Source: https://ailoot.ai/models/sl/nvidia-nemotron-3-5-embed-1b/ Canonical: https://ailoot.ai/models/sl/nvidia-nemotron-3-5-embed-1b/ Language: sl # nvidia/nemotron-3.5-embed-1b [Markdown](https://ailoot.ai/models/sl/nvidia-nemotron-3-5-embed-1b/index.md) · [JSON](https://ailoot.ai/models/sl/nvidia-nemotron-3-5-embed-1b/facts.json) ## [nvidia/nemotron-3.5-embed-1b](https://ailoot.ai/models/sl/nvidia-nemotron-3-5-embed-1b/) `nvidia/nemotron-3.5-embed-1b` NVIDIAVektorske predstavitveVhod 0,0001 $ / 1KIzhod — Besedilne vložitve NVIDIA za večjezično pomensko iskanje in izbor virov v RAG. ### Pomensko iskanje po besedilih Nemotron 3.5 Embed 1B pretvori besedilo v številčno predstavitev vsebine. Model NVIDIA je namenjen iskanju dokumentov po pomenu: vprašanje in ustrezni odlomek sta lahko zapisana z različnimi besedami. Rezultat se uporablja pri iskanju po priročnikih, internih navodilih, člankih in zbirki odgovorov podpore. Izvirni model NVIDIA združuje besedilo in slike dokumentov v skupnem predstavitvenem prostoru; generacija 3.5 dodaja iskanje po vizualni vsebini strani. Ta kartica Ailoot uporablja besedilni potek: besedilo na vhodu in vektor na izhodu. V Ailoot model sprejme besedilo prek metode embeddings in vrne vektor. Vektor je namenjen primerjavi poizvedbe z dokumenti; končni odgovor uporabniku sestavi naslednji korak aplikacije. Tako je mogoče ločeno organizirati iskanje virov in pripravo odgovora na njihovi podlagi. ### Kako zgraditi iskanje Najprej razdelite gradivo na zaključene pomenske odseke in pridobite vložitev vsakega. Vektor shranite z izvirnim besedilom, naslovom in identifikatorjem dokumenta. Pri iskanju vprašanje pretvorite z istim modelom in iz indeksa izberite bližnje vektorje. Najdene odseke lahko prikažete uporabniku ali posredujete besedilnemu modelu kot kontekst za odgovor po dokumentih. Poizvedbe in dokumenti uporabljajo ločene predstavitve, ki se nato primerjajo v istem iskalnem procesu. Pri pripravi korpusa ohranite trditev ob pojasnjevalnem kontekstu, da je najdeni odsek razumljiv samostojno in povezan z izvirnim dokumentom. ### Lastnosti modela Različica 1B je nastala z večjim Nemotron 3.5 Embed 8B kot učiteljskim modelom. Besedilni del temelji na Nemotron 3 Embed 1B in ohranja njegov prostor besedilnih predstavitev. Opis izvirnega modela navaja vektor 2048 vrednosti z normalizacijo L2. To upoštevajte pri zasnovi indeksa in preverite razsežnost dejanskega odgovora izbrane metode. Besedilno iskanje je bilo ocenjeno v 34 jezikih, tudi ruščini. Model je zato kandidat za večjezično zbirko znanja; kakovost izbire odsekov preverite na dejanskih vprašanjih in dokumentih svojega področja. ### Vhod in velikost zahteve Trenutna besedilna metoda Ailoot določa omejitev posameznega vhoda 4096 žetonov. Daljše gradivo je smiselno indeksirati po odsekih z lastnimi povezavami na vir. Potek te kartice je besedilni vhod in vektorska vložitev na izhodu. ### Na voljo prek Ailoot API Vhod `text` Izhod `embedding` Kontekst 4096 *žetonov* Največji odgovor Ni navedeno v katalogu Vhod 0,0001 $ */ 1K* `nvidia/nemotron-3.5-embed-1b` · JSON ``` {"about":"### Pomensko iskanje po besedilih\n\nNemotron 3.5 Embed 1B pretvori besedilo v številčno predstavitev vsebine. Model NVIDIA je namenjen iskanju dokumentov po pomenu: vprašanje in ustrezni odlomek sta lahko zapisana z različnimi besedami. Rezultat se uporablja pri iskanju po priročnikih, internih navodilih, člankih in zbirki odgovorov podpore.\n\nIzvirni model NVIDIA združuje besedilo in slike dokumentov v skupnem predstavitvenem prostoru; generacija 3.5 dodaja iskanje po vizualni vsebini strani. Ta kartica Ailoot uporablja besedilni potek: besedilo na vhodu in vektor na izhodu.\n\nV Ailoot model sprejme besedilo prek metode embeddings in vrne vektor. Vektor je namenjen primerjavi poizvedbe z dokumenti; končni odgovor uporabniku sestavi naslednji korak aplikacije. Tako je mogoče ločeno organizirati iskanje virov in pripravo odgovora na njihovi podlagi.\n\n### Kako zgraditi iskanje\n\nNajprej razdelite gradivo na zaključene pomenske odseke in pridobite vložitev vsakega. Vektor shranite z izvirnim besedilom, naslovom in identifikatorjem dokumenta. Pri iskanju vprašanje pretvorite z istim modelom in iz indeksa izberite bližnje vektorje. Najdene odseke lahko prikažete uporabniku ali posredujete besedilnemu modelu kot kontekst za odgovor po dokumentih.