NVIDIA: Llama Nemotron Embed VL 1B V2 (free)

Llama Nemotron Embed VL 1B V2 — qidiruv uchun NVIDIA’ning multimodal embedding modeli. U matn, rasm yoki birlashtirilgan hujjat kirishlarini vektorlarga aylantiradi va jadval, grafik, matn hamda infografika bor hujjatlarda matnli so‘rov orqali qidiruvni qo‘llaydi.

Ailoot Ultra · Embeddinglar POST /v1/embeddings nvidia/llama-nemotron-embed-vl-1b-v2:free

Model haqida

Bu tavsif model imkoniyatlarini yoritadi. Ailoot da tanlangan usul uchun mavjud kirish, chiqish va parametrlar quyida keltirilgan.

Llama Nemotron Embed VL 1B V2 — multimodal savol-javob uchun qidiruvga mo‘ljallangan NVIDIA embedding modeli. U hujjatni matn, rasm yoki rasm va matn birikmasi sifatida ifodalay oladi. Keyin bog‘liq hujjatlarni topishda matnli so‘rov ishlatilishi mumkin. E’lon qilingan profil matn, jadval, grafik va infografika bor hujjat rasmlarini qo‘llaydi va embedding vektorlarini qaytaradi.

Aniqlanadigan hujjat elementlarini tayyorlang

Har kirishni o‘zi ifodalayotgan manba hujjat, sahifa yoki parchaga bog‘liq saqlang. Vizual sahifada rasm va unga tegishli hamroh matnni saqlang. Matn parchasida keyingi moslikni talqin qilishga yordam bersa, sarlavha yoki bo‘lim yorlig‘ini qoldiring. Bu manba identifikatorlari topilgan elementni faqat raqamli o‘xshashlik natijasi emas, dalil sifatida foydali qiladi.

Element chegaralarini foydalanuvchi topishi kerak bo‘lgan material atrofida tanlang. Grafik va uning izohi birga bo‘lishi mumkin; aloqasiz sahifalar o‘z alohida identifikatsiyasini saqlashi kerak. Kirish o‘qiladimi va matn yoki rasmda mo‘ljallangan so‘rov topishi kerak bo‘lgan ma’lumot bormi — shuni tekshiring.

Matn so‘rovlari va vektor qidiruvi

Modelning roli qidiruv uchun vektorlar hosil qilish; profilda tavsiflangan so‘rov shakli matndir. So‘rov va indekslangan elementlar mos embedding sozlamasida bo‘lsin. Ilova vektorlarni saqlaydi, taqqoslaydi va tegishli manba elementlarini qaytaradi. Topilgan hujjat tekshiriladigan yoki keyingi javob yaratish bosqichiga beriladigan material bo‘lib qoladi.

Foydali sinov to‘plamida foydalanuvchilar haqiqatan so‘raydigan savollar va topilishi kerak bo‘lgan sahifalar bor. Noto‘g‘ri yoki yo‘q mosliklarni manba mazmuni va element chegaralari bo‘yicha tekshiring. Natijani kontekstda tekshirish uchun tanlangan parcha yoki rasm bilan to‘liq hujjat identifikatorini saqlang.

Kirish limiti va qidiruv artefakti

Serverda taqdim etiladigan, hujjatlashtirilgan xizmat profili har kirish uchun 131 072 tokengacha ko‘rsatadi. Kattaroq manba to‘plamlarini alohida yorliqli kirishlarga bo‘ling va bog‘liqliklarini saqlang. Profilning vektor chiqishi yaratilgan nasriy javob yoki transkript emas; keyingi ilova bosqichi savolga javob berishda topilgan dalildan foydalanishi mumkin.

To‘liq qidiruv artefakti so‘rov, tanlangan manba elementlari va identifikatorlarini bog‘laydi. Keyingi o‘zgarishlarni manba to‘plamidagi o‘zgarishlardan ajratish uchun indeksda ishlatilgan embedding modeli va kirishni tayyorlash usulini saqlang.

