{
  "aboutHtml": "<p>Llama Nemotron Rerank VL 1B V2 utvärderar relevansen hos kandidattexter och dokumentbilder för en textfråga, inklusive diagram, tabeller och sidor med blandade medier. NVIDIA beskriver den som en korsenkodarmodell med 1,7 miljarder parametrar. I ett hämtningsarbetsflöde kör du först den inledande sökningen och skickar sedan de valda kandidaterna till omrankaren. Det användbara resultatet är en omordnad uppsättning av dessa kandidater med relevanspoäng, som en applikation kan använda för att välja kontext till ett svar eller ordna en sökresultatsida.</p><p>Använd POST /v1/rerank med en application/json-kropp. Sätt model till &quot;nvidia/llama-nemotron-rerank-vl-1b-v2:free&quot;, query till den faktiska sökfrågan och documents till en icke-tom array. Varje kandidat kan vara en textsträng eller ett objekt med text och/eller image; ett strukturerat objekt måste innehålla minst ett av dessa fält. text är en sträng. image är en fjärr-URL av typen HTTP/HTTPS eller en base64-data-URI som börjar med data:image/. En kombinerad kandidat innehåller båda fälten. Bevara ordningen i denna indata-array så att returnerade index kan matchas mot dina lagrade dokument-ID:n. top_n är ett valfritt heltal på minst 1 som begär antalet högst rankade dokument att returnera.</p><p>En hjälpcenterapplikation kan exempelvis hämta avsnitt om leverans, returer och kontoåtkomst och sedan omranka dessa avsnitt mot kundens leveransfråga. Skicka den faktiska avsnittstexten i stället för filnamn eller sökmotorutdrag som saknar koppling till den lagrade källan. Håll varje avsnitt kopplat till sin egen källidentifierare i applikationen så att det valda underlaget senare kan citeras eller öppnas. För ett skannat dokument, diagram, tabell eller en infografik tillhandahåller du dess faktiska bild i ett dokumentobjekt och lägger till text när det hjälper till att identifiera innehållet.</p><p>Modellsidan dokumenterar en gräns på 10 240 tokens per fråga och dokument. Dela längre källmaterial i avgränsade avsnitt innan du förbereder kandidatlistan. Behåll användbar omgivande kontext med varje avsnitt, inklusive rubrik eller produktnamn när det ändrar betydelsen. Den dokumenterade förfrågan utgår från kandidaterna du tillhandahåller; den söker inte igenom en dokumentsamling åt dig.</p><p>Omrankning returnerar ett synkront JSON-resultat. Läs varje results-objekt, inklusive dess ursprungliga index, relevance_score och returnerade document-objekt som kan innehålla text och/eller image, och bevara eventuell returnerad usage och svarsidentifierare. Använd index för att koppla det rankade resultatet tillbaka till dess indatakandidat. Behandla en relevanspoäng som en rankningssignal för denna fråga snarare än ett oberoende verifierat faktasvar. Behåll hela resultatet när flera avsnitt väljs för nästa steg.</p><p>Förbered offentligt eller syntetiskt kandidatmaterial för denna kostnadsfria utgåva; dess dokumenterade användningsvillkor utesluter konfidentiell information och personuppgifter. Om en förfrågan avslutas utan ett fullständigt resultat behåller du det ursprungliga svaret och förfrågningsidentifieraren medan du kontrollerar det försöket. Det dokumenterade omrankningsflödet returnerar resultatet direkt och tillhandahåller inget separat arbetsflöde för jobbpollning eller avbrytande.</p>",
  "aboutText": "Llama Nemotron Rerank VL 1B V2 utvärderar relevansen hos kandidattexter och dokumentbilder för en textfråga, inklusive diagram, tabeller och sidor med blandade medier. NVIDIA beskriver den som en korsenkodarmodell med 1,7 miljarder parametrar. I ett hämtningsarbetsflöde kör du först den inledande sökningen och skickar sedan de valda kandidaterna till omrankaren. Det användbara resultatet är en omordnad uppsättning av dessa kandidater med relevanspoäng, som en applikation kan använda för att välja kontext till ett svar eller ordna en sökresultatsida.\n\nAnvänd POST /v1/rerank med en application/json-kropp. Sätt model till \"nvidia/llama-nemotron-rerank-vl-1b-v2:free\", query till den faktiska sökfrågan och documents till en icke-tom array. Varje kandidat kan vara en textsträng eller ett objekt med text och/eller image; ett strukturerat objekt måste innehålla minst ett av dessa fält. text är en sträng. image är en fjärr-URL av typen HTTP/HTTPS eller en base64-data-URI som börjar med data:image/. En kombinerad kandidat innehåller båda fälten. Bevara ordningen i denna indata-array så att returnerade index kan matchas mot dina lagrade dokument-ID:n. top_n är ett valfritt heltal på minst 1 som begär antalet högst rankade dokument att returnera.\n\nEn hjälpcenterapplikation kan exempelvis hämta avsnitt om leverans, returer och kontoåtkomst och sedan omranka dessa avsnitt mot kundens leveransfråga. Skicka den faktiska avsnittstexten i stället för filnamn eller sökmotorutdrag som saknar koppling till den lagrade källan. Håll varje avsnitt kopplat till sin egen källidentifierare i applikationen så att det valda underlaget senare kan citeras eller öppnas. För ett skannat dokument, diagram, tabell eller en infografik tillhandahåller du dess faktiska bild i ett dokumentobjekt och lägger till text när det hjälper till att identifiera innehållet.\n\nModellsidan dokumenterar en gräns på 10 240 tokens per fråga och dokument. Dela längre källmaterial i avgränsade avsnitt innan du förbereder kandidatlistan. Behåll användbar omgivande kontext med varje avsnitt, inklusive rubrik eller produktnamn när det ändrar betydelsen. Den dokumenterade förfrågan utgår från kandidaterna du tillhandahåller; den söker inte igenom en dokumentsamling åt dig.