Nemotron 3 Embed 1B

Nemotron 3 Embed 1B 將文字轉為向量，用於多語言搜尋、程式碼搜尋與 RAG。它處理最多 32768 個 token 的序列，輸出包含 2048 個數值的表示。

Ailoot · 嵌入向量 POST /v1/embeddings nvidia/nemotron-3-embed-1b
Ailoot · 嵌入向量 POST /v1/embeddings nemotron-3-embed
Ailoot · 嵌入向量 POST /v1/embeddings nemotron-3-embed-latest

關於模型

此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項，依所選方法列於下方。

Nemotron 3 Embed 1B 是 NVIDIA 用於語意搜尋與片段比對的文字模型，將問題、文件與程式碼編碼為密集數值向量。這些表示可從大型集合找到需要的上下文，補充助理回覆，或為代理下一步擷取先前儲存的資訊。

多語言知識與程式碼

模型用於多語言及跨語言搜尋，問題與合適資料可以使用不同語言。俄文在公布的 34 種語言中，其他包括英文、烏克蘭文、中文、日文、阿拉伯文等。這適合技術文件與使用者詢問不統一為同一語言的共用知識庫。

用途包括文件搜尋、文字比對，以及依文字描述擷取程式碼。大型輸入視窗可處理長文件、大量程式上下文與代理多個步驟的歷史。找到的資料會作為上下文進入後續流程；最終說明與答案由系統下一個元件產生。

從文字到向量

輸入為文字字串，每個字串得到一個包含 2048 個數值的向量。最大序列長度為 32768 個 token，較長資料必須分段或縮短。準備輸入時，應區分問題與文件；模型訓練用於配對這兩種角色，因此相同字串在不同任務中，不應忽略用途而使用相同格式。

向量會依長度正規化，此時內積與餘弦相似度是等價的比較方式。完整向量可保留前 1024 或 512 個座標，但截斷後必須重新正規化。這屬於結果處理特性；文件集與查詢應一致選用相同維度。

小型模型的架構

編碼器約有 1.14B 個參數，由基於 Ministral 3 3B 的模型，經過兩個結構縮減與蒸餾階段建立。雙向注意力考量整個輸入，再將 token 表示取平均，得到整體向量。

NVIDIA 提供 BF16 與 NVFP4 版本。兩者的表示空間接近，但更換版本時，需要以自己的文件驗證。數值相似度與上下文長度，都不保證搜尋一定選到正確片段。

Ailoot · 嵌入向量 POST /v1/embeddings nvidia/nemotron-3-embed-1b

nvidia/nemotron-3-embed-1b

NVIDIA /nvidia/nemotron-3-embed-1b

模型 ID

nvidia/nemotron-3-embed-1b
nemotron-3-embed
nemotron-3-embed-latest

入門

Nemotron 3 Embed 1B 將文字轉為向量，用於多語言搜尋、程式碼搜尋與 RAG。它處理最多 32768 個 token 的序列，輸出包含 2048 個數值的表示。

接受的輸入: 文字
結果: embedding

Ailoot 可用 · 輸入與方法

Ailoot · 嵌入向量 POST /v1/embeddings

輸入: text
輸出: embedding
上下文: 4,096 tokens
輸出格式: json

欄位	類型	要求	值與限制	預設值
欄位`model`	類型`string`	要求必填	值與限制 nvidia/nemotron-3-embed-1b	預設值—
欄位`input`	類型`string\|string[]`	要求必填	值與限制項目數下限: 1 條件: 每個字串去除前後空白後都不得為空；不接受 data URI；已接受的額度會計量相關的 UTF8 位元組。	預設值—
欄位`input_type`	類型`string`	要求選填	值與限制 query, passage	預設值query
欄位`encoding_format`	類型`string`	要求選填	值與限制 float, base64	預設值float
欄位`truncate`	類型`string`	要求選填	值與限制 NONE, START, END	預設值—
欄位`dimensions`	類型`integer`	要求選填	值與限制最小值: 1	預設值—
欄位`user`	類型`string`	要求選填	值與限制	預設值—

輸入素材組合

text_to_embedding

方法參數與生命週期

參數	規格
參數`material_types`	規格text
參數`required`	規格model, input
參數`optional_controls`	規格null
參數`content_type`	規格application/json

生命週期： exact retained published method

方法結構與 ID 均為精確值；供應商能力與准入狀態分開。

方案

Ailoot 方法費率

Ailoot 嵌入向量POST /v1/embeddings

輸入: US$0.0001 / 1K

Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →

請求範例

Ailoot · 嵌入向量

嵌入向量範例

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

接收並儲存結果

Ailoot · 嵌入向量

json

保留所有已完成的結果

請保留所有完整傳回的回應、檔案與內容區塊。

僅在請求該格式時才解碼 base64 向量；請保留每個向量及其原始索引。

需要檢查原始回應時

此流程未引入嵌入向量任務端點。

回應欄位

欄位	類型
欄位`data[].index`	類型integer
欄位`data[].embedding`	類型finite float[]\|base64 float32 vector
欄位`model`	類型string
欄位`usage`	類型object

錯誤與後續步驟

回應	條件	下一步
回應400 · `invalid_request_error`	條件必要欄位、素材表示方式或參數值無效	下一步提出新的建立請求前，先修正指定欄位。

