{ "aboutHtml": "

Nemotron 3 Embed 1B je besedilni model družbe NVIDIA za iskanje po pomenu in primerjanje odsekov. Vprašanja, dokumente in programsko kodo kodira v goste številčne vektorje. Te predstavitve se uporabljajo za iskanje ustreznega konteksta v velikih zbirkah, dopolnjevanje odgovora pomočnika z njim ali pridobivanje prej shranjenih informacij za naslednji korak agenta.

Večjezično znanje in koda

Model je namenjen večjezičnemu in medjezikovnemu iskanju: vprašanje in ustrezno gradivo sta lahko napisana v različnih jezikih. Ruščina je vključena v objavljeni nabor 34 jezikov, skupaj z angleščino, ukrajinščino, kitajščino, japonščino, arabščino in drugimi. To je koristno za skupne baze znanja, kjer tehnični dokumenti in uporabniške zahteve niso poenoteni v en jezik.

Med nalogami so iskanje po dokumentaciji, primerjanje besedil in pridobivanje kode po besedilnem opisu. Veliko vhodno okno omogoča delo z dolgimi dokumenti, obsežnim programskim kontekstom in zgodovino več korakov agenta. Najdeno gradivo se v nadaljnji proces vrne kot kontekst; končne razlage in odgovore oblikuje naslednja komponenta sistema.

Od besedila do vektorja

Vhod sestavljajo besedilni nizi. Za vsak niz nastane en vektor iz 2048 števil. Največja dolžina zaporedja je 32768 tokenov; daljše gradivo je treba razdeliti na dele ali skrajšati. Pri pripravi vhoda se razlikuje med vprašanjem in dokumentom: model je naučen primerjati njuni vlogi, zato se enak niz pri teh dveh nalogah ne sme oblikovati brez upoštevanja namena.

Vektorji se normalizirajo po dolžini. Pri takšni predstavitvi skalarni produkt in kosinusna podobnost dajeta enakovreden način primerjave. Ohranite lahko prvih 1024 ali 512 koordinat celotnega vektorja, vendar je treba po krajšanju znova izvesti normalizacijo. To je lastnost obdelave rezultata; razsežnost je treba za zbirko in poizvedbe izbrati usklajeno.

Zgradba kompaktnega modela

Kodirnik vsebuje približno 1,14 milijarde parametrov. Nastal je iz modela na osnovi Ministral 3 3B z dvema stopnjama strukturnega zmanjševanja in destilacije. Dvosmerna pozornost upošteva celoten vhod, nato pa se predstavitve tokenov povprečijo v skupen vektor.

NVIDIA izdaja različici BF16 in NVFP4. Njuna predstavitvena prostora sta si blizu, vendar zamenjava različice zahteva preverjanje na lastnih dokumentih. Niti številčna podobnost niti dolžina konteksta ne zagotavljata, da bo iskanje vedno izbralo pravilen odsek.

", "aboutText": "Nemotron 3 Embed 1B je besedilni model družbe NVIDIA za iskanje po pomenu in primerjanje odsekov. Vprašanja, dokumente in programsko kodo kodira v goste številčne vektorje. Te predstavitve se uporabljajo za iskanje ustreznega konteksta v velikih zbirkah, dopolnjevanje odgovora pomočnika z njim ali pridobivanje prej shranjenih informacij za naslednji korak agenta.\n\n### Večjezično znanje in koda\n\nModel je namenjen večjezičnemu in medjezikovnemu iskanju: vprašanje in ustrezno gradivo sta lahko napisana v različnih jezikih. Ruščina je vključena v objavljeni nabor 34 jezikov, skupaj z angleščino, ukrajinščino, kitajščino, japonščino, arabščino in drugimi. To je koristno za skupne baze znanja, kjer tehnični dokumenti in uporabniške zahteve niso poenoteni v en jezik.\n\nMed nalogami so iskanje po dokumentaciji, primerjanje besedil in pridobivanje kode po besedilnem opisu. Veliko vhodno okno omogoča delo z dolgimi dokumenti, obsežnim programskim kontekstom in zgodovino več korakov agenta. Najdeno gradivo se v nadaljnji proces vrne kot kontekst; končne razlage in odgovore oblikuje naslednja komponenta sistema.\n\n### Od besedila do vektorja\n\nVhod sestavljajo besedilni nizi. Za vsak niz nastane en vektor iz 2048 števil. Največja dolžina zaporedja je 32768 tokenov; daljše gradivo je treba razdeliti na dele ali skrajšati. Pri pripravi vhoda se razlikuje med vprašanjem in dokumentom: model je naučen primerjati njuni vlogi, zato se enak niz pri teh dveh nalogah ne sme oblikovati brez upoštevanja namena.\n\nVektorji se normalizirajo po dolžini. Pri takšni predstavitvi skalarni produkt in kosinusna podobnost dajeta enakovreden način primerjave. Ohranite lahko prvih 1024 ali 512 koordinat celotnega vektorja, vendar je treba po krajšanju znova izvesti normalizacijo. To je lastnost obdelave rezultata; razsežnost je treba za zbirko in poizvedbe izbrati usklajeno.\n\n### Zgradba kompaktnega modela\n\nKodirnik vsebuje približno 1,14 milijarde parametrov. Nastal je iz modela na osnovi Ministral 3 3B z dvema stopnjama strukturnega zmanjševanja in destilacije. Dvosmerna pozornost upošteva celoten vhod, nato pa se predstavitve tokenov povprečijo v skupen vektor.\n\nNVIDIA izdaja različici BF16 in NVFP4. Njuna predstavitvena prostora sta si blizu, vendar zamenjava različice zahteva preverjanje na lastnih dokumentih. Niti številčna podobnost niti dolžina konteksta ne zagotavljata, da bo iskanje vedno izbralo pravilen odsek.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "779fc9b822ae00a5bb2d9c5c58e3fd707f3e106614ffec6d5a428f1e5756da7b", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "sl", "methods": [ { "html": "
NV

Nemotron 3 Embed 1B

NVIDIA /nvidia/nemotron-3-embed-1b

Začetek

Nemotron 3 Embed 1B pretvarja besedila v vektorje za večjezično iskanje, iskanje kode in RAG. Obdeluje zaporedja do 32768 tokenov ter vrača predstavitev z razsežnostjo 2048 števil.

Dovoljeni vhodi
Besedilo
Rezultati
embedding
O modelu

Ta opis zajema zmožnosti modela. Vhodi, izhodi in možnosti, ki so na voljo v Ailoot, so spodaj navedeni za izbrano metodo.

Nemotron 3 Embed 1B je besedilni model družbe NVIDIA za iskanje po pomenu in primerjanje odsekov. Vprašanja, dokumente in programsko kodo kodira v goste številčne vektorje. Te predstavitve se uporabljajo za iskanje ustreznega konteksta v velikih zbirkah, dopolnjevanje odgovora pomočnika z njim ali pridobivanje prej shranjenih informacij za naslednji korak agenta.

Večjezično znanje in koda

Model je namenjen večjezičnemu in medjezikovnemu iskanju: vprašanje in ustrezno gradivo sta lahko napisana v različnih jezikih. Ruščina je vključena v objavljeni nabor 34 jezikov, skupaj z angleščino, ukrajinščino, kitajščino, japonščino, arabščino in drugimi. To je koristno za skupne baze znanja, kjer tehnični dokumenti in uporabniške zahteve niso poenoteni v en jezik.

Med nalogami so iskanje po dokumentaciji, primerjanje besedil in pridobivanje kode po besedilnem opisu. Veliko vhodno okno omogoča delo z dolgimi dokumenti, obsežnim programskim kontekstom in zgodovino več korakov agenta. Najdeno gradivo se v nadaljnji proces vrne kot kontekst; končne razlage in odgovore oblikuje naslednja komponenta sistema.