\n\nOmrankning returnerar ett synkront JSON-resultat. Läs varje results-objekt, inklusive dess ursprungliga index, relevance_score och returnerade document-objekt som kan innehålla text och/eller image, och bevara eventuell returnerad usage och svarsidentifierare. Använd index för att koppla det rankade resultatet tillbaka till dess indatakandidat. Behandla en relevanspoäng som en rankningssignal för denna fråga snarare än ett oberoende verifierat faktasvar. Behåll hela resultatet när flera avsnitt väljs för nästa steg.\n\nFörbered offentligt eller syntetiskt kandidatmaterial för denna kostnadsfria utgåva; dess dokumenterade användningsvillkor utesluter konfidentiell information och personuppgifter. Om en förfrågan avslutas utan ett fullständigt resultat behåller du det ursprungliga svaret och förfrågningsidentifieraren medan du kontrollerar det försöket. Det dokumenterade omrankningsflödet returnerar resultatet direkt och tillhandahåller inget separat arbetsflöde för jobbpollning eller avbrytande.",
  "editorialOverlay": {
    "copy_fields": null,
    "copy_sha256": null,
    "copy_source": null,
    "html_sha256": "70bc7e5b5ad875551cb89e893c03bbccc8a943e0bebc45ce99d06ab578bffa23",
    "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06",
    "raw_model_unchanged": true,
    "schema": "ailoot-native-model-editorial-v1"
  },
  "locale": "sv",
  "methods": [
    {
      "html": "<div class=\"sheet-head\"><span class=\"mav\" aria-hidden=\"true\">NV</span><h2 id=\"sheet-title\">NVIDIA: Llama Nemotron Rerank VL 1B V2 (free)</h2><button class=\"icon-btn\" type=\"button\" data-close-sheet aria-label=\"Stäng\">×</button></div><div class=\"idline\"><span>NVIDIA /</span><code>nvidia/llama-nemotron-rerank-vl-1b-v2:free</code><button type=\"button\" id=\"copy-id\">Kopiera ID</button></div><nav class=\"card-jump-nav\" aria-label=\"Modellkortets avsnitt\"><button type=\"button\" data-card-jump=\"overview\">Start</button><button type=\"button\" data-card-jump=\"methods\">Indata &amp; metoder</button><button type=\"button\" data-card-jump=\"pricing\">Priser</button><button type=\"button\" data-card-jump=\"examples\">Exempel</button><button type=\"button\" data-card-jump=\"results\">Resultat</button><button type=\"button\" data-card-jump=\"aliases\">Alias</button></nav><div class=\"card-method-tabs\" role=\"tablist\" aria-label=\"API-metoder\"><button type=\"button\" role=\"tab\" tabindex=\"0\" aria-controls=\"card-method-content\" aria-selected=\"true\" id=\"card-method-tab-0\" data-card-method=\"Ultra|rerank|/v1/rerank|nvidia%2Fllama-nemotron-rerank-vl-1b-v2%3Afree\">Omrangordning</button></div><div id=\"card-method-content\" role=\"tabpanel\" aria-labelledby=\"card-method-tab-0\"><section class=\"card-section\" data-card-section=\"overview\"><h3 tabindex=\"-1\">Start</h3><p class=\"mdesc-full\">Llama Nemotron Rerank VL 1B V2 är NVIDIAs omrankningsmodell med korsenkodare för att ordna hämtat material efter dess relevans för en fråga. Skicka en fråga och kandidatdokument med text, bild eller en kombination och använd sedan de returnerade poängen och ursprungliga indexen för att välja avsnitt till sökresultat eller ett svar som kompletteras med hämtat underlag.</p><dl class=\"card-io\" data-card-io><div><dt>Godkända indata</dt><dd>Text</dd></div><div><dt>Resultat</dt><dd>ranking</dd></div></dl><details class=\"card-about\"><summary>Om modellen</summary><p class=\"note-s\" data-model-method-boundary>Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.</p><div class=\"mabout\" id=\"m-about\"><p>Llama Nemotron Rerank VL 1B V2 utvärderar relevansen hos kandidattexter och dokumentbilder för en textfråga, inklusive diagram, tabeller och sidor med blandade medier. NVIDIA beskriver den som en korsenkodarmodell med 1,7 miljarder parametrar. I ett hämtningsarbetsflöde kör du först den inledande sökningen och skickar sedan de valda kandidaterna till omrankaren. Det användbara resultatet är en omordnad uppsättning av dessa kandidater med relevanspoäng, som en applikation kan använda för att välja kontext till ett svar eller ordna en sökresultatsida.</p><p>Använd POST /v1/rerank med en application/json-kropp. Sätt model till &quot;nvidia/llama-nemotron-rerank-vl-1b-v2:free&quot;, query till den faktiska sökfrågan och documents till en icke-tom array. Varje kandidat kan vara en textsträng eller ett objekt med text och/eller image; ett strukturerat objekt måste innehålla minst ett av dessa fält. text är en sträng. image är en fjärr-URL av typen HTTP/HTTPS eller en base64-data-URI som börjar med data:image/. En kombinerad kandidat innehåller båda fälten. Bevara ordningen i denna indata-array så att returnerade index kan matchas mot dina lagrade dokument-ID:n. top_n är ett valfritt heltal på minst 1 som begär antalet högst rankade dokument att returnera.</p><p>En hjälpcenterapplikation kan exempelvis hämta avsnitt om leverans, returer och kontoåtkomst och sedan omranka dessa avsnitt mot kundens leveransfråga. Skicka den faktiska avsnittstexten i stället för filnamn eller sökmotorutdrag som saknar koppling till den lagrade källan. Håll varje avsnitt kopplat till sin egen källidentifierare i applikationen så att det valda underlaget senare kan citeras eller öppnas. För ett skannat dokument, diagram, tabell eller en infografik tillhandahåller du dess faktiska bild i ett dokumentobjekt och lägger till text när det hjälper till att identifiera innehållet.