Nemotron 3 Embed 1B
Nemotron 3 Embed 1B превращает тексты в векторы для многоязычного поиска, поиска кода и RAG. Обрабатывает последовательности до 32768 токенов и выдаёт представление размерностью 2048 чисел.
- Ailoot · Эмбеддинги
POST /v1/embeddingsnvidia/nemotron-3-embed-1b - Ailoot · Эмбеддинги
POST /v1/embeddingsnemotron-3-embed - Ailoot · Эмбеддинги
POST /v1/embeddingsnemotron-3-embed-latest
О модели
Описание раскрывает возможности модели. Доступные в Ailoot входные данные, результаты и параметры выбранного метода перечислены ниже.
Nemotron 3 Embed 1B — текстовая модель NVIDIA для поиска по смыслу и сопоставления фрагментов. Она кодирует вопросы, документы и программный код в плотные числовые векторы. Эти представления используются, чтобы найти нужный контекст среди больших коллекций, дополнить им ответ помощника или извлечь ранее сохранённую информацию для следующего шага агента.
Многоязычные знания и код
Модель предназначена для многоязычного и межъязыкового поиска: вопрос и подходящий материал могут быть написаны на разных языках. Русский входит в опубликованный набор из 34 языков, вместе с английским, украинским, китайским, японским, арабским и другими. Это полезно для общих баз знаний, где технические документы и обращения пользователей не приведены к одному языку.
Среди задач — поиск по документации, сопоставление текстов и извлечение кода по словесному описанию. Большое окно входа позволяет работать с длинными документами, объёмным программным контекстом и историей нескольких шагов агента. Найденный материал возвращается в дальнейший процесс как контекст; итоговые объяснения и ответы формирует следующий компонент системы.
От текста к вектору
Вход представляет собой текстовые строки. Для каждой строки получается один вектор из 2048 чисел. Максимальная длина последовательности — 32768 токенов; более длинный материал необходимо разбивать на части либо сокращать. В подготовке входа различают вопрос и документ: модель обучена сопоставлять их роли, поэтому одинаковая строка в этих двух задачах не должна оформляться без учёта назначения.
Векторы нормируются по длине. При таком представлении скалярное произведение и косинусное сходство дают эквивалентный способ сравнения. Можно оставить первые 1024 или 512 координат полного вектора, но после усечения нужно заново выполнить нормирование. Это свойство обработки результата; размерность следует выбирать согласованно для коллекции и запросов.
Как устроена компактная модель
Энкодер содержит около 1,14 млрд параметров. Он получен из модели на основе Ministral 3 3B через два этапа структурного сокращения и дистилляции. Двунаправленное внимание учитывает весь вход, затем представления токенов усредняются в общий вектор.
NVIDIA выпускает варианты BF16 и NVFP4. Их пространства представлений близки, однако смена варианта требует проверки на собственных документах. Ни числовое сходство, ни длина контекста не гарантируют, что поиск всегда выберет правильный фрагмент.
Ailoot · Эмбеддинги POST /v1/embeddings nvidia/nemotron-3-embed-1b
nvidia/nemotron-3-embed-1bnvidia/nemotron-3-embed-1bnemotron-3-embednemotron-3-embed-latest
Начало
Nemotron 3 Embed 1B превращает тексты в векторы для многоязычного поиска, поиска кода и RAG. Обрабатывает последовательности до 32768 токенов и выдаёт представление размерностью 2048 чисел.
- 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/nemotron-3-embed-1b | 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/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
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/nemotron-3-embed-1b, nemotron-3-embed, nemotron-3-embed-latest
Псевдонимы путей метода
Используйте пути методов, указанные выше.
Связанные ID для вызова
nvidia/nemotron-3-embed-1b, nemotron-3-embed, nemotron-3-embed-latest
Ailoot · Эмбеддинги POST /v1/embeddings nemotron-3-embed
nemotron-3-embednvidia/nemotron-3-embed-1bnemotron-3-embednemotron-3-embed-latest
Начало
Nemotron 3 Embed 1B превращает тексты в векторы для многоязычного поиска, поиска кода и RAG. Обрабатывает последовательности до 32768 токенов и выдаёт представление размерностью 2048 чисел.
- 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-3-embed | 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-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
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/nemotron-3-embed-1b, nemotron-3-embed, nemotron-3-embed-latest
Псевдонимы путей метода
Используйте пути методов, указанные выше.
Связанные ID для вызова
nvidia/nemotron-3-embed-1b, nemotron-3-embed, nemotron-3-embed-latest
Ailoot · Эмбеддинги POST /v1/embeddings nemotron-3-embed-latest
nemotron-3-embed-latestnvidia/nemotron-3-embed-1bnemotron-3-embednemotron-3-embed-latest
Начало
Nemotron 3 Embed 1B превращает тексты в векторы для многоязычного поиска, поиска кода и RAG. Обрабатывает последовательности до 32768 токенов и выдаёт представление размерностью 2048 чисел.
- 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-3-embed-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-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
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/nemotron-3-embed-1b, nemotron-3-embed, nemotron-3-embed-latest
Псевдонимы путей метода
Используйте пути методов, указанные выше.
Связанные ID для вызова
nvidia/nemotron-3-embed-1b, nemotron-3-embed, nemotron-3-embed-latest
FAQ · nvidia/nemotron-3-embed-1b
- Какие входные данные и результаты доступны?
POST /v1/embeddings·nvidia/nemotron-3-embed-1b:text→embeddingPOST /v1/embeddings·nemotron-3-embed:text→embeddingPOST /v1/embeddings·nemotron-3-embed-latest:text→embedding- Какие поля использует запрос?
POST /v1/embeddings·nvidia/nemotron-3-embed-1b:model,input,input_type,encoding_format,truncate,dimensions,userPOST /v1/embeddings·nemotron-3-embed:model,input,input_type,encoding_format,truncate,dimensions,userPOST /v1/embeddings·nemotron-3-embed-latest:model,input,input_type,encoding_format,truncate,dimensions,user- Какие ограничения действуют?
POST /v1/embeddings·nvidia/nemotron-3-embed-1b:ctx:4096;input.min_items:1;dimensions.minimum:1POST /v1/embeddings·nemotron-3-embed:ctx:4096;input.min_items:1;dimensions.minimum:1POST /v1/embeddings·nemotron-3-embed-latest:ctx:4096;input.min_items:1;dimensions.minimum:1