Llama Nemotron Embed VL 1B v2
Llama Nemotron Embed VL v2 создаёт векторы для семантического поиска по документам. В текущем каталоге Ailoot представлен текстовый вход для запросов и материалов.
- Ailoot · Эмбеддинги
POST /v1/embeddingsnvidia/llama-nemotron-embed-vl-1b-v2 - Ailoot · Эмбеддинги
POST /v1/embeddingsnemotron-embed-vl - Ailoot · Эмбеддинги
POST /v1/embeddingsnemotron-embed-vl-latest
О модели
Описание раскрывает возможности модели. Доступные в Ailoot входные данные, результаты и параметры выбранного метода перечислены ниже.
Найти нужную страницу по вопросу
Llama Nemotron Embed VL 1B v2 разработана NVIDIA для поиска материалов, которые помогают ответить на вопрос. Запрос задаётся текстом. В текущем каталоге Ailoot для модели представлен текстовый вход: вопрос и материал кодируются как текст. Производитель также описывает документ в виде изображения страницы или картинки вместе с извлечённым текстом. Такие визуальные варианты требуют отдельного метода с поддержкой изображений. При соответствующем входе модель представляет таблицы, графики и инфографику в общем пространстве векторов.
Такой поиск подходит для вопросно-ответных помощников по большой коллекции документов, внутренних справочников и исследовательских материалов. Результат кодирования — числовой вектор. Найденную страницу или фрагмент можно затем передать модели, формирующей ответ: сама Embed VL выполняет этап поиска контекста.
Варианты документа у производителя
- Текстовый документ: отдельный раздел, фрагмент или уже распознанный текст страницы.
- Изображение: страница целиком с её текстом, таблицами и графическими элементами.
- Изображение с текстом: визуальный вид страницы и её текстовое содержимое объединяются в одном представлении.
Запрос и документ кодируются независимо. Поэтому коллекцию можно обработать заранее, сохранить векторы вместе с исходными страницами, а при новом вопросе вычислять только вектор запроса. Сходство векторов помогает выбрать материалы по смыслу. Текстовые роли запроса и документа различаются, что важно сохранять при подготовке данных.
Размер представления и длина входа
Каждый вход преобразуется в один вектор размерностью до 2048 чисел. В текстовом режиме используется бюджет 8192 токена. Для визуального метода производителя с сочетанием картинки и текста описан общий бюджет 10240 токенов, куда входят обе части; это не текстовый лимит метода Ailoot. Изображение разбивается на фрагменты: в описанной конфигурации допускается до шести фрагментов и уменьшенная копия всей страницы, вместе около 1792 визуальных токенов. Длинные тексты требуется делить или сокращать.
Языковая часть построена на Llama 3.2 1B, визуальная — на SigLIP2. Они объединены в энкодер, который усредняет представления входных токенов и выдаёт единый вектор. Контрастное обучение сближает вопрос с подходящей страницей и отдаляет его от нерелевантных материалов. Поиск остаётся вероятностным: близость векторов не гарантирует, что выбранный фрагмент содержит правильный ответ.
Ailoot · Эмбеддинги POST /v1/embeddings nvidia/llama-nemotron-embed-vl-1b-v2
nvidia/llama-nemotron-embed-vl-1b-v2
nvidia/llama-nemotron-embed-vl-1b-v2nvidia/llama-nemotron-embed-vl-1b-v2nemotron-embed-vlnemotron-embed-vl-latest
Начало
Llama Nemotron Embed VL v2 создаёт векторы для семантического поиска по документам. В текущем каталоге Ailoot представлен текстовый вход для запросов и материалов.
