Nemotron 3 Embed 1B
Nemotron 3 Embed 1B omvandlar text till vektorer för flerspråkig sökning, kodsökning och RAG. Bearbetar sekvenser på upp till 32768 token och ger en representation med 2048 dimensioner.
- Ailoot · Inbäddningar
POST /v1/embeddingsnvidia/nemotron-3-embed-1b - Ailoot · Inbäddningar
POST /v1/embeddingsnemotron-3-embed - Ailoot · Inbäddningar
POST /v1/embeddingsnemotron-3-embed-latest
Om modellen
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Nemotron 3 Embed 1B är en textmodell från NVIDIA för semantisk sökning och jämförelse av avsnitt. Den kodar frågor, dokument och programkod till täta numeriska vektorer. Representationerna används för att hitta rätt kontext i stora samlingar, komplettera assistentens svar med den eller hämta tidigare sparad information för nästa agentsteg.
Flerspråkig kunskap och kod
Modellen är avsedd för flerspråkig sökning och sökning över språkgränser. Frågan och rätt material kan vara skrivna på olika språk. Ryska ingår i den publicerade uppsättningen med 34 språk, tillsammans med engelska, ukrainska, kinesiska, japanska, arabiska och andra. Det är användbart för gemensamma kunskapsbaser där tekniska dokument och användarförfrågningar inte har anpassats till ett enda språk.
Uppgifterna omfattar dokumentationssökning, textjämförelse och hämtning av kod utifrån en beskrivning i ord. Ett stort indatafönster gör det möjligt att arbeta med långa dokument, omfattande kodkontext och historik över flera agentsteg. Materialet som hittas återförs till det fortsatta flödet som kontext. Slutliga förklaringar och svar formuleras av nästa systemkomponent.
Från text till vektor
Indata består av textsträngar. För varje sträng skapas en vektor med 2048 tal. Maximal sekvenslängd är 32768 token. Längre material behöver delas upp eller kortas. Vid förberedelse av indata skiljs fråga och dokument åt. Modellen har tränats att jämföra deras roller, så samma sträng i de två uppgifterna bör inte formateras utan hänsyn till syftet.
Vektorerna längdnormaliseras. Med denna representation ger skalärprodukt och cosinuslikhet likvärdiga sätt att jämföra. De första 1024 eller 512 koordinaterna i den fullständiga vektorn kan behållas, men efter avkortning måste normalisering utföras på nytt. Det är en egenskap för resultatbearbetning. Dimensionaliteten behöver väljas konsekvent för samlingen och frågorna.
Den kompakta modellens uppbyggnad
Encodern har omkring 1,14 miljarder parametrar. Den har tagits fram från en modell baserad på Ministral 3 3B genom två steg av strukturell reducering och destillation. Dubbelriktad uppmärksamhet beaktar hela indatan, och tokenrepresentationerna medelvärdesbildas sedan till en gemensam vektor.
NVIDIA ger ut varianterna BF16 och NVFP4. Deras representationsrum ligger nära varandra, men byte av variant behöver prövas på egna dokument. Varken numerisk likhet eller kontextlängd garanterar att sökningen alltid väljer rätt avsnitt.
Ailoot · Inbäddningar POST /v1/embeddings nvidia/nemotron-3-embed-1b
nvidia/nemotron-3-embed-1bnvidia/nemotron-3-embed-1bnemotron-3-embednemotron-3-embed-latest
Start
Nemotron 3 Embed 1B omvandlar text till vektorer för flerspråkig sökning, kodsökning och RAG. Bearbetar sekvenser på upp till 32768 token och ger en representation med 2048 dimensioner.
- Godkända indata
- Text
- Resultat
- embedding
Tillgängligt i Ailoot · indata & metoder
Ailoot · Inbäddningar POST /v1/embeddings
- Indatatyper
text- Utdatatyper
embedding- Kontext
- 4 096 tokens
- Utdataformat
- json
| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser nvidia/nemotron-3-embed-1b | Standard— |
Fältinput | Typstring|string[] | KravObligatoriskt | Värden & gränser Minsta antal objekt: 1 Villkor: Varje sträng ska vara icke-tom efter trimning; data-URI:er avvisas; den accepterade budgeten mäter relevanta UTF8-byte. | Standard— |
Fältinput_type | Typstring | KravValfritt | Värden & gränser query, passage | Standardquery |
Fältencoding_format | Typstring | KravValfritt | Värden & gränser float, base64 | Standardfloat |
Fälttruncate | Typstring | KravValfritt | Värden & gränser NONE, START, END | Standard— |
Fältdimensions | Typinteger | KravValfritt | Värden & gränser Minimum: 1 | Standard— |
Fältuser | Typstring | KravValfritt | Värden & gränser | Standard— |
Kombinationer av indatamaterial
text_to_embedding
Metodparametrar och livscykel
| Parameter | Avtal |
|---|---|
Parametermaterial_types | Avtaltext |
Parameterrequired | Avtalmodel, input |
Parameteroptional_controls | Avtalnull |
Parametercontent_type | Avtalapplication/json |
Livscykel: exact retained published method
Metodernas strukturer och ID:n är exakta; leverantörens funktioner är åtskilda från att begäran tillåts.
