إنفيديا: Nemotron 3.5 Embed 1B (مجاني) هو نموذج تضمين من إنفيديا، مُدرج تحت معرّف النموذج nvidia/nemotron-3.5-embed-1b:free. Sentence Transformers: all-mpnet-base-v2 هو نموذج تضمين من Sentence Transformers، مُدرج تحت معرّف النموذج sentence-transformers/all-mpnet-base-v2. يقع كلاهما في فئة التضمينات، لذا لا يُنتج أي منهما إكمالات محادثة أو نصًا حرًا؛ يأخذ كل منهما مدخلات ويُعيد تمثيلًا متجهيًا يمكنك استخدامه للبحث أو التجميع أو إزالة التكرار أو التصنيف. الفرق في الجهة التي تصنعهما يهم بشكل أساسي في كيفية توقعك لسلوكهما على بياناتك، لأن إنفيديا تُطلق نموذجًا أحدث بينما all-mpnet-base-v2 هو نقطة تحقق راسخة منذ زمن طويل من Sentence Transformers.
أوضح فجوة تقنية هي طول السياق. يقبل Nemotron 3.5 Embed 1B حتى 32768 رمزًا، بينما يقبل all-mpnet-base-v2 ما مقداره 512 رمزًا. هذا فرق كبير في مقدار النص الذي يمكنك تضمينه في نداء واحد قبل أن تحتاج إلى التقطيع. يقبل Nemotron 3.5 Embed 1B أيضًا مدخلات نصية وصورية ويُعيد تضمينات، لذا فهو متعدد الوسائط من جهة المدخلات. يقبل all-mpnet-base-v2 النص فقط ويُعيد تضمينات. لا يكشف أي من النموذجين عن معاملات مدعومة في البيانات الواردة هنا، لذا لا ينبغي أن تتوقع توثيق مقابض قابلة للضبط مثل الأبعاد أو خيارات التجميع لأي منهما. تُشير المقارنة النوعية إلى Nemotron 3.5 Embed 1B بوصفه صاحب السياق الأكبر، وحقول السعر غير معروفة، لذا تعامل معهما على أنهما متقاربان تقريبًا حتى تتحقق من الجدول المباشر.
للاختيار العملي، اتجه إلى Nemotron 3.5 Embed 1B عندما تكون مستنداتك طويلة، أو عندما تريد تضمين صفحة كاملة أو نص مفرغ أو تقرير دون تقسيمه أولًا، أو عندما تتضمن مدخلاتك صورًا إلى جانب النص. تتيح لك نافذة 32768 رمزًا تجنب التقطيع المكثف، الذي غالبًا ما يحافظ على المعنى بشكل أفضل للاسترجاع. اتجه إلى all-mpnet-base-v2 عندما تكون مدخلاتك قصيرة، مثل الجمل أو عناوين المنتجات أو الاستعلامات القصيرة أو الفقرات الفردية، وعندما تريد خط أنابيب تضمين نصيًا بسيطًا دون معالجة الصور. إذا كانت مدونتك النصية مقسمة بالفعل إلى بضع مئات من الرموز، فإن نافذة السياق الأصغر ليست قيدًا، وقد تكون الواجهة النصية الأبسط أسهل في الفهم والتحليل.
استدعاء أي من النموذجين عبر api14 يعمل بالطريقة نفسها لأن واجهة البرمجة متوافقة مع OpenAI. تُرسل مدخلاتك إلى نقطة نهاية التضمينات باستخدام مفتاح api14 الخاص بك، والشيء الوحيد الذي تغيره بين الاثنين هو سلسلة معرّف النموذج. استخدم nvidia/nemotron-3.5-embed-1b:free لنموذج إنفيديا و sentence-transformers/all-mpnet-base-v2 لنموذج Sentence Transformers. يبقى شكل الطلب وشكل الاستجابة وطريقة قراءة المتجهات المُعادة كما هي، لذا يمكنك تبديل المعرّف في قيمة إعداد أو متغير بيئة ومقارنة النتائج على بياناتك دون إعادة كتابة كود العميل.
هناك حالة يبقى فيها all-mpnet-base-v2 الخيار الأفضل رغم أنه يمتلك النافذة الأصغر. إذا كانت جميع مدخلاتك نصًا قصيرًا وليس لديك صور، فإن السياق الإضافي والمدخلات متعددة الوسائط في Nemotron 3.5 Embed 1B لا تقدمان لك شيئًا، ويُبقي النموذج النصي فقط خط أنابيبك وتقييمك أبسط. وهو أيضًا الخيار الطبيعي إذا كانت لديك بالفعل أدوات أو عتبات أو إعدادات فهرس مضبوطة حول سلوكه البالغ 512 رمزًا ولا تريد إعادة تقطيع مدونتك النصية.