- Допустимые входные данные
- Текст
- Результаты
- embedding
Доступно в Ailoot · входные данные и методы
Ailoot · Эмбеддинги POST /v1/embeddings
- Входные данные
text- Результат
embedding- Контекст
- 4 096 tokens
- Выходной формат
- json
| Поле | Тип | Требование | Значения и ограничения | По умолчанию |
|---|---|---|---|---|
Полеmodel | Типstring | ТребованиеОбязательно | Значения и ограничения nvidia/llama-nemotron-embed-vl-1b-v2 | По умолчанию— |
Полеinput | Типstring|string[] | ТребованиеОбязательно | Значения и ограничения Минимум элементов: 1 Условия: Каждая строка непуста после trim; URI данных отклоняются; принятый лимит измеряет соответствующие байты UTF8. | По умолчанию— |
Полеinput_type | Типstring | ТребованиеНеобязательно | Значения и ограничения query, passage | По умолчаниюquery |
Полеencoding_format | Типstring | ТребованиеНеобязательно | Значения и ограничения float, base64 | По умолчаниюfloat |
Полеtruncate | Типstring | ТребованиеНеобязательно | Значения и ограничения NONE, START, END | По умолчанию— |
Полеdimensions | Типinteger | ТребованиеНеобязательно | Значения и ограничения Минимум: 1 | По умолчанию— |
Полеuser | Типstring | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
Сочетания входных материалов
text_to_embedding
Параметры и жизненный цикл метода
| Параметр | Контракт |
|---|---|
Параметрmaterial_types | Контрактtext |
Параметрrequired | Контрактmodel, input |
Параметрoptional_controls | Контрактnull |
Параметрcontent_type | Контрактapplication/json |
Жизненный цикл: exact retained published method
Структуры методов и ID указаны точно; возможности поставщика рассматриваются отдельно от допуска.
Тарифы
Ставки методов Ailoot
POST /v1/embeddings- Вход
- 0,0001 $ / 1K
Ailoot резервирует расчётную сумму перед запросом. После получения результата списывает итоговую плату по измеренному расходу. Для окончательного списания за потоковый ответ используется итоговая запись расхода. Как работают резервирование и расчёт →
Примеры запросов
Ailoot · Эмбеддинги
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
Получить и сохранить результаты
Ailoot · Эмбеддинги
json
Сохраняйте все готовые результаты
Сохраняйте каждый полностью полученный ответ, файл и элемент содержимого.
Декодируйте векторы base64 только тогда, когда был запрошен этот формат; сохраняйте каждый вектор и его исходный индекс.
Если нужно проверить исходный ответ
Отдельный эндпоинт заданий эмбеддингов не вводится.
Поля ответа
| Поле | Тип |
|---|---|
Полеdata[].index | Типinteger |
Полеdata[].embedding | Типfinite float[]|base64 float32 vector |
Полеmodel | Типstring |
Полеusage | Типobject |
Ошибки и дальнейшие шаги
| Ответ | Условие | Следующий шаг |
|---|---|---|
Ответ400 · invalid_request_error | УсловиеНеверные обязательные поля, представление материалов или значение параметра | Следующий шагИсправьте указанные поля перед новым запросом на создание. |
Псевдонимы
Псевдонимы моделей
Ailoot nvidia/llama-nemotron-embed-vl-1b-v2, nemotron-embed-vl, nemotron-embed-vl-latest
Псевдонимы путей метода
Используйте пути методов, указанные выше.
Связанные ID для вызова
nvidia/llama-nemotron-embed-vl-1b-v2, nemotron-embed-vl, nemotron-embed-vl-latest
Ailoot · Эмбеддинги POST /v1/embeddings nemotron-embed-vl
nemotron-embed-vlnvidia/llama-nemotron-embed-vl-1b-v2nemotron-embed-vlnemotron-embed-vl-latest
Начало
Llama Nemotron Embed VL v2 создаёт векторы для семантического поиска по документам. В текущем каталоге Ailoot представлен текстовый вход для запросов и материалов.