Priser
Priser för Ailoot-metoder
POST /v1/embeddings- Indata
- 0,0001 US$ / 1K
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
Exempelbegäranden
Ailoot · Inbäddningar
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"
export AILOOT_TEXT_FILE
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "nvidia/nemotron-3-embed-1b", "input": []}')
f=Path(os.environ["AILOOT_TEXT_FILE"])
if not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")
text=f.read_text(encoding="utf-8")
if not text.strip():raise SystemExit("Source material must contain text")
p["input"]=[text]
Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \
-H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
r=json.loads(Path("result.json").read_text())
for x in r.get("data",[]): print(json.dumps({"index":x.get("index"),"embedding":x.get("embedding")}))
PY_RESULT
Ta emot och spara resultat
Ailoot · Inbäddningar
json
Behåll alla färdiga resultat
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Avkoda base64-vektorer endast när det formatet har begärts; behåll varje vektor och dess ursprungliga index.
Om det ursprungliga svaret behöver kontrolleras
Ingen endpoint för inbäddningsjobb införs.
Svarsfält
| Fält | Typ |
|---|---|
Fältdata[].index | Typinteger |
Fältdata[].embedding | Typfinite float[]|base64 float32 vector |
Fältmodel | Typstring |
Fältusage | Typobject |
Fel och nästa steg
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Alias
Modellalias
Ailoot nvidia/nemotron-3-embed-1b, nemotron-3-embed, nemotron-3-embed-latest
Alias för metodsökvägar
Använd metodsökvägarna som visas ovan.
Relaterade anropar-ID:n
nvidia/nemotron-3-embed-1b, nemotron-3-embed, nemotron-3-embed-latest
Ailoot · Inbäddningar POST /v1/embeddings nemotron-3-embed
nemotron-3-embednvidia/nemotron-3-embed-1bnemotron-3-embednemotron-3-embed-latest
Start
Nemotron 3 Embed 1B omvandlar text till vektorer för flerspråkig sökning, kodsökning och RAG. Bearbetar sekvenser på upp till 32768 token och ger en representation med 2048 dimensioner.
- Godkända indata
- Text
- Resultat
- embedding
Tillgängligt i Ailoot · indata & metoder
Ailoot · Inbäddningar POST /v1/embeddings
- Indatatyper
text- Utdatatyper
embedding- Kontext
- 4 096 tokens
- Utdataformat
- json
| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser nemotron-3-embed | Standard— |
Fältinput | Typstring|string[] | KravObligatoriskt | Värden & gränser Minsta antal objekt: 1 Villkor: Varje sträng ska vara icke-tom efter trimning; data-URI:er avvisas; den accepterade budgeten mäter relevanta UTF8-byte. | Standard— |
Fältinput_type | Typstring | KravValfritt | Värden & gränser query, passage | Standardquery |
Fältencoding_format | Typstring | KravValfritt | Värden & gränser float, base64 | Standardfloat |
Fälttruncate | Typstring | KravValfritt | Värden & gränser NONE, START, END | Standard— |
Fältdimensions | Typinteger | KravValfritt | Värden & gränser Minimum: 1 | Standard— |
Fältuser | Typstring | KravValfritt | Värden & gränser | Standard— |
Kombinationer av indatamaterial
text_to_embedding
Metodparametrar och livscykel
| Parameter | Avtal |
|---|---|
Parametermaterial_types | Avtaltext |
Parameterrequired | Avtalmodel, input |
Parameteroptional_controls | Avtalnull |
Parametercontent_type | Avtalapplication/json |
Livscykel: exact retained published method
Metodernas strukturer och ID:n är exakta; leverantörens funktioner är åtskilda från att begäran tillåts.
Priser
Priser för Ailoot-metoder
POST /v1/embeddings- Indata
- 0,0001 US$ / 1K
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
Exempelbegäranden
Ailoot · Inbäddningar
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"
export AILOOT_TEXT_FILE
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "nemotron-3-embed", "input": []}')
f=Path(os.environ["AILOOT_TEXT_FILE"])
if not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")
text=f.read_text(encoding="utf-8")
if not text.strip():raise SystemExit("Source material must contain text")
p["input"]=[text]
Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \
-H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
r=json.loads(Path("result.json").read_text())
for x in r.get("data",[]): print(json.dumps({"index":x.get("index"),"embedding":x.get("embedding")}))
PY_RESULT
Ta emot och spara resultat
Ailoot · Inbäddningar
json
Behåll alla färdiga resultat
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Avkoda base64-vektorer endast när det formatet har begärts; behåll varje vektor och dess ursprungliga index.
Om det ursprungliga svaret behöver kontrolleras
Ingen endpoint för inbäddningsjobb införs.
Svarsfält
| Fält | Typ |
|---|---|
Fältdata[].index | Typinteger |
Fältdata[].embedding | Typfinite float[]|base64 float32 vector |
Fältmodel | Typstring |
Fältusage | Typobject |
Fel och nästa steg
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Alias
Modellalias
Ailoot nvidia/nemotron-3-embed-1b, nemotron-3-embed, nemotron-3-embed-latest
Alias för metodsökvägar
Använd metodsökvägarna som visas ovan.
