Source: https://ailoot.ai/models/ru/nvidia-nemotron-3-embed-1b/ Canonical: https://ailoot.ai/models/ru/nvidia-nemotron-3-embed-1b/ Language: ru # Nemotron 3 Embed 1B [Markdown](https://ailoot.ai/models/ru/nvidia-nemotron-3-embed-1b/index.md) · [JSON](https://ailoot.ai/models/ru/nvidia-nemotron-3-embed-1b/facts.json) ## [Nemotron 3 Embed 1B](https://ailoot.ai/models/ru/nvidia-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/embeddings` `nvidia/nemotron-3-embed-1b`](https://ailoot.ai/models/ru/nvidia-nemotron-3-embed-1b/#method-0) - [**Ailoot · Эмбеддинги** `POST /v1/embeddings` `nemotron-3-embed`](https://ailoot.ai/models/ru/nvidia-nemotron-3-embed-1b/#method-1) - [**Ailoot · Эмбеддинги** `POST /v1/embeddings` `nemotron-3-embed-latest`](https://ailoot.ai/models/ru/nvidia-nemotron-3-embed-1b/#method-2) 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-1b`](https://ailoot.ai/models/ru/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nvidia%2Fnemotron-3-embed-1b&fmt=embeddings) NVIDIA /`nvidia/nemotron-3-embed-1b` ID модели - `nvidia/nemotron-3-embed-1b` - `nemotron-3-embed` - `nemotron-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 | | --- | --- | --- | --- | --- | | Поле`model` | Тип`string` | ТребованиеОбязательно | Значения и ограничения nvidia/nemotron-3-embed-1b | По умолчанию— | | Поле`input` | Тип`string\|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— | | Поле`input_type` | Тип`string` | ТребованиеНеобязательно | Значения и ограничения query, passage | По умолчаниюquery | | Поле`encoding_format` | Тип`string` | ТребованиеНеобязательно | Значения и ограничения float, base64 | По умолчаниюfloat | | Поле`truncate` | Тип`string` | ТребованиеНеобязательно | Значения и ограничения NONE, START, END | По умолчанию— | | Поле`dimensions` | Тип`integer` | ТребованиеНеобязательно | Значения и ограничения Минимум: 1 | По умолчанию— | | Поле`user` | Тип`string` | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— | Сочетания входных материалов **text\_to\_embedding** Параметры и жизненный цикл метода | Параметр | Контракт | | --- | --- | | Параметр`material_types` | Контрактtext | | Параметр`required` | Контрактmodel, input | | Параметр`optional_controls` | Контрактnull | | Параметр`content_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 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 →](https://ailoot.ai/docs/ru/billing/reserve/) ### Примеры запросов #### Ailoot · Эмбеддинги Пример эмбеддингов ```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/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 | | --- | --- | | Поле`data[].index` | Типinteger | | Поле`data[].embedding` | Типfinite float\[\]\|base64 float32 vector | | Поле`model` | Типstring | | 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** [`nvidia/nemotron-3-embed-1b`](https://ailoot.ai/models/ru/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nvidia%2Fnemotron-3-embed-1b&fmt=embeddings), [`nemotron-3-embed`](https://ailoot.ai/models/ru/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nemotron-3-embed&fmt=embeddings), [`nemotron-3-embed-latest`](https://ailoot.ai/models/ru/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nemotron-3-embed-latest&fmt=embeddings) #### Псевдонимы путей метода Используйте пути методов, указанные выше. #### Связанные ID для вызова [`nvidia/nemotron-3-embed-1b`](https://ailoot.ai/models/ru/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nvidia%2Fnemotron-3-embed-1b&fmt=embeddings), [`nemotron-3-embed`](https://ailoot.ai/models/ru/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nemotron-3-embed&fmt=embeddings), [`nemotron-3-embed-latest`](https://ailoot.ai/models/ru/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nemotron-3-embed-latest&fmt=embeddings) **Ailoot · Эмбеддинги** `POST /v1/embeddings` `nemotron-3-embed` [`nemotron-3-embed`](https://ailoot.ai/models/ru/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nemotron-3-embed&fmt=embeddings) NVIDIA /`nemotron-3-embed` ID модели - `nvidia/nemotron-3-embed-1b` - `nemotron-3-embed` - `nemotron-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 | | --- | --- | --- | --- | --- | | Поле`model` | Тип`string` | ТребованиеОбязательно | Значения и ограничения nemotron-3-embed | По умолчанию— | | Поле`input` | Тип`string\|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— | | Поле`input_type` | Тип`string` | ТребованиеНеобязательно | Значения и ограничения query, passage | По умолчаниюquery | | Поле`encoding_format` | Тип`string` | ТребованиеНеобязательно | Значения и ограничения float, base64 | По умолчаниюfloat | | Поле`truncate` | Тип`string` | ТребованиеНеобязательно | Значения и ограничения NONE, START, END | По умолчанию— | | Поле`dimensions` | Тип`integer` | ТребованиеНеобязательно | Значения и ограничения Минимум: 1 | По умолчанию— | | Поле`user` | Тип`string` | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— | Сочетания входных материалов **text\_to\_embedding** Параметры и жизненный цикл метода | Параметр | Контракт | | --- | --- | | Параметр`material_types` | Контрактtext | | Параметр`required` | Контрактmodel, input | | Параметр`optional_controls` | Контрактnull | | Параметр`content_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 