NVIDIA: Nemotron 3 Embed 1B (free)
NVIDIA Nemotron 3 Embed 1B представляет многоязычные запросы и фрагменты 2048-мерными векторами для поиска и RAG. Документированное семейство поддерживает последовательность 32,768 токенов и уменьшенные размеры вектора с повторной нормализацией.
О модели
Описание раскрывает возможности модели. Доступные в Ailoot входные данные, результаты и параметры выбранного метода перечислены ниже.
Nemotron 3 Embed 1B — семейство текстовых эмбеддингов NVIDIA для многоязычного и межъязыкового поиска и оценки семантического сходства. Оно преобразует вопрос или фрагмент в плотный вектор, который поисковая система может сравнивать с другими представлениями текста. Производитель оценивает документированные релизы 1B в тридцати четырёх языковых настройках и вариантах языка, включая английский, арабский, китайский, русский, японский, корейский и Hinglish.
Энкодер и представление
Карточка модели производителя описывает прореженный двунаправленный трансформер, производный от Ministral 3. Он имеет приблизительно 1,14 миллиарда параметров и усредняет представления токенов для получения одного эмбеддинга на текст. Нативный выход — вектор размерности 2048 с плавающей точкой. Это представление для поиска, а не письменный ответ на вопрос, для которого создаётся эмбеддинг.
Производитель также поддерживает сохранение первой части этого представления, например 1024 или 512 измерений. После обрезки укороченный вектор требуется снова L2-нормализовать. Сохраняйте выбранную длину представления и нормализацию согласованными на сторонах запроса и корпуса поисковой задачи. Длина вектора и длина входной последовательности — отдельные свойства.
Подготовка запроса и фрагмента
Документированная поисковая конвенция использует «query:» для вопроса и «passage:» для текста документа. Примеры производителя применяют эти роли перед кодированием и сравнивают нормализованные векторы скалярным произведением, эквивалентным косинусному сходству. Используйте подготовку, ожидаемую выбранным процессом, вместо смешивания неподготовленного представления корпуса с иначе подготовленным запросом.
Практическая коллекция может содержать технические объяснения, правила или документацию, связанную с кодом. Вопрос о том, как функция обрабатывает определённый случай, должен находить исходный фрагмент или отрывок кода, описывающий это поведение. Сохраняйте идентификаторы, заголовки и нужные условия вместе с реальным текстом фрагмента. Вектор делает кандидата доступным для поиска; сохранённый источник использует читатель или последующий этап ответа RAG.
Более длинные исходные материалы
Документированная максимальная длина последовательности — 32 768 токенов. Выбирайте границы фрагментов осознанно, даже если модель вмещает значительный объём текста. Полный раздел может сохранить определение и его исключения; целевой отрывок может упростить проверку конкретного ответа. Входы за пределами окна модели требуют разбиения или усечения, поэтому опущенный конец нельзя считать представленным содержимым.
Связывайте каждую запись с эмбеддингом с её родительским документом и версией. Для отчёта сохраняйте название раздела и объяснение вокруг вывода, которого касается вопрос. Для поиска кода храните название функции, соответствующий интерфейс и описание поведения рядом с отрывком. Это даёт конкретный исходный материал, когда этап поиска возвращает кандидата.
Версии семейства и использование результата
NVIDIA документирует версии BF16 и NVFP4 семейства 1B. Карточка квантованной модели указывает, что эти два релиза имеют общее пространство эмбеддингов, и рекомендует проверять качество поиска на репрезентативных материалах при смене версий. Заявленное общее представление — утверждение производителя об этой конкретной паре, а не общее правило для каждой модели с 2048 выходными значениями.
Полезный результат — вектор запроса или индексированная исходная коллекция с записанными моделью, выбранной размерностью и подготовкой. Верните текст кандидата с его идентификатором и проверьте, даёт ли он нужную информацию. Производитель явно отмечает, что поисковая модель не гарантирует правильный фрагмент для каждого вопроса; последующий этап повторного ранжирования или ответа работает с этими кандидатами как со своей отдельной задачей.
Ailoot Ultra · Эмбеддинги POST /v1/embeddings nvidia/nemotron-3-embed-1b:free
nvidia/nemotron-3-embed-1b:free
nvidia/nemotron-3-embed-1b:freeНачало
NVIDIA Nemotron 3 Embed 1B представляет многоязычные запросы и фрагменты 2048-мерными векторами для поиска и RAG. Документированное семейство поддерживает последовательность 32,768 токенов и уменьшенные размеры вектора с повторной нормализацией.