Relaterade anropar-ID:n
nvidia/nemotron-3-embed-1b, nemotron-3-embed, nemotron-3-embed-latest
Ailoot · Inbäddningar POST /v1/embeddings nemotron-3-embed-latest
nemotron-3-embed-latestnvidia/nemotron-3-embed-1bnemotron-3-embednemotron-3-embed-latest
Start
Nemotron 3 Embed 1B omvandlar text till vektorer för flerspråkig sökning, kodsökning och RAG. Bearbetar sekvenser på upp till 32768 token och ger en representation med 2048 dimensioner.
- Godkända indata
- Text
- Resultat
- embedding
Tillgängligt i Ailoot · indata & metoder
Ailoot · Inbäddningar POST /v1/embeddings
- Indatatyper
text- Utdatatyper
embedding- Kontext
- 4 096 tokens
- Utdataformat
- json
| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser nemotron-3-embed-latest | Standard— |
Fältinput | Typstring|string[] | KravObligatoriskt | Värden & gränser Minsta antal objekt: 1 Villkor: Varje sträng ska vara icke-tom efter trimning; data-URI:er avvisas; den accepterade budgeten mäter relevanta UTF8-byte. | Standard— |
Fältinput_type | Typstring | KravValfritt | Värden & gränser query, passage | Standardquery |
Fältencoding_format | Typstring | KravValfritt | Värden & gränser float, base64 | Standardfloat |
Fälttruncate | Typstring | KravValfritt | Värden & gränser NONE, START, END | Standard— |
Fältdimensions | Typinteger | KravValfritt | Värden & gränser Minimum: 1 | Standard— |
Fältuser | Typstring | KravValfritt | Värden & gränser | Standard— |
Kombinationer av indatamaterial
text_to_embedding
Metodparametrar och livscykel
| Parameter | Avtal |
|---|---|
Parametermaterial_types | Avtaltext |
Parameterrequired | Avtalmodel, input |
Parameteroptional_controls | Avtalnull |
Parametercontent_type | Avtalapplication/json |
Livscykel: exact retained published method
Metodernas strukturer och ID:n är exakta; leverantörens funktioner är åtskilda från att begäran tillåts.
Priser
Priser för Ailoot-metoder
POST /v1/embeddings- Indata
- 0,0001 US$ / 1K
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
Exempelbegäranden
Ailoot · Inbäddningar
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"
export AILOOT_TEXT_FILE
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "nemotron-3-embed-latest", "input": []}')
f=Path(os.environ["AILOOT_TEXT_FILE"])
if not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")
text=f.read_text(encoding="utf-8")
if not text.strip():raise SystemExit("Source material must contain text")
p["input"]=[text]
Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \
-H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
r=json.loads(Path("result.json").read_text())
for x in r.get("data",[]): print(json.dumps({"index":x.get("index"),"embedding":x.get("embedding")}))
PY_RESULT
Ta emot och spara resultat
Ailoot · Inbäddningar
json
Behåll alla färdiga resultat
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Avkoda base64-vektorer endast när det formatet har begärts; behåll varje vektor och dess ursprungliga index.
Om det ursprungliga svaret behöver kontrolleras
Ingen endpoint för inbäddningsjobb införs.
Svarsfält
| Fält | Typ |
|---|---|
Fältdata[].index | Typinteger |
Fältdata[].embedding | Typfinite float[]|base64 float32 vector |
Fältmodel | Typstring |
Fältusage | Typobject |
Fel och nästa steg
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Alias
Modellalias
Ailoot nvidia/nemotron-3-embed-1b, nemotron-3-embed, nemotron-3-embed-latest
Alias för metodsökvägar
Använd metodsökvägarna som visas ovan.
Relaterade anropar-ID:n
nvidia/nemotron-3-embed-1b, nemotron-3-embed, nemotron-3-embed-latest
FAQ · nvidia/nemotron-3-embed-1b
- Vilka indata och resultat finns?
POST /v1/embeddings·nvidia/nemotron-3-embed-1b:text→embeddingPOST /v1/embeddings·nemotron-3-embed:text→embeddingPOST /v1/embeddings·nemotron-3-embed-latest:text→embedding- Vilka fält använder begäran?
POST /v1/embeddings·nvidia/nemotron-3-embed-1b:model,input,input_type,encoding_format,truncate,dimensions,userPOST /v1/embeddings·nemotron-3-embed:model,input,input_type,encoding_format,truncate,dimensions,userPOST /v1/embeddings·nemotron-3-embed-latest:model,input,input_type,encoding_format,truncate,dimensions,user- Vilka gränser gäller?
POST /v1/embeddings·nvidia/nemotron-3-embed-1b:ctx:4096;input.min_items:1;dimensions.minimum:1POST /v1/embeddings·nemotron-3-embed:ctx:4096;input.min_items:1;dimensions.minimum:1POST /v1/embeddings·nemotron-3-embed-latest:ctx:4096;input.min_items:1;dimensions.minimum:1