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 →](https://ailoot.ai/docs/ru/billing/reserve/) ### Примеры запросов #### Ailoot · Эмбеддинги Пример эмбеддингов ```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-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 | | --- | --- | | Поле`data[].index` | Типinteger | | Поле`data[].embedding` | Типfinite float\[\]\|base64 float32 vector | | Поле`model` | Типstring | | 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** [`nvidia/nemotron-3-embed-1b`](https://ailoot.ai/models/ru/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nvidia%2Fnemotron-3-embed-1b&fmt=embeddings), [`nemotron-3-embed`](https://ailoot.ai/models/ru/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nemotron-3-embed&fmt=embeddings), [`nemotron-3-embed-latest`](https://ailoot.ai/models/ru/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nemotron-3-embed-latest&fmt=embeddings) #### Псевдонимы путей метода Используйте пути методов, указанные выше. #### Связанные ID для вызова [`nvidia/nemotron-3-embed-1b`](https://ailoot.ai/models/ru/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nvidia%2Fnemotron-3-embed-1b&fmt=embeddings), [`nemotron-3-embed`](https://ailoot.ai/models/ru/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nemotron-3-embed&fmt=embeddings), [`nemotron-3-embed-latest`](https://ailoot.ai/models/ru/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nemotron-3-embed-latest&fmt=embeddings) **Ailoot · Эмбеддинги** `POST /v1/embeddings` `nemotron-3-embed-latest` [`nemotron-3-embed-latest`](https://ailoot.ai/models/ru/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nemotron-3-embed-latest&fmt=embeddings) NVIDIA /`nemotron-3-embed-latest` ID модели - `nvidia/nemotron-3-embed-1b` - `nemotron-3-embed` - `nemotron-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 | | --- | --- | --- | --- | --- | | Поле`model` | Тип`string` | ТребованиеОбязательно | Значения и ограничения nemotron-3-embed-latest | По умолчанию— | | Поле`input` | Тип`string\|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— | | Поле`input_type` | Тип`string` | ТребованиеНеобязательно | Значения и ограничения query, passage | По умолчаниюquery | | Поле`encoding_format` | Тип`string` | ТребованиеНеобязательно | Значения и ограничения float, base64 | По умолчаниюfloat | | Поле`truncate` | Тип`string` | ТребованиеНеобязательно | Значения и ограничения NONE, START, END | По умолчанию— | | Поле`dimensions` | Тип`integer` | ТребованиеНеобязательно | Значения и ограничения Минимум: 1 | По умолчанию— | | Поле`user` | Тип`string` | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— | Сочетания входных материалов **text\_to\_embedding** Параметры и жизненный цикл метода | Параметр | Контракт | | --- | --- | | Параметр`material_types` | Контрактtext | | Параметр`required` | Контрактmodel, input | | Параметр`optional_controls` | Контрактnull | | Параметр`content_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 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 →](https://ailoot.ai/docs/ru/billing/reserve/) ### Примеры запросов #### Ailoot · Эмбеддинги Пример эмбеддингов ```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-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 | | --- | --- | | Поле`data[].index` | Типinteger | | Поле`data[].embedding` | Типfinite float\[\]\|base64 float32 vector | | Поле`model` | Типstring | | 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** [`nvidia/nemotron-3-embed-1b`](https://ailoot.ai/models/ru/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nvidia%2Fnemotron-3-embed-1b&fmt=embeddings), [`nemotron-3-embed`](https://ailoot.ai/models/ru/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nemotron-3-embed&fmt=embeddings), [`nemotron-3-embed-latest`](https://ailoot.ai/models/ru/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nemotron-3-embed-latest&fmt=embeddings) #### Псевдонимы путей метода Используйте пути методов, указанные выше. #### Связанные ID для вызова [`nvidia/nemotron-3-embed-1b`](https://ailoot.ai/models/ru/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nvidia%2Fnemotron-3-embed-1b&fmt=embeddings), [`nemotron-3-embed`](https://ailoot.ai/models/ru/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nemotron-3-embed&fmt=embeddings), [`nemotron-3-embed-latest`](https://ailoot.ai/models/ru/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nemotron-3-embed-latest&fmt=embeddings) FAQ · nvidia/nemotron-3-embed-1b Какие входные данные и результаты доступны? `POST /v1/embeddings` · `nvidia/nemotron-3-embed-1b`: `text` → `embedding` `POST /v1/embeddings` · `nemotron-3-embed`: `text` → `embedding` `POST /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`, `user` `POST /v1/embeddings` · `nemotron-3-embed`: `model`, `input`, `input_type`, `encoding_format`, `truncate`, `dimensions`, `user` `POST /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`: `1` `POST /v1/embeddings` · `nemotron-3-embed`: `ctx`: `4096`; `input.min_items`: `1`; `dimensions.minimum`: `1` `POST /v1/embeddings` · `nemotron-3-embed-latest`: `ctx`: `4096`; `input.min_items`: `1`; `dimensions.minimum`: `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.