{
  "aboutHtml": "<h3>Tìm theo ý nghĩa trong cơ sở tri thức</h3><p>Nemotron 3.5 Embed 8B là mô hình NVIDIA chuyển truy vấn và tài liệu thành embedding. Các biểu diễn số này giúp đối chiếu nội dung văn bản khi cách hỏi khác với từ ngữ trong nguồn. Mô hình phù hợp cho lớp tìm kiếm của cơ sở tri thức doanh nghiệp, dịch vụ tham khảo và ứng dụng chọn tài liệu trước khi soạn câu trả lời.</p><p>Mô hình NVIDIA gốc kết hợp văn bản và ảnh tài liệu trong cùng không gian biểu diễn; thế hệ 3.5 bổ sung tìm kiếm nội dung thị giác của trang. Thẻ Ailoot API này dùng quy trình văn bản: đầu vào là văn bản, đầu ra là vectơ.</p><p>Trong Ailoot API, có đầu vào văn bản và đầu ra vectơ qua embeddings. Ứng dụng nhận biểu diễn tài liệu gốc rồi dùng để tìm các mục gần nhau trong chỉ mục. Nếu cần câu trả lời mạch lạc có giải thích, có thể chuyển các văn bản tìm được cùng câu hỏi cho một mô hình tạo văn bản riêng.</p><h3>Điểm khác của phiên bản 8B</h3><p>Nemotron 3 Embed 8B là nền tảng mã hóa văn bản. Khi tạo thế hệ 3.5, NVIDIA giữ phần văn bản này cùng không gian embedding, đồng thời mở rộng mô hình gốc bằng các khả năng bổ sung. Thẻ công bố mô tả đầu ra gồm 4096 giá trị, thu được bằng trung bình các biểu diễn token và chuẩn hóa L2. Khi chuẩn bị chỉ mục vectơ, cần khớp số chiều với phản hồi thực tế của phương thức.</p><p>Tìm kiếm văn bản được đánh giá trên 34 ngôn ngữ, gồm tiếng Nga. Với hướng dẫn và tài liệu tham khảo đa ngôn ngữ, điều này cho phép cân nhắc mô hình như lớp tìm kiếm chung. Kết quả chọn tài liệu phụ thuộc nội dung cơ sở dữ liệu, cách chia tài liệu và câu hỏi điển hình của người dùng; nên kiểm tra trên tài liệu trong lĩnh vực của bạn.</p><h3>Quy trình làm việc</h3><ol><li>Chia tài liệu gốc thành các đoạn, mỗi đoạn chứa câu trả lời hoặc giải thích trọn vẹn.</li><li>Lấy embedding rồi lưu cùng văn bản, tiêu đề và liên kết nguồn.</li><li>Chuyển câu hỏi bằng cùng mô hình và tìm các mục gần nghĩa.</li><li>Hiển thị các đoạn tìm được hoặc dùng trong RAG để soạn câu trả lời dựa trên nguồn.</li></ol><h3>Kích thước đầu vào</h3><p>Với biến thể này, Ailoot API nêu ngữ cảnh văn bản và giới hạn đầu vào 32768 token. Có thể lưu các đoạn của tài liệu dài thành mục độc lập với liên kết chung đến tài liệu gốc. Kết quả của mô hình là embedding văn bản để ứng dụng dùng trong xử lý tiếp theo.</p>",
  "aboutText": "### Tìm theo ý nghĩa trong cơ sở tri thức\n\nNemotron 3.5 Embed 8B là mô hình NVIDIA chuyển truy vấn và tài liệu thành embedding. Các biểu diễn số này giúp đối chiếu nội dung văn bản khi cách hỏi khác với từ ngữ trong nguồn. Mô hình phù hợp cho lớp tìm kiếm của cơ sở tri thức doanh nghiệp, dịch vụ tham khảo và ứng dụng chọn tài liệu trước khi soạn câu trả lời.\n\nMô hình NVIDIA gốc kết hợp văn bản và ảnh tài liệu trong cùng không gian biểu diễn; thế hệ 3.5 bổ sung tìm kiếm nội dung thị giác của trang. Thẻ Ailoot API này dùng quy trình văn bản: đầu vào là văn bản, đầu ra là vectơ.\n\nTrong Ailoot API, có đầu vào văn bản và đầu ra vectơ qua embeddings. Ứng dụng nhận biểu diễn tài liệu gốc rồi dùng để tìm các mục gần nhau trong chỉ mục. Nếu cần câu trả lời mạch lạc có giải thích, có thể chuyển các văn bản tìm được cùng câu hỏi cho một mô hình tạo văn bản riêng.