別名

模型別名

Ailoot nvidia/nemotron-3-embed-1b, nemotron-3-embed, nemotron-3-embed-latest

方法路徑別名

請使用上方列出的 API 方法路徑。

入門

Nemotron 3 Embed 1B 將文字轉為向量，用於多語言搜尋、程式碼搜尋與 RAG。它處理最多 32768 個 token 的序列，輸出包含 2048 個數值的表示。

接受的輸入: 文字
結果: embedding

Ailoot 可用 · 輸入與方法

Ailoot · 嵌入向量 POST /v1/embeddings

輸入: text
輸出: embedding
上下文: 4,096 tokens
輸出格式: json

欄位	類型	要求	值與限制	預設值
欄位`model`	類型`string`	要求必填	值與限制 nemotron-3-embed	預設值—
欄位`input`	類型`string\|string[]`	要求必填	值與限制項目數下限: 1 條件: 每個字串去除前後空白後都不得為空；不接受 data URI；已接受的額度會計量相關的 UTF8 位元組。	預設值—
欄位`input_type`	類型`string`	要求選填	值與限制 query, passage	預設值query
欄位`encoding_format`	類型`string`	要求選填	值與限制 float, base64	預設值float
欄位`truncate`	類型`string`	要求選填	值與限制 NONE, START, END	預設值—
欄位`dimensions`	類型`integer`	要求選填	值與限制最小值: 1	預設值—
欄位`user`	類型`string`	要求選填	值與限制	預設值—

輸入素材組合

text_to_embedding

方法參數與生命週期

參數	規格
參數`material_types`	規格text
參數`required`	規格model, input
參數`optional_controls`	規格null
參數`content_type`	規格application/json

生命週期： exact retained published method

方法結構與 ID 均為精確值；供應商能力與准入狀態分開。

方案

Ailoot 方法費率

Ailoot 嵌入向量POST /v1/embeddings

輸入: US$0.0001 / 1K

Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →

請求範例

Ailoot · 嵌入向量

嵌入向量範例

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

接收並儲存結果

Ailoot · 嵌入向量

json

保留所有已完成的結果

請保留所有完整傳回的回應、檔案與內容區塊。

僅在請求該格式時才解碼 base64 向量；請保留每個向量及其原始索引。

需要檢查原始回應時

此流程未引入嵌入向量任務端點。

回應欄位

欄位	類型
欄位`data[].index`	類型integer
欄位`data[].embedding`	類型finite float[]\|base64 float32 vector
欄位`model`	類型string
欄位`usage`	類型object

錯誤與後續步驟

回應	條件	下一步
回應400 · `invalid_request_error`	條件必要欄位、素材表示方式或參數值無效	下一步提出新的建立請求前，先修正指定欄位。

別名

模型別名

Ailoot nvidia/nemotron-3-embed-1b, nemotron-3-embed, nemotron-3-embed-latest

方法路徑別名

請使用上方列出的 API 方法路徑。

入門

Nemotron 3 Embed 1B 將文字轉為向量，用於多語言搜尋、程式碼搜尋與 RAG。它處理最多 32768 個 token 的序列，輸出包含 2048 個數值的表示。

接受的輸入: 文字
結果: embedding

Ailoot 可用 · 輸入與方法

Ailoot · 嵌入向量 POST /v1/embeddings

輸入: text
輸出: embedding
上下文: 4,096 tokens
輸出格式: json

欄位	類型	要求	值與限制	預設值
欄位`model`	類型`string`	要求必填	值與限制 nemotron-3-embed-latest	預設值—
欄位`input`	類型`string\|string[]`	要求必填	值與限制項目數下限: 1 條件: 每個字串去除前後空白後都不得為空；不接受 data URI；已接受的額度會計量相關的 UTF8 位元組。	預設值—
欄位`input_type`	類型`string`	要求選填	值與限制 query, passage	預設值query
欄位`encoding_format`	類型`string`	要求選填	值與限制 float, base64	預設值float
欄位`truncate`	類型`string`	要求選填	值與限制 NONE, START, END	預設值—
欄位`dimensions`	類型`integer`	要求選填	值與限制最小值: 1	預設值—
欄位`user`	類型`string`	要求選填	值與限制	預設值—

輸入素材組合

text_to_embedding

方法參數與生命週期

參數	規格
參數`material_types`	規格text
參數`required`	規格model, input
參數`optional_controls`	規格null
參數`content_type`	規格application/json

生命週期： exact retained published method

方法結構與 ID 均為精確值；供應商能力與准入狀態分開。

方案

Ailoot 方法費率

Ailoot 嵌入向量POST /v1/embeddings

輸入: US$0.0001 / 1K

Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →

請求範例

Ailoot · 嵌入向量

嵌入向量範例

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

接收並儲存結果

Ailoot · 嵌入向量

json

保留所有已完成的結果

請保留所有完整傳回的回應、檔案與內容區塊。

僅在請求該格式時才解碼 base64 向量；請保留每個向量及其原始索引。

需要檢查原始回應時

此流程未引入嵌入向量任務端點。

回應欄位

欄位	類型
欄位`data[].index`	類型integer
欄位`data[].embedding`	類型finite float[]\|base64 float32 vector
欄位`model`	類型string
欄位`usage`	類型object

錯誤與後續步驟

回應	條件	下一步
回應400 · `invalid_request_error`	條件必要欄位、素材表示方式或參數值無效	下一步提出新的建立請求前，先修正指定欄位。

別名

模型別名

Ailoot nvidia/nemotron-3-embed-1b, nemotron-3-embed, nemotron-3-embed-latest

方法路徑別名

請使用上方列出的 API 方法路徑。

Nemotron 3 Embed 1B