`nemotron-embed-vl-latest`](https://ailoot.ai/models/pt-pt/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl-latest&fmt=embeddings) #### Aliases dos caminhos dos métodos Use os caminhos dos métodos indicados acima. #### IDs de chamada relacionados [`nvidia/llama-nemotron-embed-vl-1b-v2`](https://ailoot.ai/models/pt-pt/#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/pt-pt/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl&fmt=embeddings), [`nemotron-embed-vl-latest`](https://ailoot.ai/models/pt-pt/#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 Que entradas e resultados estão disponíveis? `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` Que campos utiliza o pedido? `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` Que limites se aplicam? `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` Ligue o Ailoot ao Claude Code, OpenCode, Hermes ou à sua aplicação. ## A empresa e a sua carteira de projetos A empresa e a sua carteira de projetos: milhões de clientes; vendas mensais na ordem dos milhares de milhões. ## Compre tokens com desconto. Desconto por subscrição para trabalho regular. Códigos promocionais — até 50% na compra de tokens. Subscrição Escolha um plano com desconto para os pedidos regulares. Código promocional até 50% Introduza o código na compra. O preço é recalculado conforme a campanha em vigor. Custos no histórico O modelo, os tokens e o montante são guardados para cada pedido. [Escolher subscrição](https://ailoot.ai/docs/pt-pt/billing/subscriptions/) · [Ver preços dos modelos](https://ailoot.ai/models/pt-pt/) ## Ligue a API ao produto que vende. SaaS, aplicações e bots — ao abrigo da oferta e do contrato de licença Ailoot. Para revenda, peça uma licença de revendedor. Aplicação comercial Integre geração de texto, imagens, vídeo e som nas funcionalidades pagas do seu serviço. Licença de revendedor Envie uma descrição do projeto e do modelo de acesso. Peça condições escritas de utilização e revenda. Documentos no site A oferta, o contrato de licença e a política de tratamento de dados estão disponíveis antes da ligação. [Pedir licença de revendedor](mailto:support@ailoot.ai) · [Oferta e contrato de licença](https://ailoot.ai/legal/offer?lang=pt-pt) ## Ailoot · A empresa e a sua carteira de projetos A Ailoot assenta numa experiência operacional consolidada, numa ampla base de clientes, num serviço estável e no acompanhamento contínuo dos KPI. A empresa e a sua carteira de projetos: milhões de clientes; vendas mensais na ordem dos milhares de milhões. A Ailoot aplica essa experiência operacional ao acesso por API a funcionalidades de IA nos produtos dos clientes, agentes, aplicações e automatizações.