Od besedila do vektorja

Vhod sestavljajo besedilni nizi. Za vsak niz nastane en vektor iz 2048 števil. Največja dolžina zaporedja je 32768 tokenov; daljše gradivo je treba razdeliti na dele ali skrajšati. Pri pripravi vhoda se razlikuje med vprašanjem in dokumentom: model je naučen primerjati njuni vlogi, zato se enak niz pri teh dveh nalogah ne sme oblikovati brez upoštevanja namena.

Vektorji se normalizirajo po dolžini. Pri takšni predstavitvi skalarni produkt in kosinusna podobnost dajeta enakovreden način primerjave. Ohranite lahko prvih 1024 ali 512 koordinat celotnega vektorja, vendar je treba po krajšanju znova izvesti normalizacijo. To je lastnost obdelave rezultata; razsežnost je treba za zbirko in poizvedbe izbrati usklajeno.

Zgradba kompaktnega modela

Kodirnik vsebuje približno 1,14 milijarde parametrov. Nastal je iz modela na osnovi Ministral 3 3B z dvema stopnjama strukturnega zmanjševanja in destilacije. Dvosmerna pozornost upošteva celoten vhod, nato pa se predstavitve tokenov povprečijo v skupen vektor.

NVIDIA izdaja različici BF16 in NVFP4. Njuna predstavitvena prostora sta si blizu, vendar zamenjava različice zahteva preverjanje na lastnih dokumentih. Niti številčna podobnost niti dolžina konteksta ne zagotavljata, da bo iskanje vedno izbralo pravilen odsek.

Na voljo v Ailoot · vhodi in metode

Ailoot · Vektorske predstavitve POST /v1/embeddings
Vhod
text
Izhod
embedding
Kontekst
4096 tokens
Izhodni format
json
PoljeVrstaZahtevaVrednosti in omejitvePrivzeto
PoljemodelVrstastringZahtevaObveznoVrednosti in omejitve
nvidia/nemotron-3-embed-1b
Privzeto—
PoljeinputVrstastring|string[]ZahtevaObveznoVrednosti in omejitve
Najmanjše število elementov: 1
Pogoji: Vsak niz je po trim neprazen; URI-ji data so zavrnjeni; sprejeti proračun meri ustrezne bajte UTF8.
Privzeto—
Poljeinput_typeVrstastringZahtevaIzbirnoVrednosti in omejitve
query, passage
Privzetoquery
Poljeencoding_formatVrstastringZahtevaIzbirnoVrednosti in omejitve
float, base64
Privzetofloat
PoljetruncateVrstastringZahtevaIzbirnoVrednosti in omejitve
NONE, START, END
Privzeto—
PoljedimensionsVrstaintegerZahtevaIzbirnoVrednosti in omejitve
Najmanj: 1
Privzeto—
PoljeuserVrstastringZahtevaIzbirnoVrednosti in omejitvePrivzeto—
Kombinacije vhodnih gradiv

text_to_embedding

Parametri in življenjski cikel metode
ParameterSpecifikacija
Parametermaterial_typesSpecifikacijatext
ParameterrequiredSpecifikacijamodel, input
Parameteroptional_controlsSpecifikacijanull
Parametercontent_typeSpecifikacijaapplication/json

Življenjski cikel: exact retained published method

Strukture metod in ID so natančno določeni; zmožnost ponudnika je ločena od sprejema zahteve.

Cenik

Cene metod Ailoot

Ailoot Vektorske predstavitvePOST /v1/embeddings
Vhod
0,0001 $ / 1K

Ailoot pred zahtevo rezervira ocenjeni znesek. Po rezultatu obračuna končni strošek na podlagi izmerjene porabe. Obračun pretakanja uporablja končni zapis porabe. Kako delujeta rezervacija in obračun →

Primeri zahtev

Ailoot · Vektorske predstavitve

set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "nvidia/nemotron-3-embed-1b", "input": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["input"]=[text]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \\\n  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n  --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("data",[]): print(json.dumps({"index":x.get("index"),"embedding":x.get("embedding")}))\nPY_RESULT\n

Prejmi in shrani rezultate

Ailoot · Vektorske predstavitve

json

Ohrani vse dokončane rezultate

Shranite vsak v celoti vrnjen odgovor, datoteko in del vsebine.

Vektorje base64 dekodirajte samo, kadar je bila zahtevana ta oblika; ohranite vsak vektor in njegov izvirni indeks.

Če je treba preveriti izvirni odgovor

Končna točka za opravila ustvarjanja vektorskih predstavitev se ne uvaja.

Polja odgovora
PoljeVrsta
Poljedata[].indexVrstainteger
Poljedata[].embeddingVrstafinite float[]|base64 float32 vector
PoljemodelVrstastring
PoljeusageVrstaobject
Napake in naslednji koraki
OdgovorPogojNaslednji korak
Odgovor400 · invalid_request_errorPogojNeveljavna obvezna polja, predstavitev gradiva ali vrednost parametraNaslednji korakPred novo zahtevo za ustvarjanje popravite navedena polja.

Druga imena

Druga imena modelov

Ailoot nvidia/nemotron-3-embed-1b, nemotron-3-embed, nemotron-3-embed-latest

Druga imena poti metod

Uporabite zgoraj navedene poti metod.

Povezani ID-ji za klic

nvidia/nemotron-3-embed-1b, nemotron-3-embed, nemotron-3-embed-latest

", "method_identity": { "effective_request_model_id": "nvidia/nemotron-3-embed-1b", "fmt": "embeddings", "http": "POST", "path": "/v1/embeddings", "request_model_id": "nvidia/nemotron-3-embed-1b", "route_label": "Core" }, "method_key": "Core|embeddings|/v1/embeddings|nvidia%2Fnemotron-3-embed-1b", "ordinal": 0, "rawMethod": { "cache_read": null, "cache_write": null, "cache_write_1h": null, "cache_write_5m": null, "conditional_meter": null, "contract": { "data": { "all_results": "Decode base64 vectors only when that format was requested; retain every vector and its original index.", "errors": [ { "code": null, "condition": "Neveljavna obvezna polja, predstavitev gradiva ali vrednost parametra", "http_status": 400, "recovery": "Pred novo zahtevo za ustvarjanje popravite navedena polja.", "type": "invalid_request_error" } ], "hints": [], "ignored_fields": [], "lifecycle": { "create": { "http": "POST", "path": "/v1/embeddings" }, "job_read": null, "mode": "synchronous_json", "unknown": "Končna točka za opravila ustvarjanja vektorskih predstavitev se ne uvaja." }, "material_combinations": [ { "alternatives": [ "nonempty string", "nonempty string[]" ], "mode": "text_to_embedding" } ], "operation_modes": [ "single_embedding", "batched_embeddings" ], "outputs": { "all_results": "Vektorje base64 dekodirajte samo, kadar je bila zahtevana ta oblika; ohranite vsak vektor in njegov izvirni indeks.", "family": "embedding", "fields": [ { "description": null, "name": "data[].index", "type": "integer" }, { "description": null, "name": "data[].embedding", "type": "finite float[]|base64 float32 vector" }, { "description": null, "name": "model", "type": "string" }, { "description": null, "name": "usage", "type": "object" } ], "format": "json" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "nvidia/nemotron-3-embed-1b" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "conditions": "Vsak niz je po trim neprazen; URI-ji data so zavrnjeni; sprejeti proračun meri ustrezne bajte UTF8.", "default": null, "default_known": false, "enum": null, "enum_known": false, "min_items": 1, "name": "input", "required": true, "type": "string|string[]" }, { "availability": "source_interface", "default": "query", "default_known": true, "enum": [ "query", "passage" ], "enum_known": true, "name": "input_type", "required": false, "type": "string" }, { "availability": "source_interface", "default": "float", "default_known": true, "enum": [ "float", "base64" ], "enum_known": true, "name": "encoding_format", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "NONE", "START", "END" ], "enum_known": true, "name": "truncate", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "minimum": 1, "name": "dimensions", "required": false, "type": "integer" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "user", "required": false, "type": "string" } ], "profile_binding": "Exact existing Ailoot model and method; interface constraints below do not assert provider qualification.", "unsupported": [ "image objects", "data URI text inputs", "token integer arrays on this NVIDIA adapter" ] }, "hints": [ "Strukture metod in ID so natančno določeni; zmožnost ponudnika je ločena od sprejema zahteve." ], "input": { "content_type": "application/json", "material_types": [ "text" ], "optional_controls": null, "required": [ "model", "input" ] }, "lifecycle": { "mode": "exact retained published method" }, "method": { "http": "POST", "path": "/v1/embeddings" }, "operation_modes": [ "embeddings" ], "output": { "family": [ "embedding" ], "format": "indexed vectors JSON", "multioutputs": "retain every actual response output" } }, "ctx": 4096, "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}\"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"nvidia/nemotron-3-embed-1b\", \"input\": []}')\nf=Path(os.environ[\"AILOOT_TEXT_FILE\"])\nif not f.is_file():raise SystemExit(\"Choose your actual UTF-8 source material\")\ntext=f.read_text(encoding=\"utf-8\")\nif not text.strip():raise SystemExit(\"Source material must contain text\")\np[\"input\"]=[text]\nPath(\"request.json\").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path(\"result.json\").read_text())\nfor x in r.get(\"data\",[]): print(json.dumps({\"index\":x.get(\"index\"),\"embedding\":x.get(\"embedding\")}))\nPY_RESULT\n", "label": "Embed your source material", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "embeddings", "http": "POST", "img_in": null, "img_out": null, "in": 0.1, "input": [ "text" ], "label": "Vektorske predstavitve", "max_out": 0, "max_tool_calls": null, "out": 0, "output": [ "embedding" ], "path": "/v1/embeddings", "pricing_profiles": [ { "dimensions": {}, "label": "Core", "units": [ { "amount": 0.1, "amount_unit": "usd_per_million_tokens", "key": "in", "label": "Input", "side": "in" }, { "amount": 0, "amount_unit": "usd_per_million_tokens", "key": "out", "label": "Output", "side": "out" } ] } ], "request_model_id": "nvidia/nemotron-3-embed-1b", "route_label": "Core", "status_reads": [], "tiers": [], "tool_prices": null, "unit": "token", "units": [] } }, { "html": "
NV