- Допустимые входные данные
- Текст · token_ids
- Результаты
- embedding
Доступно в Ailoot · входные данные и методы
Ailoot Ultra · Эмбеддинги POST /v1/embeddings
- Входные данные
text,token_ids- Результат
embedding- Контекст
- 32 768 tokens
- Выходной формат
- json
| Поле | Тип | Требование | Значения и ограничения | По умолчанию |
|---|---|---|---|---|
Полеmodel | Типstring | ТребованиеОбязательно | Значения и ограничения nvidia/nemotron-3-embed-1b:free | По умолчанию— |
Полеinput | Типstring|string[]|integer[]|integer[][] | ТребованиеОбязательно | Значения и ограничения Минимум элементов: 1 Условия: Непустой однородный пакет. ID токенов — неотрицательные целые числа. Входной бюджет: Максимум: 32 768 · Текстовая единица: байты UTF8 · Единица токенов: элементы массива токенов | По умолчанию— |
Полеencoding_format | Типstring | ТребованиеНеобязательно | Значения и ограничения float | По умолчаниюfloat |
Полеdimensions | Типinteger | ТребованиеНе поддерживается | Значения и ограничения Минимум: 1 | По умолчанию— |
Полеuser | Типjson_value | ТребованиеНеобязательно | Значения и ограничения Условия: Source допускает это поле метаданных JSON; точная семантика у исходного поставщика зависит от модели. | По умолчанию— |
Полеsession_id | Типjson_value | ТребованиеНеобязательно | Значения и ограничения Условия: Source допускает это поле метаданных JSON; точная семантика у исходного поставщика зависит от модели. | По умолчанию— |
Полеtrace | Типjson_value | ТребованиеНеобязательно | Значения и ограничения Условия: Source допускает это поле метаданных JSON; точная семантика у исходного поставщика зависит от модели. | По умолчанию— |
Полеprovider | Типobject | ТребованиеНеобязательно | Значения и ограничения Условия: provider.options отклоняется | По умолчанию— |
Сочетания входных материалов
text_to_embedding
Параметры и жизненный цикл метода
| Параметр | Контракт |
|---|---|
Параметрcontent_type | Контрактapplication/json |
Параметрrequired | Контрактmodel, input |
Параметрinput_shapes | Контрактstring, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[] |
Параметрencoding_format | Контрактfloat |
Параметрdimensions_override | Контрактfalse |
Параметрmax_input_budget_units | Контракт32768 |
Параметрmultimodal_objects | Контрактfalse |
Параметрmaterial_types | Контрактtext, token_ids |
Жизненный цикл: synchronous_json
Сохраняйте индекс и размерность каждого вектора.
Название мультимодальной модели не означает допуск объектов изображений на этом конкретном маршруте.
Тарифы
Тарифная справка не добавляет режимы запроса. Поддерживаемые параметры указаны для выбранного метода.
- Быстрый режим
- Стандартный тариф При выборе быстрого режима
- Режим flex
- Стандартный тариф При выборе режима flex
- Максимальная интенсивность рассуждений
- Стандартный тариф При максимальной интенсивности рассуждений с корректировкой по умолчанию (default)
Ставки Ailoot
Цены по конфигурациям
| Конфигурация | Шкала ставок | Плата |
|---|---|---|
| КонфигурацияБазовые ставки за токены | Шкала ставокБазовая ставка | Плата Вход · Входные токены $0 / 1K токенов Выход · Выходные токены $0 / 1K токенов Вход · Чтение кэша — / 1K токенов Вход · Запись в кэш — / 1K токенов Вход · Запись в кэш, 1 час — / 1K токенов |
Ailoot резервирует расчётную сумму перед запросом. После получения результата списывает итоговую плату по измеренному расходу. Для окончательного списания за потоковый ответ используется итоговая запись расхода. Как работают резервирование и расчёт →
Примеры запросов
Ailoot Ultra · Эмбеддинги
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "nvidia/nemotron-3-embed-1b:free", "input": ["First document", "Second document"]}')
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
from openai import OpenAI
import os
client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
result=client.embeddings.create(model='nvidia/nemotron-3-embed-1b:free',input=["First document","Second document"])
print(result)
for item in result.data:print(item.index,item.embedding)
Получить и сохранить результаты
Ailoot Ultra · Эмбеддинги
json
Сохраняйте все готовые результаты
Сохраняйте каждый полностью полученный ответ, файл и элемент содержимого.
Сохраняйте каждый вектор с его индексом. Число векторов должно совпадать с числом входных элементов; размерности должны быть согласованы.
Если нужно проверить исходный ответ
Отдельный эндпоинт заданий эмбеддингов не вводится.
Поля ответа
| Поле | Тип |
|---|---|
Полеobject | Типstring |
Полеmodel | Типstring |
Полеdata[].index | Типinteger |
Полеdata[].embedding | Типfinite float[] |
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 Ultra nvidia/nemotron-3-embed-1b:free
Псевдонимы путей метода
Используйте пути методов, указанные выше.
Связанные ID для вызова
FAQ · NVIDIA: Nemotron 3 Embed 1B (free)
- Какие входные данные и результаты доступны?
POST /v1/embeddings·nvidia/nemotron-3-embed-1b:free:text,token_ids→embedding- Какие поля использует запрос?
POST /v1/embeddings·nvidia/nemotron-3-embed-1b:free:model,input,encoding_format,provider- Какие ограничения действуют?
POST /v1/embeddings·nvidia/nemotron-3-embed-1b:free:ctx:32768;input.budget.maximum:32768(байты UTF8);input.min_items:1