Llama Nemotron Embed VL 1B v2
Llama Nemotron Embed VL v2 hujjatlar bo‘yicha semantik qidiruv uchun vektorlar yaratadi. Ailoot’ning joriy katalogida so‘rovlar va materiallar uchun matnli kirish taqdim etilgan.
- Ailoot · Embeddinglar
POST /v1/embeddingsnvidia/llama-nemotron-embed-vl-1b-v2 - Ailoot · Embeddinglar
POST /v1/embeddingsnemotron-embed-vl - Ailoot · Embeddinglar
POST /v1/embeddingsnemotron-embed-vl-latest
Model haqida
Bu tavsif model imkoniyatlarini yoritadi. Ailoot da tanlangan usul uchun mavjud kirish, chiqish va parametrlar quyida keltirilgan.
Savol bo‘yicha kerakli sahifani topish
Llama Nemotron Embed VL 1B v2 NVIDIA tomonidan savolga javob berishga yordam beradigan materiallarni qidirish uchun ishlab chiqilgan. So‘rov matn bilan beriladi. Ailoot’ning joriy katalogida model uchun matnli kirish taqdim etilgan: savol va material matn sifatida kodlanadi. Ishlab chiqaruvchi sahifa tasviri yoki ajratib olingan matn bilan birga rasm ko‘rinishidagi hujjatni ham tavsiflaydi. Bunday vizual variantlar tasvirlarni qo‘llab-quvvatlaydigan alohida metodni talab qiladi. Tegishli kirishda model jadvallar, grafiklar va infografikani umumiy vektorlar fazosida ifodalaydi.
Bunday qidiruv katta hujjatlar to‘plami, ichki ma’lumotnomalar va tadqiqot materiallari bo‘yicha savol-javob yordamchilariga mos keladi. Kodlash natijasi — sonli vektor. Topilgan sahifa yoki parchani keyin javob shakllantiradigan modelga uzatish mumkin: Embed VL’ning o‘zi kontekst qidirish bosqichini bajaradi.
Ishlab chiqaruvchidagi hujjat variantlari
- Matnli hujjat: alohida bo‘lim, parcha yoki sahifaning allaqachon tanilgan matni.
- Tasvir: matni, jadvallari va grafik elementlari bilan to‘liq sahifa.
- Matnli tasvir: sahifaning vizual ko‘rinishi va matn mazmuni bitta ifodada birlashtiriladi.
So‘rov va hujjat mustaqil kodlanadi. Shu sababli to‘plamni oldindan qayta ishlash, vektorlarni boshlang‘ich sahifalar bilan birga saqlash, yangi savolda esa faqat so‘rov vektorini hisoblash mumkin. Vektorlar o‘xshashligi materiallarni mazmun bo‘yicha tanlashga yordam beradi. So‘rov va hujjatning matnli rollari farq qiladi, ma’lumot tayyorlashda buni saqlash muhim.
Ifoda hajmi va kirish uzunligi
Har bir kirish 2048 tagacha sondan iborat bitta vektorga aylantiriladi. Matnli rejimda 8192 token budjeti ishlatiladi. Ishlab chiqaruvchining rasm va matn birikmali vizual metodi uchun ikkala qism kiradigan 10240 tokenlik umumiy budjet tavsiflangan; bu Ailoot metodining matn limiti emas. Tasvir bo‘laklarga ajratiladi: tavsiflangan konfiguratsiyada oltitagacha bo‘lak va butun sahifaning kichraytirilgan nusxasi, birga taxminan 1792 vizual token ruxsat etiladi. Uzun matnlarni bo‘lish yoki qisqartirish kerak.
Til qismi Llama 3.2 1B, vizual qismi esa SigLIP2 asosida qurilgan. Ular kirish tokenlari ifodalarini o‘rtachalashtirib, yagona vektor beradigan enkoderga birlashtirilgan. Kontrastiv o‘qitish savolni mos sahifaga yaqinlashtiradi va nomuvofiq materiallardan uzoqlashtiradi. Qidiruv ehtimoliy bo‘lib qoladi: vektorlar yaqinligi tanlangan parcha to‘g‘ri javobni o‘z ichiga olishini kafolatlamaydi.