\n\n### Điểm khác của phiên bản 8B\n\nNemotron 3 Embed 8B là nền tảng mã hóa văn bản. Khi tạo thế hệ 3.5, NVIDIA giữ phần văn bản này cùng không gian embedding, đồng thời mở rộng mô hình gốc bằng các khả năng bổ sung. Thẻ công bố mô tả đầu ra gồm 4096 giá trị, thu được bằng trung bình các biểu diễn token và chuẩn hóa L2. Khi chuẩn bị chỉ mục vectơ, cần khớp số chiều với phản hồi thực tế của phương thức.\n\nTìm kiếm văn bản được đánh giá trên 34 ngôn ngữ, gồm tiếng Nga. Với hướng dẫn và tài liệu tham khảo đa ngôn ngữ, điều này cho phép cân nhắc mô hình như lớp tìm kiếm chung. Kết quả chọn tài liệu phụ thuộc nội dung cơ sở dữ liệu, cách chia tài liệu và câu hỏi điển hình của người dùng; nên kiểm tra trên tài liệu trong lĩnh vực của bạn.\n\n### Quy trình làm việc\n\n1. Chia tài liệu gốc thành các đoạn, mỗi đoạn chứa câu trả lời hoặc giải thích trọn vẹn.\n2. Lấy embedding rồi lưu cùng văn bản, tiêu đề và liên kết nguồn.\n3. Chuyển câu hỏi bằng cùng mô hình và tìm các mục gần nghĩa.\n4. Hiển thị các đoạn tìm được hoặc dùng trong RAG để soạn câu trả lời dựa trên nguồn.\n\n### Kích thước đầu vào\n\nVới biến thể này, Ailoot API nêu ngữ cảnh văn bản và giới hạn đầu vào 32768 token. Có thể lưu các đoạn của tài liệu dài thành mục độc lập với liên kết chung đến tài liệu gốc. Kết quả của mô hình là embedding văn bản để ứng dụng dùng trong xử lý tiếp theo.",
  "locale": "vi",
  "methods": [
    {
      "html": "<section class=\"meth\" data-route=\"Ultra\"><header><b><span class=\"alias\">Ultra</span> Biểu diễn nhúng</b><code>POST /v1/embeddings</code></header><dl class=\"method-capabilities\" data-model-capabilities><div><dt>Đầu vào</dt><dd><code>text</code></dd></div><div><dt>Đầu ra</dt><dd><code>embedding</code></dd></div><div><dt>Ngữ cảnh</dt><dd>32.768 <em>token</em></dd></div><div><dt>Độ dài câu trả lời tối đa</dt><dd>Không nêu trong danh mục</dd></div></dl><dl><div><dt>Đầu vào</dt><dd>0,00 US$ <em>/ 1K</em></dd></div></dl></section>",
      "method_identity": {
        "effective_request_model_id": "nvidia/nemotron-3.5-embed-8b:free",
        "fmt": "embeddings",
        "http": "POST",
        "path": "/v1/embeddings",
        "request_model_id": "nvidia/nemotron-3.5-embed-8b:free",
        "route_label": "Ultra"
      },
      "method_key": "Ultra|embeddings|/v1/embeddings|nvidia%2Fnemotron-3.5-embed-8b%3Afree",
      "ordinal": 0,
      "rawMethod": {
        "cache_read": null,
        "cache_write": null,
        "cache_write_1h": null,
        "cache_write_5m": null,
        "conditional_meter": null,
        "ctx": 32768,
        "family": "openai",
        "fast_multiplier": 1,
        "flex_multiplier": 1,
        "fmt": "embeddings",
        "http": "POST",
        "img_in": null,
        "img_out": null,
        "in": 0,
        "input": [
          "text"
        ],
        "label": "Эмбеддинги",
        "max_out": 0,
        "max_tool_calls": null,
        "out": 0,