</p><p>Modellsidan dokumenterar en gräns på 10 240 tokens per fråga och dokument. Dela längre källmaterial i avgränsade avsnitt innan du förbereder kandidatlistan. Behåll användbar omgivande kontext med varje avsnitt, inklusive rubrik eller produktnamn när det ändrar betydelsen. Den dokumenterade förfrågan utgår från kandidaterna du tillhandahåller; den söker inte igenom en dokumentsamling åt dig.</p><p>Omrankning returnerar ett synkront JSON-resultat. Läs varje results-objekt, inklusive dess ursprungliga index, relevance_score och returnerade document-objekt som kan innehålla text och/eller image, och bevara eventuell returnerad usage och svarsidentifierare. Använd index för att koppla det rankade resultatet tillbaka till dess indatakandidat. Behandla en relevanspoäng som en rankningssignal för denna fråga snarare än ett oberoende verifierat faktasvar. Behåll hela resultatet när flera avsnitt väljs för nästa steg.</p><p>Förbered offentligt eller syntetiskt kandidatmaterial för denna kostnadsfria utgåva; dess dokumenterade användningsvillkor utesluter konfidentiell information och personuppgifter. Om en förfrågan avslutas utan ett fullständigt resultat behåller du det ursprungliga svaret och förfrågningsidentifieraren medan du kontrollerar det försöket. Det dokumenterade omrankningsflödet returnerar resultatet direkt och tillhandahåller inget separat arbetsflöde för jobbpollning eller avbrytande.</p></div></details></section><section class=\"card-section\" data-card-section=\"methods\"><h3 tabindex=\"-1\">Tillgängligt i Ailoot · indata &amp; metoder</h3><details class=\"card-method\" open><summary><b>Ailoot Ultra · Rerank</b> <code>POST /v1/rerank</code></summary><dl class=\"method-capabilities\"><div><dt>Indatatyper</dt><dd><code>text</code></dd></div><div><dt>Utdatatyper</dt><dd><code>ranking</code></dd></div><div><dt>Utdataformat</dt><dd>JSON</dd></div></dl><div class=\"tw\" data-card-parameters data-typed-parameters><table><thead><tr><th>Fält</th><th>Typ</th><th>Krav</th><th>Värden &amp; gränser</th><th>Standard</th></tr></thead><tbody><tr><th data-cell-label=\"Fält\" scope=\"row\"><span class=\"card-cell-label\">Fält</span><code class=\"card-field-name\">model</code></th><td data-cell-label=\"Typ\" data-field-type><span class=\"card-cell-label\">Typ</span><code>string</code></td><td data-cell-label=\"Krav\"><span class=\"card-cell-label\">Krav</span>Obligatoriskt</td><td data-cell-label=\"Värden &amp; gränser\"><span class=\"card-cell-label\">Värden &amp; gränser</span><div>nvidia/llama-nemotron-rerank-vl-1b-v2:free</div></td><td data-cell-label=\"Standard\" data-default=\"unspecified\"><span class=\"card-cell-label\">Standard</span>—</td></tr><tr><th data-cell-label=\"Fält\" scope=\"row\"><span class=\"card-cell-label\">Fält</span><code class=\"card-field-name\">query</code></th><td data-cell-label=\"Typ\" data-field-type><span class=\"card-cell-label\">Typ</span><code>string</code></td><td data-cell-label=\"Krav\"><span class=\"card-cell-label\">Krav</span>Obligatoriskt</td><td data-cell-label=\"Värden &amp; gränser\"><span class=\"card-cell-label\">Värden &amp; gränser</span></td><td data-cell-label=\"Standard\" data-default=\"unspecified\"><span class=\"card-cell-label\">Standard</span>—</td></tr><tr><th data-cell-label=\"Fält\" scope=\"row\"><span class=\"card-cell-label\">Fält</span><code class=\"card-field-name\">documents</code></th><td data-cell-label=\"Typ\" data-field-type><span class=\"card-cell-label\">Typ</span><code>array</code></td><td data-cell-label=\"Krav\"><span class=\"card-cell-label\">Krav</span>Obligatoriskt</td><td data-cell-label=\"Värden &amp; gränser\"><span class=\"card-cell-label\">Värden &amp; gränser</span></td><td data-cell-label=\"Standard\" data-default=\"unspecified\"><span class=\"card-cell-label\">Standard</span>—</td></tr><tr><th data-cell-label=\"Fält\" scope=\"row\"><span class=\"card-cell-label\">Fält</span><code class=\"card-field-name\">top_n</code></th><td data-cell-label=\"Typ\" data-field-type><span class=\"card-cell-label\">Typ</span><code>integer</code></td><td data-cell-label=\"Krav\"><span class=\"card-cell-label\">Krav</span>Valfritt</td><td data-cell-label=\"Värden &amp; gränser\"><span class=\"card-cell-label\">Värden &amp; gränser</span><div>Minimum: 1</div></td><td data-cell-label=\"Standard\" data-default=\"unspecified\"><span class=\"card-cell-label\">Standard</span>—</td></tr></tbody></table></div><details class=\"note-s\" data-method-contract><summary>Metodparametrar och livscykel</summary><div class=\"tw\" data-card-table=\"contract\"><table><thead><tr><th>Parameter</th><th>Avtal</th></tr></thead><tbody><tr><th data-cell-label=\"Parameter\" scope=\"row\"><span class=\"card-cell-label\">Parameter</span><code>content_type</code></th><td data-cell-label=\"Avtal\"><span class=\"card-cell-label\">Avtal</span>application/json</td></tr><tr><th data-cell-label=\"Parameter\" scope=\"row\"><span class=\"card-cell-label\">Parameter</span><code>required</code></th><td data-cell-label=\"Avtal\"><span class=\"card-cell-label\">Avtal</span>model, query, documents</td></tr><tr><th data-cell-label=\"Parameter\" scope=\"row\"><span class=\"card-cell-label\">Parameter</span><code>optional</code></th><td data-cell-label=\"Avtal\"><span class=\"card-cell-label\">Avtal</span>top_n</td></tr><tr><th data-cell-label=\"Parameter\" scope=\"row\"><span class=\"card-cell-label\">Parameter</span><code>material_types</code></th><td data-cell-label=\"Avtal\"><span class=\"card-cell-label\">Avtal</span>text</td></tr><tr><th data-cell-label=\"Parameter\" scope=\"row\"><span class=\"card-cell-label\">Parameter</span><code>conditions</code></th><td data-cell-label=\"Avtal\"><span class=\"card-cell-label\">Avtal</span></td></tr></tbody></table></div><p>Livscykel: <code>synchronous_json</code></p></details></details></section><section class=\"card-section\" data-card-section=\"pricing\"><h3 tabindex=\"-1\">Priser</h3><div data-native-semantic-method=\"v1\" data-tariff-reference-only><p class=\"note-s\" data-rate-support-note>Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.