Nemotron 3 Embed 1B

NVIDIA /nemotron-3-embed

Začetek

Nemotron 3 Embed 1B pretvarja besedila v vektorje za večjezično iskanje, iskanje kode in RAG. Obdeluje zaporedja do 32768 tokenov ter vrača predstavitev z razsežnostjo 2048 števil.

Dovoljeni vhodi
Besedilo
Rezultati
embedding
O modelu

Ta opis zajema zmožnosti modela. Vhodi, izhodi in možnosti, ki so na voljo v Ailoot, so spodaj navedeni za izbrano metodo.

Nemotron 3 Embed 1B je besedilni model družbe NVIDIA za iskanje po pomenu in primerjanje odsekov. Vprašanja, dokumente in programsko kodo kodira v goste številčne vektorje. Te predstavitve se uporabljajo za iskanje ustreznega konteksta v velikih zbirkah, dopolnjevanje odgovora pomočnika z njim ali pridobivanje prej shranjenih informacij za naslednji korak agenta.

Večjezično znanje in koda

Model je namenjen večjezičnemu in medjezikovnemu iskanju: vprašanje in ustrezno gradivo sta lahko napisana v različnih jezikih. Ruščina je vključena v objavljeni nabor 34 jezikov, skupaj z angleščino, ukrajinščino, kitajščino, japonščino, arabščino in drugimi. To je koristno za skupne baze znanja, kjer tehnični dokumenti in uporabniške zahteve niso poenoteni v en jezik.

Med nalogami so iskanje po dokumentaciji, primerjanje besedil in pridobivanje kode po besedilnem opisu. Veliko vhodno okno omogoča delo z dolgimi dokumenti, obsežnim programskim kontekstom in zgodovino več korakov agenta. Najdeno gradivo se v nadaljnji proces vrne kot kontekst; končne razlage in odgovore oblikuje naslednja komponenta sistema.

Od besedila do vektorja

Vhod sestavljajo besedilni nizi. Za vsak niz nastane en vektor iz 2048 števil. Največja dolžina zaporedja je 32768 tokenov; daljše gradivo je treba razdeliti na dele ali skrajšati. Pri pripravi vhoda se razlikuje med vprašanjem in dokumentom: model je naučen primerjati njuni vlogi, zato se enak niz pri teh dveh nalogah ne sme oblikovati brez upoštevanja namena.

Vektorji se normalizirajo po dolžini. Pri takšni predstavitvi skalarni produkt in kosinusna podobnost dajeta enakovreden način primerjave. Ohranite lahko prvih 1024 ali 512 koordinat celotnega vektorja, vendar je treba po krajšanju znova izvesti normalizacijo. To je lastnost obdelave rezultata; razsežnost je treba za zbirko in poizvedbe izbrati usklajeno.

Zgradba kompaktnega modela

Kodirnik vsebuje približno 1,14 milijarde parametrov. Nastal je iz modela na osnovi Ministral 3 3B z dvema stopnjama strukturnega zmanjševanja in destilacije. Dvosmerna pozornost upošteva celoten vhod, nato pa se predstavitve tokenov povprečijo v skupen vektor.

NVIDIA izdaja različici BF16 in NVFP4. Njuna predstavitvena prostora sta si blizu, vendar zamenjava različice zahteva preverjanje na lastnih dokumentih. Niti številčna podobnost niti dolžina konteksta ne zagotavljata, da bo iskanje vedno izbralo pravilen odsek.

Na voljo v Ailoot · vhodi in metode

Ailoot · Vektorske predstavitve POST /v1/embeddings
Vhod
text
Izhod
embedding
Kontekst
4096 tokens
Izhodni format
json
PoljeVrstaZahtevaVrednosti in omejitvePrivzeto
PoljemodelVrstastringZahtevaObveznoVrednosti in omejitve
nemotron-3-embed
Privzeto—
PoljeinputVrstastring|string[]ZahtevaObveznoVrednosti in omejitve
Najmanjše število elementov: 1
Pogoji: Vsak niz je po trim neprazen; URI-ji data so zavrnjeni; sprejeti proračun meri ustrezne bajte UTF8.
Privzeto—
Poljeinput_typeVrstastringZahtevaIzbirnoVrednosti in omejitve
query, passage
Privzetoquery
Poljeencoding_formatVrstastringZahtevaIzbirnoVrednosti in omejitve
float, base64
Privzetofloat
PoljetruncateVrstastringZahtevaIzbirnoVrednosti in omejitve
NONE, START, END
Privzeto—
PoljedimensionsVrstaintegerZahtevaIzbirnoVrednosti in omejitve
Najmanj: 1
Privzeto—
PoljeuserVrstastringZahtevaIzbirnoVrednosti in omejitvePrivzeto—
Kombinacije vhodnih gradiv

text_to_embedding

Parametri in življenjski cikel metode
ParameterSpecifikacija
Parametermaterial_typesSpecifikacijatext
ParameterrequiredSpecifikacijamodel, input
Parameteroptional_controlsSpecifikacijanull
Parametercontent_typeSpecifikacijaapplication/json

Življenjski cikel: exact retained published method

Strukture metod in ID so natančno določeni; zmožnost ponudnika je ločena od sprejema zahteve.