        "output": [
          "embedding"
        ],
        "path": "/v1/embeddings",
        "request_model_id": "nvidia/nemotron-3.5-embed-8b:free",
        "route_label": "Ultra",
        "status_reads": [],
        "tiers": [],
        "tool_prices": null,
        "unit": "token",
        "units": []
      }
    }
  ],
  "model_id": "nvidia/nemotron-3.5-embed-8b:free",
  "page": {
    "canonical": "https://ailoot.ai/models/vi/nvidia-nemotron-3-5-embed-8b-free/",
    "description": "Embedding văn bản đa ngôn ngữ của NVIDIA để tìm kiếm tài liệu theo ngữ nghĩa và xây dựng RAG.",
    "locale": "vi",
    "md_url": "https://ailoot.ai/models/vi/nvidia-nemotron-3-5-embed-8b-free/index.md",
    "title": "NVIDIA: Nemotron 3.5 Embed 8B (free)",
    "url": "https://ailoot.ai/models/vi/nvidia-nemotron-3-5-embed-8b-free/"
  },
  "rawModel": {
    "about": "### Tìm theo ý nghĩa trong cơ sở tri thức\n\nNemotron 3.5 Embed 8B là mô hình NVIDIA chuyển truy vấn và tài liệu thành embedding. Các biểu diễn số này giúp đối chiếu nội dung văn bản khi cách hỏi khác với từ ngữ trong nguồn. Mô hình phù hợp cho lớp tìm kiếm của cơ sở tri thức doanh nghiệp, dịch vụ tham khảo và ứng dụng chọn tài liệu trước khi soạn câu trả lời.\n\nMô hình NVIDIA gốc kết hợp văn bản và ảnh tài liệu trong cùng không gian biểu diễn; thế hệ 3.5 bổ sung tìm kiếm nội dung thị giác của trang. Thẻ Ailoot API này dùng quy trình văn bản: đầu vào là văn bản, đầu ra là vectơ.\n\nTrong Ailoot API, có đầu vào văn bản và đầu ra vectơ qua embeddings. Ứng dụng nhận biểu diễn tài liệu gốc rồi dùng để tìm các mục gần nhau trong chỉ mục. Nếu cần câu trả lời mạch lạc có giải thích, có thể chuyển các văn bản tìm được cùng câu hỏi cho một mô hình tạo văn bản riêng.\n\n### Điểm khác của phiên bản 8B\n\nNemotron 3 Embed 8B là nền tảng mã hóa văn bản. Khi tạo thế hệ 3.5, NVIDIA giữ phần văn bản này cùng không gian embedding, đồng thời mở rộng mô hình gốc bằng các khả năng bổ sung. Thẻ công bố mô tả đầu ra gồm 4096 giá trị, thu được bằng trung bình các biểu diễn token và chuẩn hóa L2. Khi chuẩn bị chỉ mục vectơ, cần khớp số chiều với phản hồi thực tế của phương thức.\n\nTìm kiếm văn bản được đánh giá trên 34 ngôn ngữ, gồm tiếng Nga. Với hướng dẫn và tài liệu tham khảo đa ngôn ngữ, điều này cho phép cân nhắc mô hình như lớp tìm kiếm chung. Kết quả chọn tài liệu phụ thuộc nội dung cơ sở dữ liệu, cách chia tài liệu và câu hỏi điển hình của người dùng; nên kiểm tra trên tài liệu trong lĩnh vực của bạn.\n\n### Quy trình làm việc\n\n1. Chia tài liệu gốc thành các đoạn, mỗi đoạn chứa câu trả lời hoặc giải thích trọn vẹn.\n2. Lấy embedding rồi lưu cùng văn bản, tiêu đề và liên kết nguồn.\n3. Chuyển câu hỏi bằng cùng mô hình và tìm các mục gần nghĩa.\n4. Hiển thị các đoạn tìm được hoặc dùng trong RAG để soạn câu trả lời dựa trên nguồn.\n\n### Kích thước đầu vào\n\nVới biến thể này, Ailoot API nêu ngữ cảnh văn bản và giới hạn đầu vào 32768 token. Có thể lưu các đoạn của tài liệu dài thành mục độc lập với liên kết chung đến tài liệu gốc. Kết quả của mô hình là embedding văn bản để ứng dụng dùng trong xử lý tiếp theo.",