</p><dl data-price-conditions><dt>Snabbt läge</dt><dd>Ej angivet <span class=\"note-s\">När snabbt läge är valt</span></dd><dt>Flex-läge</dt><dd>Ej angivet <span class=\"note-s\">När läget flex är valt</span></dd><dt>Högsta resonemangsnivå</dt><dd>Ej angivet <span class=\"note-s\">När den högsta resonemangsnivån använder standardjusteringen (default)</span></dd></dl></div><div data-declared-tariff-pricing><h4>Ailoot-priser</h4><h4>Priser efter konfiguration</h4><p class=\"note-s\">Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.</p><div class=\"tw\" data-pricing-profiles><table><thead><tr><th>Konfiguration</th><th>Prislista</th><th>Debiteringsmängd</th><th>Avgift</th></tr></thead><tbody><tr><th data-cell-label=\"Konfiguration\" scope=\"row\"><span class=\"card-cell-label\">Konfiguration</span>Grundpriser för token</th><td data-cell-label=\"Prislista\"><span class=\"card-cell-label\">Prislista</span>Grundpris</td><td data-cell-label=\"Debiteringsmängd\"><span class=\"card-cell-label\">Debiteringsmängd</span>—</td><td data-cell-label=\"Avgift\"><span class=\"card-cell-label\">Avgift</span><div><span>Indata · Indatatoken</span> <b>—</b> <span class=\"price-unit\">/ 1K token</span></div><div><span>Utdata · Utdatatoken</span> <b>—</b> <span class=\"price-unit\">/ 1K token</span></div><div><span>Indata · Cacheläsning</span> <b>—</b> <span class=\"price-unit\">/ 1K token</span></div><div><span>Indata · Skrivning till cache</span> <b>—</b> <span class=\"price-unit\">/ 1K token</span></div><div><span>Indata · Skrivning till cache, 1 tim</span> <b>—</b> <span class=\"price-unit\">/ 1K token</span></div></td></tr><tr><th data-cell-label=\"Konfiguration\" scope=\"row\"><span class=\"card-cell-label\">Konfiguration</span>Per begäran</th><td data-cell-label=\"Prislista\"><span class=\"card-cell-label\">Prislista</span>—</td><td data-cell-label=\"Debiteringsmängd\"><span class=\"card-cell-label\">Debiteringsmängd</span>en förfrågan</td><td data-cell-label=\"Avgift\"><span class=\"card-cell-label\">Avgift</span><div><span>Indata</span> <b>$0</b> <span class=\"price-unit\">per begäran</span></div></td></tr></tbody></table></div></div><p class=\"note-s\">Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. <a href=\"/docs/sv/billing/reserve/\">Så fungerar reservation och slutreglering →</a></p></section><section class=\"card-section\" data-card-section=\"examples\"><h3 tabindex=\"-1\">Exempelbegäranden</h3><h4>Ailoot Ultra · Rerank</h4><div class=\"code-group\"><div class=\"cg-bar\"><div class=\"cg-tabs\" role=\"tablist\" aria-label=\"Kodvarianter\"><button class=\"cg-tab\" id=\"model-code-32-tab-0\" role=\"tab\" type=\"button\" aria-controls=\"model-code-32-panel-0\" aria-selected=\"true\" tabindex=\"0\">curl · skapa en gång och bevara hela resultatet</button></div><div class=\"cg-tools\"><button class=\"cg-btn cg-copy\" type=\"button\" aria-label=\"Kopiera kod\"><svg class=\"cp\" viewBox=\"0 0 16 16\" fill=\"none\" stroke=\"currentColor\" stroke-width=\"1.4\"><rect x=\"5.25\" y=\"5.25\" width=\"8.5\" height=\"8.5\" rx=\"1.75\"/><path d=\"M10.75 5.25V3.5a1.25 1.25 0 0 0-1.25-1.25H3.5A1.25 1.25 0 0 0 2.25 3.5v6a1.25 1.25 0 0 0 1.25 1.25h1.75\"/></svg><svg class=\"ok\" viewBox=\"0 0 16 16\" fill=\"none\" stroke=\"currentColor\" stroke-width=\"1.4\"><path d=\"m3 8.5 3.25 3.25L13 5\"/></svg></button></div></div><div class=\"cg-body\"><div class=\"cg-pane\" id=\"model-code-32-panel-0\" role=\"tabpanel\" aria-labelledby=\"model-code-32-tab-0\"><pre data-lang=\"bash\"><code>set -eu\n: &quot;${AILOOT_API_KEY:?Set your Ailoot API key}&quot;\nexport AILOOT_API_KEY\npython3 - &lt;&lt;&#39;PY_REQUEST&#39;\nimport json,os\nfrom pathlib import Path\np=json.loads(&#39;{&quot;documents&quot;: [&quot;Paris is the capital of France.&quot;, &quot;Berlin is the capital of Germany.&quot;], &quot;model&quot;: &quot;nvidia/llama-nemotron-rerank-vl-1b-v2:free&quot;, &quot;query&quot;: &quot;What is the capital of France?&quot;, &quot;top_n&quot;: 3}&#39;)\n\nPath(&quot;request.json&quot;).write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/rerank \\\n  -H &quot;Authorization: Bearer $AILOOT_API_KEY&quot; -H &#39;Content-Type: application/json&#39; \\\n  --data-binary @request.json -D response-headers.txt -o result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\n</code></pre></div></div></div></section><section class=\"card-section\" data-card-section=\"results\"><h3 tabindex=\"-1\">Ta emot och spara resultat</h3><h4>Ailoot Ultra · Rerank</h4><p class=\"note-s\">JSON</p><div class=\"card-result-process\" data-all-results><h5>Behåll alla färdiga resultat</h5><p class=\"note-s\">Behåll varje fullständigt returnerat svar, fil och innehållsdel.</p><p class=\"note-s\">Retain the complete response, all actual results, original identifiers, usage and response headers.</p></div><div class=\"card-result-process\" data-unknown-recovery><h5>Om det ursprungliga svaret behöver kontrolleras</h5><p class=\"note-s\">Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.