Ailoot Ultra · Embeddinglar POST /v1/embeddings nvidia/llama-nemotron-embed-vl-1b-v2:free

nvidia/llama-nemotron-embed-vl-1b-v2:free

NVIDIA /nvidia/llama-nemotron-embed-vl-1b-v2:free

Boshlash

Qabul qilinadigan kirish ma’lumotlari: Matn · token_ids
Natijalar: embedding

Ailoot da mavjud · kirish ma’lumotlari va usullar

Ailoot Ultra · Embeddinglar POST /v1/embeddings

Kirish: text, token_ids
Chiqish: embedding
Kontekst: 131 072 tokens
Chiqish formati: json

Maydon	Tur	Talab	Qiymatlar va cheklovlar	Standart
Maydon`model`	Tur`string`	TalabMajburiy	Qiymatlar va cheklovlar nvidia/llama-nemotron-embed-vl-1b-v2:free	Standart—
Maydon`input`	Tur`string\|string[]\|integer[]\|integer[][]`	TalabMajburiy	Qiymatlar va cheklovlar Elementlarning eng kam soni: 1 Shartlar: Bo‘sh bo‘lmagan, bir xil turdagi elementlardan iborat paket. Token ID lari manfiy bo‘lmagan butun sonlardir. Kirish budjeti: Eng ko‘p: 131 072 · Matn birligi: UTF8 baytlari · Token birligi: Tokenlar massivi elementlari	Standart—
Maydon`encoding_format`	Tur`string`	TalabIxtiyoriy	Qiymatlar va cheklovlar float	Standartfloat
Maydon`dimensions`	Tur`integer`	TalabQo‘llab-quvvatlanmaydi	Qiymatlar va cheklovlar Eng kam: 1	Standart—
Maydon`user`	Tur`json_value`	TalabIxtiyoriy	Qiymatlar va cheklovlar Shartlar: Manba ushbu JSON metama’lumot maydoniga ruxsat beradi; uning ta’minotchi xizmatidagi aniq ma’nosi modelga bog‘liq.	Standart—
Maydon`session_id`	Tur`json_value`	TalabIxtiyoriy	Qiymatlar va cheklovlar Shartlar: Manba ushbu JSON metama’lumot maydoniga ruxsat beradi; uning ta’minotchi xizmatidagi aniq ma’nosi modelga bog‘liq.	Standart—
Maydon`trace`	Tur`json_value`	TalabIxtiyoriy	Qiymatlar va cheklovlar Shartlar: Manba ushbu JSON metama’lumot maydoniga ruxsat beradi; uning ta’minotchi xizmatidagi aniq ma’nosi modelga bog‘liq.	Standart—
Maydon`provider`	Tur`object`	TalabIxtiyoriy	Qiymatlar va cheklovlar Shartlar: provider.options rad etildi	Standart—

Kirish materiallari birikmalari

text_to_embedding

Usul parametrlari va hayot sikli

Parametr	Parametr talablari
Parametr`content_type`	Parametr talablariapplication/json
Parametr`required`	Parametr talablarimodel, input
Parametr`input_shapes`	Parametr talablaristring, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[]
Parametr`encoding_format`	Parametr talablarifloat
Parametr`dimensions_override`	Parametr talablarifalse
Parametr`max_input_budget_units`	Parametr talablari131072
Parametr`multimodal_objects`	Parametr talablarifalse
Parametr`material_types`	Parametr talablaritext, token_ids

Hayot sikli: synchronous_json

Har bir vektorning indeksi va o‘lchamini saqlang.

Model nomida multimodal deyilgani aynan shu yo‘nalishda rasm obyektlariga ruxsat borligini anglatmaydi.

Tariflar

Tarif ma’lumotlari so‘rov imkoniyatlarini qo‘shmaydi. Qo‘llab-quvvatlanadigan parametrlar tanlangan usulda ko‘rsatilgan.