Ailoot · Embeddinglar POST /v1/embeddings nvidia/llama-nemotron-embed-vl-1b-v2
nvidia/llama-nemotron-embed-vl-1b-v2
nvidia/llama-nemotron-embed-vl-1b-v2nvidia/llama-nemotron-embed-vl-1b-v2nemotron-embed-vlnemotron-embed-vl-latest
Boshlash
Llama Nemotron Embed VL v2 hujjatlar bo‘yicha semantik qidiruv uchun vektorlar yaratadi. Ailoot’ning joriy katalogida so‘rovlar va materiallar uchun matnli kirish taqdim etilgan.
- Qabul qilinadigan kirish ma’lumotlari
- Matn
- Natijalar
- embedding
Ailoot da mavjud · kirish ma’lumotlari va usullar
Ailoot · Embeddinglar POST /v1/embeddings
- Kirish
text- Chiqish
embedding- Kontekst
- 4 096 tokens
- Chiqish formati
- json
| Maydon | Tur | Talab | Qiymatlar va cheklovlar | Standart |
|---|---|---|---|---|
Maydonmodel | Turstring | TalabMajburiy | Qiymatlar va cheklovlar nvidia/llama-nemotron-embed-vl-1b-v2 | Standart— |
Maydoninput | Turstring|string[] | TalabMajburiy | Qiymatlar va cheklovlar Elementlarning eng kam soni: 1 Shartlar: Har bir satr chet bo‘shliqlari olib tashlangach bo‘sh bo‘lmasligi kerak; data URI lar rad etiladi; qabul qilingan budjet tegishli UTF8 baytlarini o‘lchaydi. | Standart— |
Maydoninput_type | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar query, passage | Standartquery |
Maydonencoding_format | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar float, base64 | Standartfloat |
Maydontruncate | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar NONE, START, END | Standart— |
Maydondimensions | Turinteger | TalabIxtiyoriy | Qiymatlar va cheklovlar Eng kam: 1 | Standart— |
Maydonuser | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar | Standart— |
Kirish materiallari birikmalari
text_to_embedding
Usul parametrlari va hayot sikli
| Parametr | Parametr talablari |
|---|---|
Parametrmaterial_types | Parametr talablaritext |
Parametrrequired | Parametr talablarimodel, input |
Parametroptional_controls | Parametr talablarinull |
Parametrcontent_type | Parametr talablariapplication/json |
Hayot sikli: exact retained published method
Metod tuzilishlari va IDlari aniq; yetkazib beruvchining imkoniyati so‘rovni qabul qilishga ruxsatdan alohida.
Tariflar
Ailoot usullari tariflari
POST /v1/embeddings- Kirish
- 0,0001 US$ / 1K
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 · Embeddinglar
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/llama-nemotron-embed-vl-1b-v2", "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
Natijalarni olish va saqlash
Ailoot · Embeddinglar
json
Barcha tayyor natijalarni saqlash
Qaytarilgan har bir to‘liq javob, fayl va kontent qismini saqlang.
base64 vektorlarni faqat shu format so‘ralganda dekodlang; har bir vektor va uning dastlabki indeksini saqlang.
Asl javobni tekshirish kerak bo‘lsa
Embedding vazifalari uchun endpoint qo‘shilmaydi.
Javob maydonlari
| Maydon | Tur |
|---|---|
Maydondata[].index | Turinteger |
Maydondata[].embedding | Turfinite float[]|base64 float32 vector |
Maydonmodel | Turstring |
Maydonusage | 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 nvidia/llama-nemotron-embed-vl-1b-v2, nemotron-embed-vl, nemotron-embed-vl-latest
Usul yo‘llari taxalluslari
Yuqorida ko‘rsatilgan usul yo‘llaridan foydalaning.
Chaqirish uchun tegishli ID lar
nvidia/llama-nemotron-embed-vl-1b-v2, nemotron-embed-vl, nemotron-embed-vl-latest
Ailoot · Embeddinglar POST /v1/embeddings nemotron-embed-vl
nemotron-embed-vlnvidia/llama-nemotron-embed-vl-1b-v2nemotron-embed-vlnemotron-embed-vl-latest
Boshlash
Llama Nemotron Embed VL v2 hujjatlar bo‘yicha semantik qidiruv uchun vektorlar yaratadi. Ailoot’ning joriy katalogida so‘rovlar va materiallar uchun matnli kirish taqdim etilgan.