</p></div><details class=\"card-about\" data-output-fields><summary>Svarsfält</summary><div class=\"tw\" data-card-table=\"output\"><table><thead><tr><th>Fält</th><th>Typ</th></tr></thead><tbody><tr><th data-cell-label=\"Fält\" scope=\"row\"><span class=\"card-cell-label\">Fält</span><code class=\"card-field-name\">results</code></th><td data-cell-label=\"Typ\" data-field-type><span class=\"card-cell-label\">Typ</span>array</td></tr></tbody></table></div></details></section><section class=\"card-section\" data-card-section=\"aliases\"><h3 tabindex=\"-1\">Alias</h3><h4>Modellalias</h4><p class=\"note-s\"><span data-model-alias-route=\"Ultra\"><b>Ailoot Ultra</b> <a href=\"#m=nvidia%2Fllama-nemotron-rerank-vl-1b-v2%3Afree&amp;route=Ultra&amp;caller=nvidia%2Fllama-nemotron-rerank-vl-1b-v2%3Afree&amp;fmt=rerank\"><code>nvidia/llama-nemotron-rerank-vl-1b-v2:free</code></a></span></p><h4>Alias för metodsökvägar</h4><p class=\"note-s\">Använd metodsökvägarna som visas ovan.</p><h4>Relaterade anropar-ID:n</h4><p class=\"note-s\"><a href=\"#m=nvidia%2Fllama-nemotron-rerank-vl-1b-v2%3Afree&amp;route=Ultra&amp;caller=nvidia%2Fllama-nemotron-rerank-vl-1b-v2%3Afree&amp;fmt=rerank\"><code>nvidia/llama-nemotron-rerank-vl-1b-v2:free</code></a></p></section></div>",
      "method_identity": {
        "effective_request_model_id": "nvidia/llama-nemotron-rerank-vl-1b-v2:free",
        "fmt": "rerank",
        "http": "POST",
        "path": "/v1/rerank",
        "request_model_id": "nvidia/llama-nemotron-rerank-vl-1b-v2:free",
        "route_label": "Ultra"
      },
      "method_key": "Ultra|rerank|/v1/rerank|nvidia%2Fllama-nemotron-rerank-vl-1b-v2%3Afree",
      "ordinal": 0,
      "rawMethod": {
        "available": null,
        "cache_read": null,
        "cache_write": null,
        "cache_write_1h": null,
        "contract": {
          "data": {
            "all_results": "Retain the complete response, all actual results, original identifiers, usage and response headers.",
            "authentication": {
              "api_key_source": "AILOOT_API_KEY",
              "header": "Authorization: Bearer"
            },
            "example_body": {
              "documents": [
                "Paris is the capital of France.",
                "Berlin is the capital of Germany."
              ],
              "model": "nvidia/llama-nemotron-rerank-vl-1b-v2:free",
              "query": "What is the capital of France?",
              "top_n": 3
            },
            "lifecycle": {
              "cancel_endpoint": null,
              "create": {
                "http": "POST",
                "path": "/v1/rerank"
              },
              "mode": "synchronous_json",
              "status": [],
              "unknown": "Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.",
              "unknown_no_replay": true
            },
            "outputs": {
              "all_results": "Retain the complete response, all actual results, original identifiers, usage and response headers.",
              "family": "ranking",
              "fields": [
                {
                  "name": "results",
                  "type": "array"
                }
              ],
              "format": "JSON"
            },
            "parameters": [
              {
                "default_known": false,
                "enum": [
                  "nvidia/llama-nemotron-rerank-vl-1b-v2:free"
                ],
                "enum_known": true,
                "name": "model",
                "required": true,
                "type": "string"
              },
              {
                "default_known": false,
                "enum_known": false,
                "name": "query",
                "required": true,
                "type": "string"
              },
              {
                "default_known": false,
                "enum_known": false,
                "items": {
                  "type": "string"
                },
                "minItems": 1,
                "name": "documents",
                "required": true,
                "type": "array"
              },
              {
                "default_known": false,
                "enum_known": false,
                "minimum": 1,
                "name": "top_n",
                "required": false,
                "type": "integer"
              }
            ],
            "request_schema": {
              "additionalProperties": true,
              "properties": {
                "documents": {
                  "items": {
                    "type": "string"
                  },
                  "minItems": 1,
                  "type": "array"
                },
                "model": {
                  "enum": [
                    "nvidia/llama-nemotron-rerank-vl-1b-v2:free"
                  ],
                  "type": "string"
                },
                "query": {
                  "type": "string"
                },
                "top_n": {
                  "minimum": 1,
                  "type": "integer"
                }
              },
              "required": [
                "model",
                "query",
                "documents"
              ],
              "type": "object"
            },
            "schema_template": {
              "body": {
                "documents": [
                  "Paris is the capital of France.",
                  "Berlin is the capital of Germany."