- Допустимые входные данные
- Текст
- Результаты
- embedding
Доступно в Ailoot · входные данные и методы
Ailoot · Эмбеддинги POST /v1/embeddings
- Входные данные
text- Результат
embedding- Контекст
- 4 096 tokens
- Выходной формат
- json
| Поле | Тип | Требование | Значения и ограничения | По умолчанию |
|---|---|---|---|---|
Полеmodel | Типstring | ТребованиеОбязательно | Значения и ограничения nemotron-embed-vl | По умолчанию— |
Полеinput | Типstring|string[] | ТребованиеОбязательно | Значения и ограничения Минимум элементов: 1 Условия: Каждая строка непуста после trim; URI данных отклоняются; принятый лимит измеряет соответствующие байты UTF8. | По умолчанию— |
Полеinput_type | Типstring | ТребованиеНеобязательно | Значения и ограничения query, passage | По умолчаниюquery |
Полеencoding_format | Типstring | ТребованиеНеобязательно | Значения и ограничения float, base64 | По умолчаниюfloat |
Полеtruncate | Типstring | ТребованиеНеобязательно | Значения и ограничения NONE, START, END | По умолчанию— |
Полеdimensions | Типinteger | ТребованиеНеобязательно | Значения и ограничения Минимум: 1 | По умолчанию— |
Полеuser | Типstring | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
Сочетания входных материалов
text_to_embedding
Параметры и жизненный цикл метода
| Параметр | Контракт |
|---|---|
Параметрmaterial_types | Контрактtext |
Параметрrequired | Контрактmodel, input |
Параметрoptional_controls | Контрактnull |
Параметрcontent_type | Контрактapplication/json |
Жизненный цикл: exact retained published method
Структуры методов и ID указаны точно; возможности поставщика рассматриваются отдельно от допуска.
Тарифы
Ставки методов Ailoot
POST /v1/embeddings- Вход
- 0,0001 $ / 1K
Ailoot резервирует расчётную сумму перед запросом. После получения результата списывает итоговую плату по измеренному расходу. Для окончательного списания за потоковый ответ используется итоговая запись расхода. Как работают резервирование и расчёт →
Примеры запросов
Ailoot · Эмбеддинги
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
Получить и сохранить результаты
Ailoot · Эмбеддинги
json
Сохраняйте все готовые результаты
Сохраняйте каждый полностью полученный ответ, файл и элемент содержимого.
Декодируйте векторы base64 только тогда, когда был запрошен этот формат; сохраняйте каждый вектор и его исходный индекс.
Если нужно проверить исходный ответ
Отдельный эндпоинт заданий эмбеддингов не вводится.
Поля ответа
| Поле | Тип |
|---|---|
Полеdata[].index | Типinteger |
Полеdata[].embedding | Типfinite float[]|base64 float32 vector |
Полеmodel | Типstring |
Полеusage | Типobject |
Ошибки и дальнейшие шаги
| Ответ | Условие | Следующий шаг |
|---|---|---|
Ответ400 · invalid_request_error | УсловиеНеверные обязательные поля, представление материалов или значение параметра | Следующий шагИсправьте указанные поля перед новым запросом на создание. |
Псевдонимы
Псевдонимы моделей
Ailoot nvidia/llama-nemotron-embed-vl-1b-v2, nemotron-embed-vl, nemotron-embed-vl-latest
Псевдонимы путей метода
Используйте пути методов, указанные выше.
Связанные ID для вызова
nvidia/llama-nemotron-embed-vl-1b-v2, nemotron-embed-vl, nemotron-embed-vl-latest
Ailoot · Эмбеддинги POST /v1/embeddings nemotron-embed-vl-latest
nemotron-embed-vl-latestnvidia/llama-nemotron-embed-vl-1b-v2nemotron-embed-vlnemotron-embed-vl-latest
Начало
Llama Nemotron Embed VL v2 создаёт векторы для семантического поиска по документам. В текущем каталоге Ailoot представлен текстовый вход для запросов и материалов.