Cenik

Cene metod Ailoot

Ailoot Vektorske predstavitvePOST /v1/embeddings
Vhod
0,0001 $ / 1K

Ailoot pred zahtevo rezervira ocenjeni znesek. Po rezultatu obračuna končni strošek na podlagi izmerjene porabe. Obračun pretakanja uporablja končni zapis porabe. Kako delujeta rezervacija in obračun →

Primeri zahtev

Ailoot · Vektorske predstavitve

set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "nemotron-3-embed", "input": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["input"]=[text]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \\\n  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n  --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("data",[]): print(json.dumps({"index":x.get("index"),"embedding":x.get("embedding")}))\nPY_RESULT\n

Prejmi in shrani rezultate

Ailoot · Vektorske predstavitve

json

Ohrani vse dokončane rezultate

Shranite vsak v celoti vrnjen odgovor, datoteko in del vsebine.

Vektorje base64 dekodirajte samo, kadar je bila zahtevana ta oblika; ohranite vsak vektor in njegov izvirni indeks.

Če je treba preveriti izvirni odgovor

Končna točka za opravila ustvarjanja vektorskih predstavitev se ne uvaja.

Polja odgovora
PoljeVrsta
Poljedata[].indexVrstainteger
Poljedata[].embeddingVrstafinite float[]|base64 float32 vector
PoljemodelVrstastring
PoljeusageVrstaobject
Napake in naslednji koraki
OdgovorPogojNaslednji korak
Odgovor400 · invalid_request_errorPogojNeveljavna obvezna polja, predstavitev gradiva ali vrednost parametraNaslednji korakPred novo zahtevo za ustvarjanje popravite navedena polja.

Druga imena

Druga imena modelov

Ailoot nvidia/nemotron-3-embed-1b, nemotron-3-embed, nemotron-3-embed-latest

Druga imena poti metod

Uporabite zgoraj navedene poti metod.

Povezani ID-ji za klic

nvidia/nemotron-3-embed-1b, nemotron-3-embed, nemotron-3-embed-latest

", "method_identity": { "effective_request_model_id": "nemotron-3-embed", "fmt": "embeddings", "http": "POST", "path": "/v1/embeddings", "request_model_id": "nemotron-3-embed", "route_label": "Core" }, "method_key": "Core|embeddings|/v1/embeddings|nemotron-3-embed", "ordinal": 1, "rawMethod": { "cache_read": null, "cache_write": null, "cache_write_1h": null, "cache_write_5m": null, "conditional_meter": null, "contract": { "data": { "all_results": "Decode base64 vectors only when that format was requested; retain every vector and its original index.", "errors": [ { "code": null, "condition": "Neveljavna obvezna polja, predstavitev gradiva ali vrednost parametra", "http_status": 400, "recovery": "Pred novo zahtevo za ustvarjanje popravite navedena polja.", "type": "invalid_request_error" } ], "hints": [], "ignored_fields": [], "lifecycle": { "create": { "http": "POST", "path": "/v1/embeddings" }, "job_read": null, "mode": "synchronous_json", "unknown": "Končna točka za opravila ustvarjanja vektorskih predstavitev se ne uvaja." }, "material_combinations": [ { "alternatives": [ "nonempty string", "nonempty string[]" ], "mode": "text_to_embedding" } ], "operation_modes": [ "single_embedding", "batched_embeddings" ], "outputs": { "all_results": "Vektorje base64 dekodirajte samo, kadar je bila zahtevana ta oblika; ohranite vsak vektor in njegov izvirni indeks.", "family": "embedding", "fields": [ { "description": null, "name": "data[].index", "type": "integer" }, { "description": null, "name": "data[].embedding", "type": "finite float[]|base64 float32 vector" }, { "description": null, "name": "model", "type": "string" }, { "description": null, "name": "usage", "type": "object" } ], "format": "json" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "nemotron-3-embed" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "conditions": "Vsak niz je po trim neprazen; URI-ji data so zavrnjeni; sprejeti proračun meri ustrezne bajte UTF8.", "default": null, "default_known": false, "enum": null, "enum_known": false, "min_items": 1, "name": "input", "required": true, "type": "string|string[]" }, { "availability": "source_interface", "default": "query", "default_known": true, "enum": [ "query", "passage" ], "enum_known": true, "name": "input_type", "required": false, "type": "string" }, { "availability": "source_interface", "default": "float", "default_known": true, "enum": [ "float", "base64" ], "enum_known": true, "name": "encoding_format", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "NONE", "START", "END" ], "enum_known": true, "name": "truncate", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "minimum": 1, "name": "dimensions", "required": false, "type": "integer" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "user", "required": false, "type": "string" } ], "profile_binding": "Exact existing Ailoot model and method; interface constraints below do not assert provider qualification.", "unsupported": [ "image objects", "data URI text inputs", "token integer arrays on this NVIDIA adapter" ] }, "hints": [ "Strukture metod in ID so natančno določeni; zmožnost ponudnika je ločena od sprejema zahteve." ], "input": { "content_type": "application/json", "material_types": [ "text" ], "optional_controls": null, "required": [ "model", "input" ] }, "lifecycle": { "mode": "exact retained published method" }, "method": { "http": "POST", "path": "/v1/embeddings" }, "operation_modes": [ "embeddings" ], "output": { "family": [ "embedding" ], "format": "indexed vectors JSON", "multioutputs": "retain every actual response output" } }, "ctx": 4096, "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}\"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"nemotron-3-embed\", \"input\": []}')\nf=Path(os.environ[\"AILOOT_TEXT_FILE\"])\nif not f.is_file():raise SystemExit(\"Choose your actual UTF-8 source material\")\ntext=f.read_text(encoding=\"utf-8\")\nif not text.strip():raise SystemExit(\"Source material must contain text\")\np[\"input\"]=[text]\nPath(\"request.json\").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path(\"result.json\").read_text())\nfor x in r.get(\"data\",[]): print(json.dumps({\"index\":x.get(\"index\"),\"embedding\":x.get(\"embedding\")}))\nPY_RESULT\n", "label": "Embed your source material", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "embeddings", "http": "POST", "img_in": null, "img_out": null, "in": 0.1, "input": [ "text" ], "label": "Vektorske predstavitve", "max_out": 0, "max_tool_calls": null, "out": 0, "output": [ "embedding" ], "path": "/v1/embeddings", "pricing_profiles": [ { "dimensions": {}, "label": "Core", "units": [ { "amount": 0.1, "amount_unit": "usd_per_million_tokens", "key": "in", "label": "Input", "side": "in" }, { "amount": 0, "amount_unit": "usd_per_million_tokens", "key": "out", "label": "Output", "side": "out" } ] } ], "request_model_id": "nemotron-3-embed", "route_label": "Core", "status_reads": [], "tiers": [], "tool_prices": null, "unit": "token", "units": [] } }, { "html": "
NV

Nemotron 3 Embed 1B

NVIDIA /nemotron-3-embed-latest

Začetek

Nemotron 3 Embed 1B pretvarja besedila v vektorje za večjezično iskanje, iskanje kode in RAG. Obdeluje zaporedja do 32768 tokenov ter vrača predstavitev z razsežnostjo 2048 števil.

Dovoljeni vhodi
Besedilo
Rezultati
embedding
O modelu

Ta opis zajema zmožnosti modela. Vhodi, izhodi in možnosti, ki so na voljo v Ailoot, so spodaj navedeni za izbrano metodo.

Nemotron 3 Embed 1B je besedilni model družbe NVIDIA za iskanje po pomenu in primerjanje odsekov. Vprašanja, dokumente in programsko kodo kodira v goste številčne vektorje. Te predstavitve se uporabljajo za iskanje ustreznega konteksta v velikih zbirkah, dopolnjevanje odgovora pomočnika z njim ali pridobivanje prej shranjenih informacij za naslednji korak agenta.

Večjezično znanje in koda

Model je namenjen večjezičnemu in medjezikovnemu iskanju: vprašanje in ustrezno gradivo sta lahko napisana v različnih jezikih. Ruščina je vključena v objavljeni nabor 34 jezikov, skupaj z angleščino, ukrajinščino, kitajščino, japonščino, arabščino in drugimi. To je koristno za skupne baze znanja, kjer tehnični dokumenti in uporabniške zahteve niso poenoteni v en jezik.