- Qabul qilinadigan kirish ma’lumotlari
- Matn
- Natijalar
- embedding
Ailoot da mavjud · kirish ma’lumotlari va usullar
Ailoot · Embeddinglar POST /v1/embeddings
- Kirish
text- Chiqish
embedding- Kontekst
- 4 096 tokens
- Chiqish formati
- json
| Maydon | Tur | Talab | Qiymatlar va cheklovlar | Standart |
|---|---|---|---|---|
Maydonmodel | Turstring | TalabMajburiy | Qiymatlar va cheklovlar nemotron-embed-vl | Standart— |
Maydoninput | Turstring|string[] | TalabMajburiy | Qiymatlar va cheklovlar Elementlarning eng kam soni: 1 Shartlar: Har bir satr chet bo‘shliqlari olib tashlangach bo‘sh bo‘lmasligi kerak; data URI lar rad etiladi; qabul qilingan budjet tegishli UTF8 baytlarini o‘lchaydi. | Standart— |
Maydoninput_type | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar query, passage | Standartquery |
Maydonencoding_format | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar float, base64 | Standartfloat |
Maydontruncate | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar NONE, START, END | Standart— |
Maydondimensions | Turinteger | TalabIxtiyoriy | Qiymatlar va cheklovlar Eng kam: 1 | Standart— |
Maydonuser | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar | Standart— |
Kirish materiallari birikmalari
text_to_embedding
Usul parametrlari va hayot sikli
| Parametr | Parametr talablari |
|---|---|
Parametrmaterial_types | Parametr talablaritext |
Parametrrequired | Parametr talablarimodel, input |
Parametroptional_controls | Parametr talablarinull |
Parametrcontent_type | Parametr talablariapplication/json |
Hayot sikli: exact retained published method
Metod tuzilishlari va IDlari aniq; yetkazib beruvchining imkoniyati so‘rovni qabul qilishga ruxsatdan alohida.
Tariflar
Ailoot usullari tariflari
POST /v1/embeddings- Kirish
- 0,0001 US$ / 1K
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 · Embeddinglar
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-embed-vl", "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
Natijalarni olish va saqlash
Ailoot · Embeddinglar
json
Barcha tayyor natijalarni saqlash
Qaytarilgan har bir to‘liq javob, fayl va kontent qismini saqlang.
base64 vektorlarni faqat shu format so‘ralganda dekodlang; har bir vektor va uning dastlabki indeksini saqlang.
Asl javobni tekshirish kerak bo‘lsa
Embedding vazifalari uchun endpoint qo‘shilmaydi.
Javob maydonlari
| Maydon | Tur |
|---|---|
Maydondata[].index | Turinteger |
Maydondata[].embedding | Turfinite float[]|base64 float32 vector |
Maydonmodel | Turstring |
Maydonusage | 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 nvidia/llama-nemotron-embed-vl-1b-v2, nemotron-embed-vl, nemotron-embed-vl-latest
Usul yo‘llari taxalluslari
Yuqorida ko‘rsatilgan usul yo‘llaridan foydalaning.
Chaqirish uchun tegishli ID lar
nvidia/llama-nemotron-embed-vl-1b-v2, nemotron-embed-vl, nemotron-embed-vl-latest
Ailoot · Embeddinglar POST /v1/embeddings nemotron-embed-vl-latest
nemotron-embed-vl-latestnvidia/llama-nemotron-embed-vl-1b-v2nemotron-embed-vlnemotron-embed-vl-latest
Boshlash
Llama Nemotron Embed VL v2 hujjatlar bo‘yicha semantik qidiruv uchun vektorlar yaratadi. Ailoot’ning joriy katalogida so‘rovlar va materiallar uchun matnli kirish taqdim etilgan.