Tezkor rejim: Standart tarif Tezkor rejim tanlanganda
Flex rejimi: Standart tarif flex rejimi tanlanganda
Maksimal fikrlash darajasi: Standart tarif Maksimal fikrlash darajasi uchun standart (default) tuzatish qo‘llanganda

Ailoot tariflari

Sozlamalar bo‘yicha narxlar

Sozlama	Tariflar jadvali	To‘lov
SozlamaTokenlar uchun bazaviy tariflar	Tariflar jadvaliAsosiy tarif	To‘lov Kirish · Kirish tokenlari $0 / 1K token Chiqish · Chiqish tokenlari $0 / 1K token Kirish · Keshdan o‘qish — / 1K token Kirish · Keshga yozish — / 1K token Kirish · Keshga yozish, 1 soat — / 1K token

Ailoot so‘rovdan oldin taxminiy summani band qiladi. Natijadan keyin o‘lchangan sarf asosidagi yakuniy to‘lovni yechadi. Oqimli javob bo‘yicha yakuniy hisob-kitob yakuniy sarf yozuviga asoslanadi. Summani band qilish va to‘lovni hisoblash tartibi →

So‘rov namunalari

Ailoot Ultra · Embeddinglar

curlPython SDK

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "nvidia/llama-nemotron-embed-vl-1b-v2:free", "input": ["First document", "Second document"]}')

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

from openai import OpenAI
import os

client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
result=client.embeddings.create(model='nvidia/llama-nemotron-embed-vl-1b-v2:free',input=["First document","Second document"])
print(result)
for item in result.data:print(item.index,item.embedding)

Natijalarni olish va saqlash

Ailoot Ultra · Embeddinglar

json

Barcha tayyor natijalarni saqlash

Qaytarilgan har bir to‘liq javob, fayl va kontent qismini saqlang.

Har bir vektorni indeksi bilan saqlang. Vektorlar soni kirish elementlari soniga teng bo‘lishi va o‘lchamlar bir xil bo‘lishi kerak.

Asl javobni tekshirish kerak bo‘lsa

Embedding vazifalari uchun endpoint qo‘shilmaydi.

Javob maydonlari

Maydon	Tur
Maydon`object`	Turstring
Maydon`model`	Turstring
Maydon`data[].index`	Turinteger
Maydon`data[].embedding`	Turfinite float[]
Maydon`usage`	Turobject

Xatolar va keyingi qadamlar

Javob	Shart	Keyingi qadam
Javob400 · `invalid_request_error`	ShartMajburiy maydonlar, material ifodasi yoki parametr qiymati noto‘g‘ri	Keyingi qadamYangi yaratish so‘rovidan oldin ko‘rsatilgan maydonlarni tuzating.

Taxalluslar

Model taxalluslari

Ailoot Ultra nvidia/llama-nemotron-embed-vl-1b-v2:free

Usul yo‘llari taxalluslari

Yuqorida ko‘rsatilgan usul yo‘llaridan foydalaning.

Chaqirish uchun tegishli ID lar

nvidia/llama-nemotron-embed-vl-1b-v2:free

FAQ · NVIDIA: Llama Nemotron Embed VL 1B V2 (free)

Qanday kirish ma’lumotlari va natijalar mavjud?: POST /v1/embeddings · nvidia/llama-nemotron-embed-vl-1b-v2:free: text, token_ids → embedding
So‘rov qaysi maydonlardan foydalanadi?: POST /v1/embeddings · nvidia/llama-nemotron-embed-vl-1b-v2:free: model, input, encoding_format, provider
Qanday cheklovlar amal qiladi?: POST /v1/embeddings · nvidia/llama-nemotron-embed-vl-1b-v2:free: ctx: 131072; input.budget.maximum: 131072 (UTF8 baytlari); input.min_items: 1

NVIDIA: Llama Nemotron Embed VL 1B V2 (free)