Med nalogami so iskanje po dokumentaciji, primerjanje besedil in pridobivanje kode po besedilnem opisu. Veliko vhodno okno omogoča delo z dolgimi dokumenti, obsežnim programskim kontekstom in zgodovino več korakov agenta. Najdeno gradivo se v nadaljnji proces vrne kot kontekst; končne razlage in odgovore oblikuje naslednja komponenta sistema.

Od besedila do vektorja

Vhod sestavljajo besedilni nizi. Za vsak niz nastane en vektor iz 2048 števil. Največja dolžina zaporedja je 32768 tokenov; daljše gradivo je treba razdeliti na dele ali skrajšati. Pri pripravi vhoda se razlikuje med vprašanjem in dokumentom: model je naučen primerjati njuni vlogi, zato se enak niz pri teh dveh nalogah ne sme oblikovati brez upoštevanja namena.

Vektorji se normalizirajo po dolžini. Pri takšni predstavitvi skalarni produkt in kosinusna podobnost dajeta enakovreden način primerjave. Ohranite lahko prvih 1024 ali 512 koordinat celotnega vektorja, vendar je treba po krajšanju znova izvesti normalizacijo. To je lastnost obdelave rezultata; razsežnost je treba za zbirko in poizvedbe izbrati usklajeno.

Zgradba kompaktnega modela

Kodirnik vsebuje približno 1,14 milijarde parametrov. Nastal je iz modela na osnovi Ministral 3 3B z dvema stopnjama strukturnega zmanjševanja in destilacije. Dvosmerna pozornost upošteva celoten vhod, nato pa se predstavitve tokenov povprečijo v skupen vektor.

NVIDIA izdaja različici BF16 in NVFP4. Njuna predstavitvena prostora sta si blizu, vendar zamenjava različice zahteva preverjanje na lastnih dokumentih. Niti številčna podobnost niti dolžina konteksta ne zagotavljata, da bo iskanje vedno izbralo pravilen odsek.

Na voljo v Ailoot · vhodi in metode

Ailoot · Vektorske predstavitve POST /v1/embeddings
Vhod
text
Izhod
embedding
Kontekst
4096 tokens
Izhodni format
json
PoljeVrstaZahtevaVrednosti in omejitvePrivzeto
PoljemodelVrstastringZahtevaObveznoVrednosti in omejitve
nemotron-3-embed-latest
Privzeto—
PoljeinputVrstastring|string[]ZahtevaObveznoVrednosti in omejitve
Najmanjše število elementov: 1
Pogoji: Vsak niz je po trim neprazen; URI-ji data so zavrnjeni; sprejeti proračun meri ustrezne bajte UTF8.
Privzeto—
Poljeinput_typeVrstastringZahtevaIzbirnoVrednosti in omejitve
query, passage
Privzetoquery
Poljeencoding_formatVrstastringZahtevaIzbirnoVrednosti in omejitve
float, base64
Privzetofloat
PoljetruncateVrstastringZahtevaIzbirnoVrednosti in omejitve
NONE, START, END
Privzeto—
PoljedimensionsVrstaintegerZahtevaIzbirnoVrednosti in omejitve
Najmanj: 1
Privzeto—
PoljeuserVrstastringZahtevaIzbirnoVrednosti in omejitvePrivzeto—
Kombinacije vhodnih gradiv

text_to_embedding

Parametri in življenjski cikel metode
ParameterSpecifikacija
Parametermaterial_typesSpecifikacijatext
ParameterrequiredSpecifikacijamodel, input
Parameteroptional_controlsSpecifikacijanull
Parametercontent_typeSpecifikacijaapplication/json

Življenjski cikel: exact retained published method

Strukture metod in ID so natančno določeni; zmožnost ponudnika je ločena od sprejema zahteve.

Cenik

Cene metod Ailoot

Ailoot Vektorske predstavitvePOST /v1/embeddings
Vhod
0,0001 $ / 1K

Ailoot pred zahtevo rezervira ocenjeni znesek. Po rezultatu obračuna končni strošek na podlagi izmerjene porabe. Obračun pretakanja uporablja končni zapis porabe. Kako delujeta rezervacija in obračun →

Primeri zahtev

Ailoot · Vektorske predstavitve

set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "nemotron-3-embed-latest", "input": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["input"]=[text]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \\\n  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n  --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("data",[]): print(json.dumps({"index":x.get("index"),"embedding":x.get("embedding")}))\nPY_RESULT\n

Prejmi in shrani rezultate

Ailoot · Vektorske predstavitve

json

Ohrani vse dokončane rezultate

Shranite vsak v celoti vrnjen odgovor, datoteko in del vsebine.

Vektorje base64 dekodirajte samo, kadar je bila zahtevana ta oblika; ohranite vsak vektor in njegov izvirni indeks.

Če je treba preveriti izvirni odgovor

Končna točka za opravila ustvarjanja vektorskih predstavitev se ne uvaja.

Polja odgovora
PoljeVrsta
Poljedata[].indexVrstainteger
Poljedata[].embeddingVrstafinite float[]|base64 float32 vector
PoljemodelVrstastring
PoljeusageVrstaobject
Napake in naslednji koraki
OdgovorPogojNaslednji korak
Odgovor400 · invalid_request_errorPogojNeveljavna obvezna polja, predstavitev gradiva ali vrednost parametraNaslednji korakPred novo zahtevo za ustvarjanje popravite navedena polja.

Druga imena

Druga imena modelov

Ailoot nvidia/nemotron-3-embed-1b, nemotron-3-embed, nemotron-3-embed-latest

Druga imena poti metod

Uporabite zgoraj navedene poti metod.