                ],
                "model": "nvidia/llama-nemotron-rerank-vl-1b-v2:free",
                "query": "What is the capital of France?",
                "top_n": 3
              },
              "content_type": "application/json"
            }
          },
          "input": {
            "conditions": [],
            "content_type": "application/json",
            "material_types": [
              "text"
            ],
            "optional": [
              "top_n"
            ],
            "required": [
              "model",
              "query",
              "documents"
            ]
          },
          "lifecycle": {
            "cancel_endpoint": null,
            "create": {
              "http": "POST",
              "path": "/v1/rerank"
            },
            "mode": "synchronous_json",
            "status": [],
            "unknown": "Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.",
            "unknown_no_replay": true
          },
          "method": {
            "http": "POST",
            "path": "/v1/rerank"
          },
          "method_aliases": [],
          "output": {
            "all_results": "Retain the complete response, all actual results, original identifiers, usage and response headers.",
            "family": "ranking",
            "fields": [
              {
                "name": "results",
                "type": "array"
              }
            ],
            "format": "JSON"
          }
        },
        "ctx": null,
        "declared_pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Base token rates",
            "units": [
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          },
          {
            "dimensions": {
              "billing_quantity": "one request"
            },
            "label": "Per request",
            "units": [
              {
                "amount": "0",
                "amount_unit": "usd_per_exact_native_unit",
                "billing_input": true,
                "estimate_only": false,
                "key": "per_request",
                "label": "per request",
                "native_amount_usd_per_unit": "0",
                "native_quantity": 1,
                "public_unit_label": "per request",
                "quantity": 1,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "per_request"
              }
            ]
          }
        ],
        "examples": [
          {
            "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"documents\": [\"Paris is the capital of France.\", \"Berlin is the capital of Germany.\"], \"model\": \"nvidia/llama-nemotron-rerank-vl-1b-v2:free\", \"query\": \"What is the capital of France?\", \"top_n\": 3}')\n\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/rerank \\\n  -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n  --data-binary @request.json -D response-headers.txt -o result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\n",
            "label": "curl · create once and retain the complete result",
            "language": "bash"
          }
        ],
        "family": "openai",
        "fast_multiplier": null,
        "flex_multiplier": null,
        "fmt": "rerank",
        "http": "POST",
        "img_in": null,
        "img_out": null,
        "in": null,
        "input": [
          "text"
        ],
        "label": "Rerank",
        "max_out": null,
        "max_reasoning_effort_multiplier": null,
        "method_aliases": [],
        "out": null,
        "output": [
          "ranking"
        ],
        "path": "/v1/rerank",
        "price_conditions": [
          {
            "label": "Fast mode",
            "value": "Not specified",
            "when": "When fast mode is selected"
          },
          {
            "label": "Flex mode",
            "value": "Not specified",
            "when": "When flex mode is selected"
          },
          {
            "label": "Maximum reasoning effort",
            "value": "Not specified",
            "when": "When maximum reasoning effort uses the default adjustment"
          }
        ],
        "pricing": {
          "billing_mode": "per_request",
          "cache_read_price": null,
          "cache_write_1h_price": null,
          "cache_write_price": null,
          "fast_multiplier": null,
          "flex_multiplier": null,
          "image_input_price": null,
          "image_output_price": null,
          "input_price": null,
          "intervals": null,
          "max_reasoning_effort_multiplier": null,
          "output_price": null,
          "per_request_price": 0
        },
        "pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Base token rates",
            "units": [
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          },
          {
            "dimensions": {
              "billing_quantity": "one request"
            },
            "label": "Per request",
            "units": [
              {
                "amount": "0",
                "amount_unit": "usd_per_exact_native_unit",
                "billing_input": true,
                "estimate_only": false,
                "key": "per_request",
                "label": "per request",
                "native_amount_usd_per_unit": "0",
                "native_quantity": 1,
                "public_unit_label": "per request",
                "quantity": 1,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "per_request"
              }
            ]
          }
        ],
        "request_model_id": "nvidia/llama-nemotron-rerank-vl-1b-v2:free",
        "route_label": "Ultra",
        "status_reads": [],
        "tiers": [],
        "unit": "per_request",
        "units": [
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "input_price",
            "label": "Input tokens",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "input_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "output_price",
            "label": "Output tokens",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "output_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "out",
            "unit": "output_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_read_price",
            "label": "Cache read",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "cached_input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "cached_input_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_write_price",
            "label": "Cache write",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "generic_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "generic_cache_creation_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_write_1h_price",
            "label": "Cache write, 1 hour",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "one_hour_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "one_hour_cache_creation_token"
          },
          {
            "amount": "0",
            "amount_unit": "usd_per_exact_native_unit",
            "billing_input": true,
            "estimate_only": false,
            "key": "per_request",
            "label": "per request",
            "native_amount_usd_per_unit": "0",
            "native_quantity": 1,
            "public_unit_label": "per request",
            "quantity": 1,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "per_request"
          }
        ]
      }
    }
  ],
  "model_id": "nvidia/llama-nemotron-rerank-vl-1b-v2:free",
  "nativeProvenance": {
    "input_facts_canonical_sha256": "05babae026c57489a2d5cfd560664a095f624a4b2bf34618d7f7a2fd7d94cc0d",
    "input_html_sha256": "d3d904bada115d54073d560edd672f2d338073055dd59697a220e390319081f0",
    "private_audit_sha256": "de817b038d8144f35c98696146be302fcf7e4f18d92ad43f6164e6783ce785d2",
    "role": "historical-normalized-input-audit-hashes",
    "schema": "ailoot-native-model-provenance-v2"
  },
  "page": {
    "canonical": "https://ailoot.ai/models/sv/nvidia-llama-nemotron-rerank-vl-1b-v2-u003a-free/",
