Source: https://ailoot.ai/models/ru/nvidia-nemotron-3-embed-1b-u003a-free/ Canonical: https://ailoot.ai/models/ru/nvidia-nemotron-3-embed-1b-u003a-free/ Language: ru # NVIDIA: Nemotron 3 Embed 1B (free) [Markdown](https://ailoot.ai/models/ru/nvidia-nemotron-3-embed-1b-u003a-free/index.md) · [JSON](https://ailoot.ai/models/ru/nvidia-nemotron-3-embed-1b-u003a-free/facts.json) ## [NVIDIA: Nemotron 3 Embed 1B (free)](https://ailoot.ai/models/ru/nvidia-nemotron-3-embed-1b-u003a-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. - [**Ailoot Ultra · Эмбеддинги** `POST /v1/embeddings` `nvidia/nemotron-3-embed-1b:free`](https://ailoot.ai/models/ru/nvidia-nemotron-3-embed-1b-u003a-free/#method-0) 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`](https://ailoot.ai/models/ru/#m=nvidia%2Fnemotron-3-embed-1b%3Afree&route=Ultra&caller=nvidia%2Fnemotron-3-embed-1b%3Afree&fmt=embeddings) NVIDIA /`nvidia/nemotron-3-embed-1b:free` ### Начало 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 | | --- | --- | --- | --- | --- | | Поле`model` | Тип`string` | ТребованиеОбязательно | Значения и ограничения nvidia/nemotron-3-embed-1b:free | По умолчанию— | | Поле`input` | Тип`string\|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— | | Поле`encoding_format` | Тип`string` | ТребованиеНеобязательно | Значения и ограничения float | По умолчаниюfloat | | Поле`dimensions` | Тип`integer` | ТребованиеНе поддерживается | Значения и ограничения Минимум: 1 | По умолчанию— | | Поле`user` | Тип`json_value` | ТребованиеНеобязательно | Значения и ограничения Условия: Source допускает это поле метаданных JSON; точная семантика у исходного поставщика зависит от модели. | По умолчанию— | | Поле`session_id` | Тип`json_value` | ТребованиеНеобязательно | Значения и ограничения Условия: Source допускает это поле метаданных JSON; точная семантика у исходного поставщика зависит от модели. | По умолчанию— | | Поле`trace` | Тип`json_value` | ТребованиеНеобязательно | Значения и ограничения Условия: Source допускает это поле метаданных JSON; точная семантика у исходного поставщика зависит от модели. | По умолчанию— | | Поле`provider` | Тип`object` | ТребованиеНеобязательно | Значения и ограничения Условия: provider.options отклоняется | По умолчанию— | Сочетания входных материалов **text\_to\_embedding** Параметры и жизненный цикл метода | Параметр | Контракт | | --- | --- | | Параметр`content_type` | Контрактapplication/json | | Параметр`required` | Контрактmodel, input | | Параметр`input_shapes` | Контрактstring, string\[\], nonnegative\_integer\_token\_array, nonnegative\_integer\_token\_array\[\] | | Параметр`encoding_format` | Контрактfloat | | Параметр`dimensions_override` | Контрактfalse | | Параметр`max_input_budget_units` | Контракт32768 | | Параметр`multimodal_objects` | Контрактfalse | | Параметр`material_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 **$0** / 1K токенов Вход · Чтение кэша **—** / 1K токенов Вход · Запись в кэш **—** / 1K токенов Вход · Запись в кэш, 1 час **—** / 1K токенов | Ailoot резервирует расчётную сумму перед запросом. После получения результата списывает итоговую плату по измеренному расходу. Для окончательного списания за потоковый ответ используется итоговая запись расхода. [Как работают резервирование и расчёт →](https://ailoot.ai/docs/ru/billing/reserve/) ### Примеры запросов #### Ailoot Ultra · Эмбеддинги curlPython SDK ```bash set -eu : "${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 ``` ```python 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 | | --- | --- | | Поле`object` | Типstring | | Поле`model` | Типstring | | Поле`data[].index` | Типinteger | | Поле`data[].embedding` | Типfinite float\[\] | | Поле`usage` | 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`](https://ailoot.ai/models/ru/#m=nvidia%2Fnemotron-3-embed-1b%3Afree&route=Ultra&caller=nvidia%2Fnemotron-3-embed-1b%3Afree&fmt=embeddings) #### Псевдонимы путей метода Используйте пути методов, указанные выше. #### Связанные ID для вызова [`nvidia/nemotron-3-embed-1b:free`](https://ailoot.ai/models/ru/#m=nvidia%2Fnemotron-3-embed-1b%3Afree&route=Ultra&caller=nvidia%2Fnemotron-3-embed-1b%3Afree&fmt=embeddings) 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` Подключите Ailoot к Claude Code, OpenCode, Hermes или своему приложению. ## Компания и портфель её проектов Компания и портфель её проектов: миллионы клиентов; продажи на миллиарды ежемесячно. ## Покупайте токены со скидкой. Скидка по подписке для регулярной работы. Промокоды — до 50% на покупку токенов. Подписка Выберите тариф со скидкой для своих регулярных запросов. Промокод до 50% Введите код при покупке. Цена пересчитается с учётом действующей акции. Расходы в истории Модель, токены и сумма сохраняются для каждого запроса. [Выбрать подписку](https://ailoot.ai/docs/ru/billing/subscriptions/) · [Посмотреть цены моделей](https://ailoot.ai/models/ru/) ## Подключайте API к продукту, который вы продаёте. SaaS, приложения и боты — по оферте и лицензионному договору Ailoot. Для перепродажи запросите реселлерскую лицензию. Коммерческое приложение Встраивайте генерацию текста, картинок, видео и звука в платные функции своего сервиса. Лицензия для реселлера Пришлите описание проекта и схему доступа. Запросите письменные условия использования и перепродажи. Документы на сайте Оферта, лицензионный договор и политика обработки данных доступны до подключения. [Запросить реселлерскую лицензию](mailto:support@ailoot.ai) · [Оферта и лицензионный договор](https://ailoot.ai/legal/offer?lang=ru) ## Ailoot · Компания и портфель её проектов Ailoot опирается на накопленный опыт работы, большую клиентскую базу, стабильный сервис и постоянный контроль KPI. Компания и портфель её проектов: миллионы клиентов; продажи на миллиарды ежемесячно. Этот опыт Ailoot использует для API-доступа к нейросетям в продуктах клиентов, агентах, приложениях и автоматизациях.