Povezani ID-ji za klic

nvidia/nemotron-3-embed-1b, nemotron-3-embed, nemotron-3-embed-latest

", "method_identity": { "effective_request_model_id": "nemotron-3-embed-latest", "fmt": "embeddings", "http": "POST", "path": "/v1/embeddings", "request_model_id": "nemotron-3-embed-latest", "route_label": "Core" }, "method_key": "Core|embeddings|/v1/embeddings|nemotron-3-embed-latest", "ordinal": 2, "rawMethod": { "cache_read": null, "cache_write": null, "cache_write_1h": null, "cache_write_5m": null, "conditional_meter": null, "contract": { "data": { "all_results": "Decode base64 vectors only when that format was requested; retain every vector and its original index.", "errors": [ { "code": null, "condition": "Neveljavna obvezna polja, predstavitev gradiva ali vrednost parametra", "http_status": 400, "recovery": "Pred novo zahtevo za ustvarjanje popravite navedena polja.", "type": "invalid_request_error" } ], "hints": [], "ignored_fields": [], "lifecycle": { "create": { "http": "POST", "path": "/v1/embeddings" }, "job_read": null, "mode": "synchronous_json", "unknown": "Končna točka za opravila ustvarjanja vektorskih predstavitev se ne uvaja." }, "material_combinations": [ { "alternatives": [ "nonempty string", "nonempty string[]" ], "mode": "text_to_embedding" } ], "operation_modes": [ "single_embedding", "batched_embeddings" ], "outputs": { "all_results": "Vektorje base64 dekodirajte samo, kadar je bila zahtevana ta oblika; ohranite vsak vektor in njegov izvirni indeks.", "family": "embedding", "fields": [ { "description": null, "name": "data[].index", "type": "integer" }, { "description": null, "name": "data[].embedding", "type": "finite float[]|base64 float32 vector" }, { "description": null, "name": "model", "type": "string" }, { "description": null, "name": "usage", "type": "object" } ], "format": "json" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "nemotron-3-embed-latest" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "conditions": "Vsak niz je po trim neprazen; URI-ji data so zavrnjeni; sprejeti proračun meri ustrezne bajte UTF8.", "default": null, "default_known": false, "enum": null, "enum_known": false, "min_items": 1, "name": "input", "required": true, "type": "string|string[]" }, { "availability": "source_interface", "default": "query", "default_known": true, "enum": [ "query", "passage" ], "enum_known": true, "name": "input_type", "required": false, "type": "string" }, { "availability": "source_interface", "default": "float", "default_known": true, "enum": [ "float", "base64" ], "enum_known": true, "name": "encoding_format", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "NONE", "START", "END" ], "enum_known": true, "name": "truncate", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "minimum": 1, "name": "dimensions", "required": false, "type": "integer" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "user", "required": false, "type": "string" } ], "profile_binding": "Exact existing Ailoot model and method; interface constraints below do not assert provider qualification.", "unsupported": [ "image objects", "data URI text inputs", "token integer arrays on this NVIDIA adapter" ] }, "hints": [ "Strukture metod in ID so natančno določeni; zmožnost ponudnika je ločena od sprejema zahteve." ], "input": { "content_type": "application/json", "material_types": [ "text" ], "optional_controls": null, "required": [ "model", "input" ] }, "lifecycle": { "mode": "exact retained published method" }, "method": { "http": "POST", "path": "/v1/embeddings" }, "operation_modes": [ "embeddings" ], "output": { "family": [ "embedding" ], "format": "indexed vectors JSON", "multioutputs": "retain every actual response output" } }, "ctx": 4096, "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}\"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"nemotron-3-embed-latest\", \"input\": []}')\nf=Path(os.environ[\"AILOOT_TEXT_FILE\"])\nif not f.is_file():raise SystemExit(\"Choose your actual UTF-8 source material\")\ntext=f.read_text(encoding=\"utf-8\")\nif not text.strip():raise SystemExit(\"Source material must contain text\")\np[\"input\"]=[text]\nPath(\"request.json\").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path(\"result.json\").read_text())\nfor x in r.get(\"data\",[]): print(json.dumps({\"index\":x.get(\"index\"),\"embedding\":x.get(\"embedding\")}))\nPY_RESULT\n", "label": "Embed your source material", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "embeddings", "http": "POST", "img_in": null, "img_out": null, "in": 0.1, "input": [ "text" ], "label": "Vektorske predstavitve", "max_out": 0, "max_tool_calls": null, "out": 0, "output": [ "embedding" ], "path": "/v1/embeddings", "pricing_profiles": [ { "dimensions": {}, "label": "Core", "units": [ { "amount": 0.1, "amount_unit": "usd_per_million_tokens", "key": "in", "label": "Input", "side": "in" }, { "amount": 0, "amount_unit": "usd_per_million_tokens", "key": "out", "label": "Output", "side": "out" } ] } ], "request_model_id": "nemotron-3-embed-latest", "route_label": "Core", "status_reads": [], "tiers": [], "tool_prices": null, "unit": "token", "units": [] } } ], "model_id": "nvidia/nemotron-3-embed-1b", "nativeProvenance": { "input_facts_canonical_sha256": "0fb36aff3dd77a50468ab9cfe7660621bd8f0eff059df7c56e0f27b8f74120d5", "input_html_sha256": "9b54d361fd942d9bdbb7199cabb61f04e4816381dade82194e2d18b0b8c9ffcb", "private_audit_sha256": "d38445e0a7fe1673a3f7e79472d484fae4d562129349fcb0fcb152012c486690", "role": "historical-normalized-input-audit-hashes", "schema": "ailoot-native-model-provenance-v2" }, "page": { "canonical": "https://ailoot.ai/models/sl/nvidia-nemotron-3-embed-1b/", "description": "Nemotron 3 Embed 1B pretvarja besedila v vektorje za večjezično iskanje, iskanje kode in RAG. Obdeluje zaporedja do 32768 tokenov ter vrača predstavitev z razsežnostjo 2048 števil.", "locale": "sl", "md_url": "https://ailoot.ai/models/sl/nvidia-nemotron-3-embed-1b/index.md", "title": "Nemotron 3 Embed 1B — Ailoot", "url": "https://ailoot.ai/models/sl/nvidia-nemotron-3-embed-1b/" }, "rawModel": { "about": "Nemotron 3 Embed 1B je besedilni model družbe NVIDIA za iskanje po pomenu in primerjanje odsekov. Vprašanja, dokumente in programsko kodo kodira v goste številčne vektorje. Te predstavitve se uporabljajo za iskanje ustreznega konteksta v velikih zbirkah, dopolnjevanje odgovora pomočnika z njim ali pridobivanje prej shranjenih informacij za naslednji korak agenta.\n\n### Večjezično znanje in koda\n\nModel je namenjen večjezičnemu in medjezikovnemu iskanju: vprašanje in ustrezno gradivo sta lahko napisana v različnih jezikih. Ruščina je vključena v objavljeni nabor 34 jezikov, skupaj z angleščino, ukrajinščino, kitajščino, japonščino, arabščino in drugimi. To je koristno za skupne baze znanja, kjer tehnični dokumenti in uporabniške zahteve niso poenoteni v en jezik.\n\nMed nalogami so iskanje po dokumentaciji, primerjanje besedil in pridobivanje kode po besedilnem opisu. Veliko vhodno okno omogoča delo z dolgimi dokumenti, obsežnim programskim kontekstom in zgodovino več korakov agenta. Najdeno gradivo se v nadaljnji proces vrne kot kontekst; končne razlage in odgovore oblikuje naslednja komponenta sistema.\n\n### Od besedila do vektorja\n\nVhod sestavljajo besedilni nizi. Za vsak niz nastane en vektor iz 2048 števil. Največja dolžina zaporedja je 32768 tokenov; daljše gradivo je treba razdeliti na dele ali skrajšati. Pri pripravi vhoda se razlikuje med vprašanjem in dokumentom: model je naučen primerjati njuni vlogi, zato se enak niz pri teh dveh nalogah ne sme oblikovati brez upoštevanja namena.\n\nVektorji se normalizirajo po dolžini. Pri takšni predstavitvi skalarni produkt in kosinusna podobnost dajeta enakovreden način primerjave. Ohranite lahko prvih 1024 ali 512 koordinat celotnega vektorja, vendar je treba po krajšanju znova izvesti normalizacijo. To je lastnost obdelave rezultata; razsežnost je treba za zbirko in poizvedbe izbrati usklajeno.\n\n### Zgradba kompaktnega modela\n\nKodirnik vsebuje približno 1,14 milijarde parametrov. Nastal je iz modela na osnovi Ministral 3 3B z dvema stopnjama strukturnega zmanjševanja in destilacije. Dvosmerna pozornost upošteva celoten vhod, nato pa se predstavitve tokenov povprečijo v skupen vektor.