- Qabul qilinadigan kirish ma’lumotlari
- Matn
- Natijalar
- embedding
Ailoot da mavjud · kirish ma’lumotlari va usullar
Ailoot · Embeddinglar POST /v1/embeddings
- Kirish
text- Chiqish
embedding- Kontekst
- 4 096 tokens
- Chiqish formati
- json
| Maydon | Tur | Talab | Qiymatlar va cheklovlar | Standart |
|---|---|---|---|---|
Maydonmodel | Turstring | TalabMajburiy | Qiymatlar va cheklovlar nemotron-embed-vl-latest | Standart— |
Maydoninput | Turstring|string[] | TalabMajburiy | Qiymatlar va cheklovlar Elementlarning eng kam soni: 1 Shartlar: Har bir satr chet bo‘shliqlari olib tashlangach bo‘sh bo‘lmasligi kerak; data URI lar rad etiladi; qabul qilingan budjet tegishli UTF8 baytlarini o‘lchaydi. | Standart— |
Maydoninput_type | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar query, passage | Standartquery |
Maydonencoding_format | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar float, base64 | Standartfloat |
Maydontruncate | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar NONE, START, END | Standart— |
Maydondimensions | Turinteger | TalabIxtiyoriy | Qiymatlar va cheklovlar Eng kam: 1 | Standart— |
Maydonuser | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar | Standart— |
Kirish materiallari birikmalari
text_to_embedding
Usul parametrlari va hayot sikli
| Parametr | Parametr talablari |
|---|---|
Parametrmaterial_types | Parametr talablaritext |
Parametrrequired | Parametr talablarimodel, input |
Parametroptional_controls | Parametr talablarinull |
Parametrcontent_type | Parametr talablariapplication/json |
Hayot sikli: exact retained published method
Metod tuzilishlari va IDlari aniq; yetkazib beruvchining imkoniyati so‘rovni qabul qilishga ruxsatdan alohida.
Tariflar
Ailoot usullari tariflari
POST /v1/embeddings- Kirish
- 0,0001 US$ / 1K
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 · Embeddinglar
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-embed-vl-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
Natijalarni olish va saqlash
Ailoot · Embeddinglar
json
Barcha tayyor natijalarni saqlash
Qaytarilgan har bir to‘liq javob, fayl va kontent qismini saqlang.
base64 vektorlarni faqat shu format so‘ralganda dekodlang; har bir vektor va uning dastlabki indeksini saqlang.
Asl javobni tekshirish kerak bo‘lsa
Embedding vazifalari uchun endpoint qo‘shilmaydi.
Javob maydonlari
| Maydon | Tur |
|---|---|
Maydondata[].index | Turinteger |
Maydondata[].embedding | Turfinite float[]|base64 float32 vector |
Maydonmodel | Turstring |
Maydonusage | 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 nvidia/llama-nemotron-embed-vl-1b-v2, nemotron-embed-vl, nemotron-embed-vl-latest
Usul yo‘llari taxalluslari
Yuqorida ko‘rsatilgan usul yo‘llaridan foydalaning.
Chaqirish uchun tegishli ID lar
nvidia/llama-nemotron-embed-vl-1b-v2, nemotron-embed-vl, nemotron-embed-vl-latest
FAQ · nvidia/llama-nemotron-embed-vl-1b-v2
- Qanday kirish ma’lumotlari va natijalar mavjud?
POST /v1/embeddings·nvidia/llama-nemotron-embed-vl-1b-v2:text→embeddingPOST /v1/embeddings·nemotron-embed-vl:text→embeddingPOST /v1/embeddings·nemotron-embed-vl-latest:text→embedding- So‘rov qaysi maydonlardan foydalanadi?
POST /v1/embeddings·nvidia/llama-nemotron-embed-vl-1b-v2:model,input,input_type,encoding_format,truncate,dimensions,userPOST /v1/embeddings·nemotron-embed-vl:model,input,input_type,encoding_format,truncate,dimensions,userPOST /v1/embeddings·nemotron-embed-vl-latest:model,input,input_type,encoding_format,truncate,dimensions,user- Qanday cheklovlar amal qiladi?
POST /v1/embeddings·nvidia/llama-nemotron-embed-vl-1b-v2:ctx:4096;input.min_items:1;dimensions.minimum:1POST /v1/embeddings·nemotron-embed-vl:ctx:4096;input.min_items:1;dimensions.minimum:1POST /v1/embeddings·nemotron-embed-vl-latest:ctx:4096;input.min_items:1;dimensions.minimum:1