    "alias_of": null,
    "aliases": [],
    "author": "NVIDIA",
    "canonical_model": "nvidia/nemotron-3.5-embed-8b:free",
    "ctx": 32768,
    "formats": [
      "embeddings"
    ],
    "id": "nvidia/nemotron-3.5-embed-8b:free",
    "input": [
      "text"
    ],
    "kind": "embedding",
    "max_out": 0,
    "methods": [
      {
        "cache_read": null,
        "cache_write": null,
        "cache_write_1h": null,
        "cache_write_5m": null,
        "conditional_meter": null,
        "ctx": 32768,
        "family": "openai",
        "fast_multiplier": 1,
        "flex_multiplier": 1,
        "fmt": "embeddings",
        "http": "POST",
        "img_in": null,
        "img_out": null,
        "in": 0,
        "input": [
          "text"
        ],
        "label": "Эмбеддинги",
        "max_out": 0,
        "max_tool_calls": null,
        "out": 0,
        "output": [
          "embedding"
        ],
        "path": "/v1/embeddings",
        "request_model_id": "nvidia/nemotron-3.5-embed-8b:free",
        "route_label": "Ultra",
        "status_reads": [],
        "tiers": [],
        "tool_prices": null,
        "unit": "token",
        "units": []
      }
    ],
    "model_aliases": [
      {
        "canonical_model_id": "nvidia/nemotron-3.5-embed-8b:free",
        "request_model_id": "nvidia/nemotron-3.5-embed-8b:free",
        "route_label": "Ultra"
      }
    ],
    "name": "NVIDIA: Nemotron 3.5 Embed 8B (free)",
    "price": {
      "in": 0,
      "in_label": null,
      "out": null,
      "out_label": null,
      "sort_in": 0,
      "sort_out": null,
      "varies": false
    },
    "public_id": "nvidia/nemotron-3.5-embed-8b:free",
    "short": "Embedding văn bản đa ngôn ngữ của NVIDIA để tìm kiếm tài liệu theo ngữ nghĩa và xây dựng RAG."
  },
  "renderer_schema": {
    "method_order": "rawModel.methods-ordinal",
    "prices": "exact-native-DTO-units-and-selected-renderer-html"
  },
  "representation": "exact-public-dto-and-native-renderer-html",
  "schema": "ailoot-static-model-facts-v1",
  "schema_version": 1,
  "shortText": "Embedding văn bản đa ngôn ngữ của NVIDIA để tìm kiếm tài liệu theo ngữ nghĩa và xây dựng RAG.",
  "source": {
    "audit_sha256": "21132a0257fece0a7e7d3d66084c07516e58990d9817daacd38e5c9c4b968736",
    "bridge_map_sha256": "21132a0257fece0a7e7d3d66084c07516e58990d9817daacd38e5c9c4b968736",
    "projection_audit": {
      "parent_manifest_sha256": "dfd3a7a4bc6f960e128026cae1f98f769d1503ffa1c6cf0ccf80066382dbbb9e",
      "raw_model_json_sha256": "a69f78f0182d974f48cc73ef2ca6796f6fe3328bf13531f9883d6861b27f3544",
      "renderer_sha256": "ffccf650b2b045469030aaca243b57516126d5829294b601a0deab37de81040a"
    },
    "projection_kind": "catalogue-refresh-native-dto-v1",
    "raw_model_json_sha256": "a69f78f0182d974f48cc73ef2ca6796f6fe3328bf13531f9883d6861b27f3544",
    "renderer_sha256": "ffccf650b2b045469030aaca243b57516126d5829294b601a0deab37de81040a"
  },
  "sourceRevision": "0dde43f1ac6b63b0b8de889ded0586de833f4400f5f6a601f2117a01553d973c"
}