\n\nNVIDIA izdaja različici BF16 in NVFP4. Njuna predstavitvena prostora sta si blizu, vendar zamenjava različice zahteva preverjanje na lastnih dokumentih. Niti številčna podobnost niti dolžina konteksta ne zagotavljata, da bo iskanje vedno izbralo pravilen odsek.", "alias_of": null, "aliases": [ "nemotron-3-embed", "nemotron-3-embed-latest" ], "author": "NVIDIA", "ctx": 4096, "display_name": "Nemotron 3 Embed 1B", "formats": [ "embeddings" ], "id": "nvidia/nemotron-3-embed-1b", "input": [ "text" ], "kind": "embedding", "max_out": null, "methods": [ { "cache_read": null, "cache_write": null, "cache_write_1h": null, "cache_write_5m": null, "conditional_meter": null, "contract": { "data": { "all_results": "Decode base64 vectors only when that format was requested; retain every vector and its original index.", "errors": [ { "code": null, "condition": "Neveljavna obvezna polja, predstavitev gradiva ali vrednost parametra", "http_status": 400, "recovery": "Pred novo zahtevo za ustvarjanje popravite navedena polja.", "type": "invalid_request_error" } ], "hints": [], "ignored_fields": [], "lifecycle": { "create": { "http": "POST", "path": "/v1/embeddings" }, "job_read": null, "mode": "synchronous_json", "unknown": "Končna točka za opravila ustvarjanja vektorskih predstavitev se ne uvaja." }, "material_combinations": [ { "alternatives": [ "nonempty string", "nonempty string[]" ], "mode": "text_to_embedding" } ], "operation_modes": [ "single_embedding", "batched_embeddings" ], "outputs": { "all_results": "Vektorje base64 dekodirajte samo, kadar je bila zahtevana ta oblika; ohranite vsak vektor in njegov izvirni indeks.", "family": "embedding", "fields": [ { "description": null, "name": "data[].index", "type": "integer" }, { "description": null, "name": "data[].embedding", "type": "finite float[]|base64 float32 vector" }, { "description": null, "name": "model", "type": "string" }, { "description": null, "name": "usage", "type": "object" } ], "format": "json" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "nvidia/nemotron-3-embed-1b" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "conditions": "Vsak niz je po trim neprazen; URI-ji data so zavrnjeni; sprejeti proračun meri ustrezne bajte UTF8.", "default": null, "default_known": false, "enum": null, "enum_known": false, "min_items": 1, "name": "input", "required": true, "type": "string|string[]" }, { "availability": "source_interface", "default": "query", "default_known": true, "enum": [ "query", "passage" ], "enum_known": true, "name": "input_type", "required": false, "type": "string" }, { "availability": "source_interface", "default": "float", "default_known": true, "enum": [ "float", "base64" ], "enum_known": true, "name": "encoding_format", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "NONE", "START", "END" ], "enum_known": true, "name": "truncate", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "minimum": 1, "name": "dimensions", "required": false, "type": "integer" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "user", "required": false, "type": "string" } ], "profile_binding": "Exact existing Ailoot model and method; interface constraints below do not assert provider qualification.", "unsupported": [ "image objects", "data URI text inputs", "token integer arrays on this NVIDIA adapter" ] }, "hints": [ "Strukture metod in ID so natančno določeni; zmožnost ponudnika je ločena od sprejema zahteve." ], "input": { "content_type": "application/json", "material_types": [ "text" ], "optional_controls": null, "required": [ "model", "input" ] }, "lifecycle": { "mode": "exact retained published method" }, "method": { "http": "POST", "path": "/v1/embeddings" }, "operation_modes": [ "embeddings" ], "output": { "family": [ "embedding" ], "format": "indexed vectors JSON", "multioutputs": "retain every actual response output" } }, "ctx": 4096, "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}\"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"nvidia/nemotron-3-embed-1b\", \"input\": []}')\nf=Path(os.environ[\"AILOOT_TEXT_FILE\"])\nif not f.is_file():raise SystemExit(\"Choose your actual UTF-8 source material\")\ntext=f.read_text(encoding=\"utf-8\")\nif not text.strip():raise SystemExit(\"Source material must contain text\")\np[\"input\"]=[text]\nPath(\"request.json\").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path(\"result.json\").read_text())\nfor x in r.get(\"data\",[]): print(json.dumps({\"index\":x.get(\"index\"),\"embedding\":x.get(\"embedding\")}))\nPY_RESULT\n", "label": "Embed your source material", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "embeddings", "http": "POST", "img_in": null, "img_out": null, "in": 0.1, "input": [ "text" ], "label": "Vektorske predstavitve", "max_out": 0, "max_tool_calls": null, "out": 0, "output": [ "embedding" ], "path": "/v1/embeddings", "pricing_profiles": [ { "dimensions": {}, "label": "Core", "units": [ { "amount": 0.1, "amount_unit": "usd_per_million_tokens", "key": "in", "label": "Input", "side": "in" }, { "amount": 0, "amount_unit": "usd_per_million_tokens", "key": "out", "label": "Output", "side": "out" } ] } ], "request_model_id": "nvidia/nemotron-3-embed-1b", "route_label": "Core", "status_reads": [], "tiers": [], "tool_prices": null, "unit": "token", "units": [] }, { "cache_read": null, "cache_write": null, "cache_write_1h": null, "cache_write_5m": null, "conditional_meter": null, "contract": { "data": { "all_results": "Decode base64 vectors only when that format was requested; retain every vector and its original index.", "errors": [ { "code": null, "condition": "Neveljavna obvezna polja, predstavitev gradiva ali vrednost parametra", "http_status": 400, "recovery": "Pred novo zahtevo za ustvarjanje popravite navedena polja.", "type": "invalid_request_error" } ], "hints": [], "ignored_fields": [], "lifecycle": { "create": { "http": "POST", "path": "/v1/embeddings" }, "job_read": null, "mode": "synchronous_json", "unknown": "Končna točka za opravila ustvarjanja vektorskih predstavitev se ne uvaja." }, "material_combinations": [ { "alternatives": [ "nonempty string", "nonempty string[]" ], "mode": "text_to_embedding" } ], "operation_modes": [ "single_embedding", "batched_embeddings" ], "outputs": { "all_results": "Vektorje base64 dekodirajte samo, kadar je bila zahtevana ta oblika; ohranite vsak vektor in njegov izvirni indeks.", "family": "embedding", "fields": [ { "description": null, "name": "data[].index", "type": "integer" }, { "description": null, "name": "data[].embedding", "type": "finite float[]|base64 float32 vector" }, { "description": null, "name": "model", "type": "string" }, { "description": null, "name": "usage", "type": "object" } ], "format": "json" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "nemotron-3-embed" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "conditions": "Vsak niz je po trim neprazen; URI-ji data so zavrnjeni; sprejeti proračun meri ustrezne bajte UTF8.", "default": null, "default_known": false, "enum": null, "enum_known": false, "min_items": 1, "name": "input", "required": true, "type": "string|string[]" }, { "availability": "source_interface", "default": "query", "default_known": true, "enum": [ "query", "passage" ], "enum_known": true, "name": "input_type", "required": false, "type": "string" }, { "availability": "source_interface", "default": "float", "default_known": true, "enum": [ "float", "base64" ], "enum_known": true, "name": "encoding_format", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "NONE", "START", "END" ], "enum_known": true, "name": "truncate", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "minimum": 1, "name": "dimensions", "required": false, "type": "integer" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "user", "required": false, "type": "string" } ], "profile_binding": "Exact existing Ailoot model and method; interface constraints below do not assert provider qualification.", "unsupported": [ "image objects", "data URI text inputs", "token integer arrays on this NVIDIA adapter" ] }, "hints": [ "Strukture metod in ID so natančno določeni; zmožnost ponudnika je ločena od sprejema zahteve." ], "input": { "content_type": "application/json", "material_types": [ "text" ], "optional_controls": null, "required": [ "model", "input" ] }, "lifecycle": { "mode": "exact retained published method" }, "method": { "http": "POST", "path": "/v1/embeddings" }, "operation_modes": [ "embeddings" ], "output": { "family": [ "embedding" ], "format": "indexed vectors JSON", "multioutputs": "retain every actual response output" } }, "ctx": 4096, "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}\"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"nemotron-3-embed\", \"input\": []}')\nf=Path(os.environ[\"AILOOT_TEXT_FILE\"])\nif not f.is_file():raise SystemExit(\"Choose your actual UTF-8 source material\")\ntext=f.read_text(encoding=\"utf-8\")\nif not text.strip():raise SystemExit(\"Source material must contain text\")\np[\"input\"]=[text]\nPath(\"request.json\").