    "description": "Llama Nemotron Rerank VL 1B V2 är NVIDIAs omrankningsmodell med korsenkodare för att ordna hämtat material efter dess relevans för en fråga. Skicka en fråga och kandidatdokument med text, bild eller en kombination och använd sedan de returnerade poängen och ursprungliga indexen för att välja avsnitt till sökresultat eller ett svar som kompletteras med hämtat underlag.",
    "locale": "sv",
    "md_url": "https://ailoot.ai/models/sv/nvidia-llama-nemotron-rerank-vl-1b-v2-u003a-free/index.md",
    "title": "NVIDIA: Llama Nemotron Rerank VL 1B V2 (free) — Ailoot",
    "url": "https://ailoot.ai/models/sv/nvidia-llama-nemotron-rerank-vl-1b-v2-u003a-free/"
  },
  "rawModel": {
    "about": "Llama Nemotron Rerank VL 1B V2 utvärderar relevansen hos kandidattexter och dokumentbilder för en textfråga, inklusive diagram, tabeller och sidor med blandade medier. NVIDIA beskriver den som en korsenkodarmodell med 1,7 miljarder parametrar. I ett hämtningsarbetsflöde kör du först den inledande sökningen och skickar sedan de valda kandidaterna till omrankaren. Det användbara resultatet är en omordnad uppsättning av dessa kandidater med relevanspoäng, som en applikation kan använda för att välja kontext till ett svar eller ordna en sökresultatsida.\n\nAnvänd POST /v1/rerank med en application/json-kropp. Sätt model till \"nvidia/llama-nemotron-rerank-vl-1b-v2:free\", query till den faktiska sökfrågan och documents till en icke-tom array. Varje kandidat kan vara en textsträng eller ett objekt med text och/eller image; ett strukturerat objekt måste innehålla minst ett av dessa fält. text är en sträng. image är en fjärr-URL av typen HTTP/HTTPS eller en base64-data-URI som börjar med data:image/. En kombinerad kandidat innehåller båda fälten. Bevara ordningen i denna indata-array så att returnerade index kan matchas mot dina lagrade dokument-ID:n. top_n är ett valfritt heltal på minst 1 som begär antalet högst rankade dokument att returnera.\n\nEn hjälpcenterapplikation kan exempelvis hämta avsnitt om leverans, returer och kontoåtkomst och sedan omranka dessa avsnitt mot kundens leveransfråga. Skicka den faktiska avsnittstexten i stället för filnamn eller sökmotorutdrag som saknar koppling till den lagrade källan. Håll varje avsnitt kopplat till sin egen källidentifierare i applikationen så att det valda underlaget senare kan citeras eller öppnas. För ett skannat dokument, diagram, tabell eller en infografik tillhandahåller du dess faktiska bild i ett dokumentobjekt och lägger till text när det hjälper till att identifiera innehållet.\n\nModellsidan dokumenterar en gräns på 10 240 tokens per fråga och dokument. Dela längre källmaterial i avgränsade avsnitt innan du förbereder kandidatlistan. Behåll användbar omgivande kontext med varje avsnitt, inklusive rubrik eller produktnamn när det ändrar betydelsen. Den dokumenterade förfrågan utgår från kandidaterna du tillhandahåller; den söker inte igenom en dokumentsamling åt dig.\n\nOmrankning returnerar ett synkront JSON-resultat. Läs varje results-objekt, inklusive dess ursprungliga index, relevance_score och returnerade document-objekt som kan innehålla text och/eller image, och bevara eventuell returnerad usage och svarsidentifierare. Använd index för att koppla det rankade resultatet tillbaka till dess indatakandidat. Behandla en relevanspoäng som en rankningssignal för denna fråga snarare än ett oberoende verifierat faktasvar. Behåll hela resultatet när flera avsnitt väljs för nästa steg.\n\nFörbered offentligt eller syntetiskt kandidatmaterial för denna kostnadsfria utgåva; dess dokumenterade användningsvillkor utesluter konfidentiell information och personuppgifter. Om en förfrågan avslutas utan ett fullständigt resultat behåller du det ursprungliga svaret och förfrågningsidentifieraren medan du kontrollerar det försöket. Det dokumenterade omrankningsflödet returnerar resultatet direkt och tillhandahåller inget separat arbetsflöde för jobbpollning eller avbrytande.",
    "alias_of": null,
    "aliases": [],
    "author": "NVIDIA",
    "ctx": 10240,
    "formats": [
      "rerank"
    ],
    "id": "nvidia/llama-nemotron-rerank-vl-1b-v2:free",
    "input": [
      "text"
    ],
    "kind": "text",
    "max_out": null,
    "methods": [
      {
        "available": null,
        "cache_read": null,
        "cache_write": null,
        "cache_write_1h": null,
        "contract": {
          "data": {
            "all_results": "Retain the complete response, all actual results, original identifiers, usage and response headers.",
            "authentication": {
              "api_key_source": "AILOOT_API_KEY",
              "header": "Authorization: Bearer"
            },
            "example_body": {
              "documents": [
                "Paris is the capital of France.",
                "Berlin is the capital of Germany."
              ],
              "model": "nvidia/llama-nemotron-rerank-vl-1b-v2:free",
              "query": "What is the capital of France?",
              "top_n": 3
            },
            "lifecycle": {
              "cancel_endpoint": null,
              "create": {
                "http": "POST",
                "path": "/v1/rerank"
              },
              "mode": "synchronous_json",
              "status": [],
              "unknown": "Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.",
              "unknown_no_replay": true
            },
            "outputs": {
              "all_results": "Retain the complete response, all actual results, original identifiers, usage and response headers.",
              "family": "ranking",
              "fields": [
                {
                  "name": "results",
                  "type": "array"
                }
              ],
              "format": "JSON"
            },
            "parameters": [
              {
                "default_known": false,
                "enum": [
                  "nvidia/llama-nemotron-rerank-vl-1b-v2:free"
                ],
                "enum_known": true,
                "name": "model",
                "required": true,
                "type": "string"
              },
              {
                "default_known": false,
                "enum_known": false,
                "name": "query",
                "required": true,
                "type": "string"
              },
              {
                "default_known": false,
                "enum_known": false,
                "items": {
                  "type": "string"
                },
                "minItems": 1,
                "name": "documents",
                "required": true,
                "type": "array"
              },
              {
                "default_known": false,
                "enum_known": false,
                "minimum": 1,
                "name": "top_n",
                "required": false,
                "type": "integer"
              }
            ],
            "request_schema": {
              "additionalProperties": true,
              "properties": {
                "documents": {
                  "items": {
                    "type": "string"
                  },
                  "minItems": 1,
                  "type": "array"
                },
                "model": {
                  "enum": [
                    "nvidia/llama-nemotron-rerank-vl-1b-v2:free"
                  ],
                  "type": "string"
                },
                "query": {
                  "type": "string"
                },
                "top_n": {
                  "minimum": 1,
                  "type": "integer"
                }
              },
              "required": [
                "model",
                "query",
                "documents"
              ],
              "type": "object"
            },
            "schema_template": {
              "body": {
                "documents": [
                  "Paris is the capital of France.",
                  "Berlin is the capital of Germany."