\n\nPoizvedbe in dokumenti uporabljajo ločene predstavitve, ki se nato primerjajo v istem iskalnem procesu. Pri pripravi korpusa ohranite trditev ob pojasnjevalnem kontekstu, da je najdeni odsek razumljiv samostojno in povezan z izvirnim dokumentom.\n\n### Lastnosti modela\n\nRazličica 1B je nastala z večjim Nemotron 3.5 Embed 8B kot učiteljskim modelom. Besedilni del temelji na Nemotron 3 Embed 1B in ohranja njegov prostor besedilnih predstavitev. Opis izvirnega modela navaja vektor 2048 vrednosti z normalizacijo L2. To upoštevajte pri zasnovi indeksa in preverite razsežnost dejanskega odgovora izbrane metode.\n\nBesedilno iskanje je bilo ocenjeno v 34 jezikih, tudi ruščini. Model je zato kandidat za večjezično zbirko znanja; kakovost izbire odsekov preverite na dejanskih vprašanjih in dokumentih svojega področja.\n\n### Vhod in velikost zahteve\n\nTrenutna besedilna metoda Ailoot določa omejitev posameznega vhoda 4096 žetonov. Daljše gradivo je smiselno indeksirati po odsekih z lastnimi povezavami na vir. Potek te kartice je besedilni vhod in vektorska vložitev na izhodu.","alias_of":null,"aliases":[],"author":"NVIDIA","canonical_model":"nvidia/nemotron-3.5-embed-1b","ctx":4096,"formats":["embeddings"],"id":"nvidia/nemotron-3.5-embed-1b","input":["text"],"kind":"embedding","max_out":0,"methods":[{"cache_read":null,"cache_write":null,"cache_write_1h":null,"cache_write_5m":null,"conditional_meter":null,"ctx":4096,"family":"openai","fast_multiplier":null,"flex_multiplier":null,"fmt":"embeddings","http":"POST","img_in":null,"img_out":null,"in":0.1,"input":["text"],"label":"Эмбеддинги","max_out":0,"max_tool_calls":null,"out":0,"output":["embedding"],"path":"/v1/embeddings","request_model_id":"nvidia/nemotron-3.5-embed-1b","route_label":"Core","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]}],"model_aliases":[{"canonical_model_id":"nvidia/nemotron-3.5-embed-1b","request_model_id":"nvidia/nemotron-3.5-embed-1b","route_label":"Core"}],"name":"nvidia/nemotron-3.5-embed-1b","price":{"in":0.1,"in_label":null,"out":null,"out_label":null,"sort_in":0.1,"sort_out":null,"varies":false},"public_id":"nvidia/nemotron-3.5-embed-1b","short":"Besedilne vložitve NVIDIA za večjezično pomensko iskanje in izbor virov v RAG."} ``` ## Vprašanja Kako izberem model za svojo nalogo? Najprej določite potreben vhod in izhod: besedilo, sliko, zvok ali video. Nato primerjajte združljive metode API, točen ID modela ali trenutno ciljno vrednost vzdevka, ceno in obračunsko enoto. Brezplačni GET /v1/models navede modele, dostopne vašemu ključu. Ali vsak model podpira vse metode API in vrste medijev? Uporabite metode API ter vrste vhoda in izhoda, navedene na kartici modela. Podpora besedilu, slikam, zvoku ali videu je odvisna od izbranega modela in metode; pred pošiljanjem podatkov preverite ustrezni primer zahteve. Kakšna je razlika med ID modela in vzdevkom? Točen ID označuje določen model. Vzdevek kaže na model, njegova ciljna vrednost pa se lahko spremeni. V katalogu preverite trenutno ciljno vrednost vzdevka; ko integracija potrebuje določen model, uporabite točen ID. Kako primerjam cene pred pošiljanjem zahteve? Na kartici modela preverite ceno in obračunsko enoto izbrane metode API. Primerjajte enako enoto ter vrsto vhoda in izhoda; zgodovina zahtev prikazuje dejansko porabo in zaračunani znesek. Kaj omogoča naročnina? Popust na nakup žetonov za redno delo. Paket izberite po obsegu zahtev; pogoji in cena so prikazani ob naročilu. Kako uporabim kodo za do 50% popusta? Promocijsko kodo vnesite ob nakupu žetonov. Končni znesek se preračuna po akcijskih pogojih, višina popusta pa je vidna pred plačilom. ## Ailoot · Podjetje in njegov portfelj projektov Ailoot temelji na pridobljenih operativnih izkušnjah, široki bazi strank, stabilni storitvi in stalnem spremljanju KPI. Podjetje in njegov portfelj projektov: milijoni strank; mesečna prodaja v milijardah. Ailoot te operativne izkušnje uporablja za dostop prek API do funkcij umetne inteligence v izdelkih strank, agentih, aplikacijah in avtomatizacijah.