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path(\"result.json\").read_text())\nfor x in r.get(\"data\",[]): print(json.dumps({\"index\":x.get(\"index\"),\"embedding\":x.get(\"embedding\")}))\nPY_RESULT\n", "label": "Embed your source material", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "embeddings", "http": "POST", "img_in": null, "img_out": null, "in": 0.1, "input": [ "text" ], "label": "Vektorske predstavitve", "max_out": 0, "max_tool_calls": null, "out": 0, "output": [ "embedding" ], "path": "/v1/embeddings", "pricing_profiles": [ { "dimensions": {}, "label": "Core", "units": [ { "amount": 0.1, "amount_unit": "usd_per_million_tokens", "key": "in", "label": "Input", "side": "in" }, { "amount": 0, "amount_unit": "usd_per_million_tokens", "key": "out", "label": "Output", "side": "out" } ] } ], "request_model_id": "nemotron-3-embed", "route_label": "Core", "status_reads": [], "tiers": [], "tool_prices": null, "unit": "token", "units": [] }, { "cache_read": null, "cache_write": null, "cache_write_1h": null, "cache_write_5m": null, "conditional_meter": null, "contract": { "data": { "all_results": "Decode base64 vectors only when that format was requested; retain every vector and its original index.", "errors": [ { "code": null, "condition": "Neveljavna obvezna polja, predstavitev gradiva ali vrednost parametra", "http_status": 400, "recovery": "Pred novo zahtevo za ustvarjanje popravite navedena polja.", "type": "invalid_request_error" } ], "hints": [], "ignored_fields": [], "lifecycle": { "create": { "http": "POST", "path": "/v1/embeddings" }, "job_read": null, "mode": "synchronous_json", "unknown": "Končna točka za opravila ustvarjanja vektorskih predstavitev se ne uvaja." }, "material_combinations": [ { "alternatives": [ "nonempty string", "nonempty string[]" ], "mode": "text_to_embedding" } ], "operation_modes": [ "single_embedding", "batched_embeddings" ], "outputs": { "all_results": "Vektorje base64 dekodirajte samo, kadar je bila zahtevana ta oblika; ohranite vsak vektor in njegov izvirni indeks.", "family": "embedding", "fields": [ { "description": null, "name": "data[].index", "type": "integer" }, { "description": null, "name": "data[].embedding", "type": "finite float[]|base64 float32 vector" }, { "description": null, "name": "model", "type": "string" }, { "description": null, "name": "usage", "type": "object" } ], "format": "json" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "nemotron-3-embed-latest" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "conditions": "Vsak niz je po trim neprazen; URI-ji data so zavrnjeni; sprejeti proračun meri ustrezne bajte UTF8.", "default": null, "default_known": false, "enum": null, "enum_known": false, "min_items": 1, "name": "input", "required": true, "type": "string|string[]" }, { "availability": "source_interface", "default": "query", "default_known": true, "enum": [ "query", "passage" ], "enum_known": true, "name": "input_type", "required": false, "type": "string" }, { "availability": "source_interface", "default": "float", "default_known": true, "enum": [ "float", "base64" ], "enum_known": true, "name": "encoding_format", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "NONE", "START", "END" ], "enum_known": true, "name": "truncate", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "minimum": 1, "name": "dimensions", "required": false, "type": "integer" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "user", "required": false, "type": "string" } ], "profile_binding": "Exact existing Ailoot model and method; interface constraints below do not assert provider qualification.", "unsupported": [ "image objects", "data URI text inputs", "token integer arrays on this NVIDIA adapter" ] }, "hints": [ "Strukture metod in ID so natančno določeni; zmožnost ponudnika je ločena od sprejema zahteve." ], "input": { "content_type": "application/json", "material_types": [ "text" ], "optional_controls": null, "required": [ "model", "input" ] }, "lifecycle": { "mode": "exact retained published method" }, "method": { "http": "POST", "path": "/v1/embeddings" }, "operation_modes": [ "embeddings" ], "output": { "family": [ "embedding" ], "format": "indexed vectors JSON", "multioutputs": "retain every actual response output" } }, "ctx": 4096, "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}\"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"nemotron-3-embed-latest\", \"input\": []}')\nf=Path(os.environ[\"AILOOT_TEXT_FILE\"])\nif not f.is_file():raise SystemExit(\"Choose your actual UTF-8 source material\")\ntext=f.read_text(encoding=\"utf-8\")\nif not text.strip():raise SystemExit(\"Source material must contain text\")\np[\"input\"]=[text]\nPath(\"request.json\").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path(\"result.json\").read_text())\nfor x in r.get(\"data\",[]): print(json.dumps({\"index\":x.get(\"index\"),\"embedding\":x.get(\"embedding\")}))\nPY_RESULT\n", "label": "Embed your source material", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "embeddings", "http": "POST", "img_in": null, "img_out": null, "in": 0.1, "input": [ "text" ], "label": "Vektorske predstavitve", "max_out": 0, "max_tool_calls": null, "out": 0, "output": [ "embedding" ], "path": "/v1/embeddings", "pricing_profiles": [ { "dimensions": {}, "label": "Core", "units": [ { "amount": 0.1, "amount_unit": "usd_per_million_tokens", "key": "in", "label": "Input", "side": "in" }, { "amount": 0, "amount_unit": "usd_per_million_tokens", "key": "out", "label": "Output", "side": "out" } ] } ], "request_model_id": "nemotron-3-embed-latest", "route_label": "Core", "status_reads": [], "tiers": [], "tool_prices": null, "unit": "token", "units": [] } ], "model_aliases": [ { "canonical_model_id": "nvidia/nemotron-3-embed-1b", "request_model_id": "nvidia/nemotron-3-embed-1b", "route_label": "Core" }, { "canonical_model_id": "nvidia/nemotron-3-embed-1b", "request_model_id": "nemotron-3-embed", "route_label": "Core" }, { "canonical_model_id": "nvidia/nemotron-3-embed-1b", "request_model_id": "nemotron-3-embed-latest", "route_label": "Core" } ], "name": "nvidia/nemotron-3-embed-1b", "price": { "in": 0.1, "in_label": null, "out": null, "out_label": null, "sort_in": 0.1, "sort_out": null, "varies": false }, "short": "Nemotron 3 Embed 1B pretvarja besedila v vektorje za večjezično iskanje, iskanje kode in RAG. Obdeluje zaporedja do 32768 tokenov ter vrača predstavitev z razsežnostjo 2048 števil." }, "renderer_schema": { "method_order": "Original DTO methods order; every exact route/format/path/caller survives.", "prices": "Original public DTO fields and original native display HTML; no flattened or normalized offers." }, "representation": "exact-public-dto-and-native-renderer-html", "representationNotes": { "current_reference": { "about_json_pointer": "/aboutHtml", "methods": [ { "contract_json_pointer": "/methods/0/rawMethod/contract", "html_json_pointer": "/methods/0/html", "method_ordinal": 0 }, { "contract_json_pointer": "/methods/1/rawMethod/contract", "html_json_pointer": "/methods/1/html", "method_ordinal": 1 }, { "contract_json_pointer": "/methods/2/rawMethod/contract", "html_json_pointer": "/methods/2/html", "method_ordinal": 2 } ], "role": "current-semantic-reference" }, "raw_input": { "examples_role": "historical-input-not-current-ready-examples", "json_pointers": [ "/rawModel", "/methods/0/rawMethod", "/methods/1/rawMethod", "/methods/2/rawMethod" ], "role": "historical-owner-input" }, "schema": "ailoot-native-model-representations-v1" }, "schema": "ailoot-static-model-facts-v1", "schema_version": 1, "shortText": "Nemotron 3 Embed 1B pretvarja besedila v vektorje za večjezično iskanje, iskanje kode in RAG. Obdeluje zaporedja do 32768 tokenov ter vrača predstavitev z razsežnostjo 2048 števil.", "source": { "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1", "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036", "raw_model_json_sha256": "2548d71b793d894f28456ae8a34d18d9ab393e9c099f534bf2635347fa0aaa7b", "renderer_sha256": "dcba2271c18b0f9570a8b166e8d1e3166f121e096a58609c3a46da31562a1bf2" }, "sourceRevision": "df4f660f055dec58b2e672004a954c6dcf09888dd52fed73ef6ff4a9416cf463" }