- Допустимые входные данные
- Текст
- Результаты
- embedding
Доступно в Ailoot · входные данные и методы
Ailoot · Эмбеддинги POST /v1/embeddings
- Входные данные
text- Результат
embedding- Контекст
- 4 096 tokens
- Выходной формат
- json
| Поле | Тип | Требование | Значения и ограничения | По умолчанию |
|---|---|---|---|---|
Полеmodel | Типstring | ТребованиеОбязательно | Значения и ограничения nemotron-embed-vl-latest | По умолчанию— |
Полеinput | Типstring|string[] | ТребованиеОбязательно | Значения и ограничения Минимум элементов: 1 Условия: Каждая строка непуста после trim; URI данных отклоняются; принятый лимит измеряет соответствующие байты UTF8. | По умолчанию— |
Полеinput_type | Типstring | ТребованиеНеобязательно | Значения и ограничения query, passage | По умолчаниюquery |
Полеencoding_format | Типstring | ТребованиеНеобязательно | Значения и ограничения float, base64 | По умолчаниюfloat |
Полеtruncate | Типstring | ТребованиеНеобязательно | Значения и ограничения NONE, START, END | По умолчанию— |
Полеdimensions | Типinteger | ТребованиеНеобязательно | Значения и ограничения Минимум: 1 | По умолчанию— |
Полеuser | Типstring | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
Сочетания входных материалов
text_to_embedding
Параметры и жизненный цикл метода
| Параметр | Контракт |
|---|---|
Параметрmaterial_types | Контрактtext |
Параметрrequired | Контрактmodel, input |
Параметрoptional_controls | Контрактnull |
Параметрcontent_type | Контрактapplication/json |
Жизненный цикл: exact retained published method
Структуры методов и ID указаны точно; возможности поставщика рассматриваются отдельно от допуска.
Тарифы
Ставки методов Ailoot
POST /v1/embeddings- Вход
- 0,0001 $ / 1K
Ailoot резервирует расчётную сумму перед запросом. После получения результата списывает итоговую плату по измеренному расходу. Для окончательного списания за потоковый ответ используется итоговая запись расхода. Как работают резервирование и расчёт →
Примеры запросов
Ailoot · Эмбеддинги
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
Получить и сохранить результаты
Ailoot · Эмбеддинги
json
Сохраняйте все готовые результаты
Сохраняйте каждый полностью полученный ответ, файл и элемент содержимого.
Декодируйте векторы base64 только тогда, когда был запрошен этот формат; сохраняйте каждый вектор и его исходный индекс.
Если нужно проверить исходный ответ
Отдельный эндпоинт заданий эмбеддингов не вводится.
Поля ответа
| Поле | Тип |
|---|---|
Полеdata[].index | Типinteger |
Полеdata[].embedding | Типfinite float[]|base64 float32 vector |
Полеmodel | Типstring |
Полеusage | Типobject |
Ошибки и дальнейшие шаги
| Ответ | Условие | Следующий шаг |
|---|---|---|
Ответ400 · invalid_request_error | УсловиеНеверные обязательные поля, представление материалов или значение параметра | Следующий шагИсправьте указанные поля перед новым запросом на создание. |
Псевдонимы
Псевдонимы моделей
Ailoot nvidia/llama-nemotron-embed-vl-1b-v2, nemotron-embed-vl, nemotron-embed-vl-latest
Псевдонимы путей метода
Используйте пути методов, указанные выше.
Связанные ID для вызова
nvidia/llama-nemotron-embed-vl-1b-v2, nemotron-embed-vl, nemotron-embed-vl-latest
FAQ · nvidia/llama-nemotron-embed-vl-1b-v2
- Какие входные данные и результаты доступны?
POST /v1/embeddings·nvidia/llama-nemotron-embed-vl-1b-v2:text→embeddingPOST /v1/embeddings·nemotron-embed-vl:text→embeddingPOST /v1/embeddings·nemotron-embed-vl-latest:text→embedding- Какие поля использует запрос?
POST /v1/embeddings·nvidia/llama-nemotron-embed-vl-1b-v2:model,input,input_type,encoding_format,truncate,dimensions,userPOST /v1/embeddings·nemotron-embed-vl:model,input,input_type,encoding_format,truncate,dimensions,userPOST /v1/embeddings·nemotron-embed-vl-latest:model,input,input_type,encoding_format,truncate,dimensions,user- Какие ограничения действуют?
POST /v1/embeddings·nvidia/llama-nemotron-embed-vl-1b-v2:ctx:4096;input.min_items:1;dimensions.minimum:1POST /v1/embeddings·nemotron-embed-vl:ctx:4096;input.min_items:1;dimensions.minimum:1POST /v1/embeddings·nemotron-embed-vl-latest:ctx:4096;input.min_items:1;dimensions.minimum:1