                ],
                "model": "nvidia/llama-nemotron-rerank-vl-1b-v2:free",
                "query": "What is the capital of France?",
                "top_n": 3
              },
              "content_type": "application/json"
            }
          },
          "input": {
            "conditions": [],
            "content_type": "application/json",
            "material_types": [
              "text"
            ],
            "optional": [
              "top_n"
            ],
            "required": [
              "model",
              "query",
              "documents"
            ]
          },
          "lifecycle": {
            "cancel_endpoint": null,
            "create": {
              "http": "POST",
              "path": "/v1/rerank"
            },
            "mode": "synchronous_json",
            "status": [],
            "unknown": "Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.",
            "unknown_no_replay": true
          },
          "method": {
            "http": "POST",
            "path": "/v1/rerank"
          },
          "method_aliases": [],
          "output": {
            "all_results": "Retain the complete response, all actual results, original identifiers, usage and response headers.",
            "family": "ranking",
            "fields": [
              {
                "name": "results",
                "type": "array"
              }
            ],
            "format": "JSON"
          }
        },
        "ctx": null,
        "declared_pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Base token rates",
            "units": [
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          },
          {
            "dimensions": {
              "billing_quantity": "one request"
            },
            "label": "Per request",
            "units": [
              {
                "amount": "0",
                "amount_unit": "usd_per_exact_native_unit",
                "billing_input": true,
                "estimate_only": false,
                "key": "per_request",
                "label": "per request",
                "native_amount_usd_per_unit": "0",
                "native_quantity": 1,
                "public_unit_label": "per request",
                "quantity": 1,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "per_request"
              }
            ]
          }
        ],
        "examples": [
          {
            "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"documents\": [\"Paris is the capital of France.\", \"Berlin is the capital of Germany.\"], \"model\": \"nvidia/llama-nemotron-rerank-vl-1b-v2:free\", \"query\": \"What is the capital of France?\", \"top_n\": 3}')\n\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/rerank \\\n  -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n  --data-binary @request.json -D response-headers.txt -o result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\n",
            "label": "curl · create once and retain the complete result",
            "language": "bash"
          }
        ],
        "family": "openai",
        "fast_multiplier": null,
        "flex_multiplier": null,
        "fmt": "rerank",
        "http": "POST",
        "img_in": null,
        "img_out": null,
        "in": null,
        "input": [
          "text"
        ],
        "label": "Rerank",
        "max_out": null,
        "max_reasoning_effort_multiplier": null,
        "method_aliases": [],
        "out": null,
        "output": [
          "ranking"
        ],
        "path": "/v1/rerank",
        "price_conditions": [
          {
            "label": "Fast mode",
            "value": "Not specified",
            "when": "When fast mode is selected"
          },
          {
            "label": "Flex mode",
            "value": "Not specified",
            "when": "When flex mode is selected"
          },
          {
            "label": "Maximum reasoning effort",
            "value": "Not specified",
            "when": "When maximum reasoning effort uses the default adjustment"
          }
        ],
        "pricing": {
          "billing_mode": "per_request",
          "cache_read_price": null,
          "cache_write_1h_price": null,
          "cache_write_price": null,
          "fast_multiplier": null,
          "flex_multiplier": null,
          "image_input_price": null,
          "image_output_price": null,
          "input_price": null,
          "intervals": null,
          "max_reasoning_effort_multiplier": null,
          "output_price": null,
          "per_request_price": 0
        },
        "pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Base token rates",
            "units": [
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          },
          {
            "dimensions": {
              "billing_quantity": "one request"
            },
            "label": "Per request",
            "units": [
              {
                "amount": "0",
                "amount_unit": "usd_per_exact_native_unit",
                "billing_input": true,
                "estimate_only": false,
                "key": "per_request",
                "label": "per request",
                "native_amount_usd_per_unit": "0",
                "native_quantity": 1,
                "public_unit_label": "per request",
                "quantity": 1,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "per_request"
              }
            ]
          }
        ],
        "request_model_id": "nvidia/llama-nemotron-rerank-vl-1b-v2:free",
        "route_label": "Ultra",
        "status_reads": [],
        "tiers": [],
        "unit": "per_request",
        "units": [
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "input_price",
            "label": "Input tokens",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "input_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "output_price",
            "label": "Output tokens",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "output_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "out",
            "unit": "output_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_read_price",
            "label": "Cache read",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "cached_input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "cached_input_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_write_price",
            "label": "Cache write",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "generic_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "generic_cache_creation_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_write_1h_price",
            "label": "Cache write, 1 hour",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "one_hour_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "one_hour_cache_creation_token"
          },
          {
            "amount": "0",
            "amount_unit": "usd_per_exact_native_unit",
            "billing_input": true,
            "estimate_only": false,
            "key": "per_request",
            "label": "per request",
            "native_amount_usd_per_unit": "0",
            "native_quantity": 1,
            "public_unit_label": "per request",
            "quantity": 1,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "per_request"
          }
        ]
      }
    ],
    "model_aliases": [
      {
        "canonical_model_id": "nvidia/llama-nemotron-rerank-vl-1b-v2:free",
        "request_model_id": "nvidia/llama-nemotron-rerank-vl-1b-v2:free",
        "route_label": "Ultra"
      }
    ],
    "name": "NVIDIA: Llama Nemotron Rerank VL 1B V2 (free)",
    "price": {
      "in": "0",
      "in_label": "per request",
      "out": null,
      "out_label": null,
      "sort_in": null,
      "sort_out": null,
      "varies": false
    },
    "short": "Llama Nemotron Rerank VL 1B V2 är NVIDIAs omrankningsmodell med korsenkodare för att ordna hämtat material efter dess relevans för en fråga. Skicka en fråga och kandidatdokument med text, bild eller en kombination och använd sedan de returnerade poängen och ursprungliga indexen för att välja avsnitt till sökresultat eller ett svar som kompletteras med hämtat underlag."
  },
  "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
        }
      ],
      "role": "current-semantic-reference"
    },
    "raw_input": {
      "examples_role": "historical-input-not-current-ready-examples",
      "json_pointers": [
        "/rawModel",
        "/methods/0/rawMethod"
      ],
      "role": "historical-owner-input"
    },
    "schema": "ailoot-native-model-representations-v1"
  },
  "schema": "ailoot-static-model-facts-v1",
  "schema_version": 1,
  "shortText": "Llama Nemotron Rerank VL 1B V2 är NVIDIAs omrankningsmodell med korsenkodare för att ordna hämtat material efter dess relevans för en fråga. Skicka en fråga och kandidatdokument med text, bild eller en kombination och använd sedan de returnerade poängen och ursprungliga indexen för att välja avsnitt till sökresultat eller ett svar som kompletteras med hämtat underlag.",
  "source": {
    "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1",
    "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036",
    "raw_model_json_sha256": "e59fcddfdfa37915ec6716ceb1738dfc9bab037751203467c005bc9d8931d2a1",
    "renderer_sha256": "8a45bb31b83d2551e6d975cf4683518c7cb445a54b9394a01947f4dd103f1051"
  },
  "sourceRevision": "9605669fadfde98cc5b449d272e0c4bd2e894b2b712e78c49d4cdd5956fea44e"
}