Nemotron 3.5 Embed 8B (free) مقابل all-mpnet-base-v2: سعر API والسياق والميزات

نستخدم ملفات تعريف الارتباط. تُبقيك ملفات تعريف الارتباط وتخزين المتصفح مسجّلًا للدخول وتتذكر تفضيلاتك. وبإذنك نقيس أيضًا كيفية استخدام الموقع. يمكنك في أي وقت. راجع سياسة ملفات تعريف الارتباط.

جديد هنا؟ اكتشف كيف يعمل جولة لمدة دقيقة واحدة في ساحة التجربة والنماذج ومفتاح API الخاص بك.

NVIDIA: Nemotron 3.5 Embed 8B (free) مقابل Sentence Transformers: all-mpnet-base-v2

مقارنة جنبًا إلى جنب بين NVIDIA: Nemotron 3.5 Embed 8B (free) (مجاني) وSentence Transformers: all-mpnet-base-v2 (‏0.02 US$ / مليون رمز (≈ ‏0.07 ر.س.‏)) باستخدام الأسعار الحالية بالدولار والقدرات من كتالوج api14. يعمل كلاهما عبر API نفسها المتوافقة مع OpenAI.

المواصفات

	NVIDIA: Nemotron 3.5 Embed 8B (free)	Sentence Transformers: all-mpnet-base-v2
المزوّد	NVIDIA	Sentence Transformers
الإدخال	-	‏0.02 US$ / مليون رمز (≈ ‏0.07 ر.س.‏)
نافذة السياق	32,768	512
الحد الأقصى للإخراج	29,491	460
الإدخال	text, image	text
الإخراج	embeddings	embeddings
استدعاء الأدوات
المخرجات المنظّمة
التحكم في الاستدلال
تاريخ الإضافة	21‏/10‏/2026	17‏/11‏/2025

أبرز الفروق

يقرأ NVIDIA: Nemotron 3.5 Embed 8B (free) سياقًا أكبر بمقدار 64.0× (32,768 رمز).

بالتفصيل

إنفيديا: Nemotron 3.5 Embed 8B (مجاني) هو نموذج تضمين من إنفيديا، مُدرج تحت معرّف النموذج nvidia/nemotron-3.5-embed-8b:free. Sentence Transformers: all-mpnet-base-v2 هو نموذج تضمين من Sentence Transformers، مُدرج تحت معرّف النموذج sentence-transformers/all-mpnet-base-v2. ينتمي كلاهما إلى فئة التضمينات، لذا لا يُولّد أي منهما إكمالات محادثة أو نصًا حرًا. يأخذ كل منهما مُدخلًا ويُعيد متجهًا، تستخدمه بعد ذلك للبحث أو التجميع أو إزالة التكرار أو التصنيف أو أعمال لاحقة مشابهة.

أوضح فرق بينهما هو طول السياق. يقبل Nemotron 3.5 Embed 8B حتى 32768 رمزًا، بينما يقبل all-mpnet-base-v2 حتى 512 رمزًا. هذه فجوة كبيرة، وهي تغيّر ما يمكنك تغذية كل نموذج به في نداء واحد. يقبل Nemotron 3.5 Embed 8B أيضًا مُدخلات نصية وصورية معًا، بينما يقبل all-mpnet-base-v2 النص فقط. يُعيد كلاهما التضمينات كمخرج وحيد، ولا يُدرج أي منهما معاملات مدعومة، لذا لا يمكنك ضبط خيارات أسلوب أخذ العينات على أي من الجانبين. تُشير المقارنة النوعية إلى Nemotron 3.5 Embed 8B بوصفه صاحب السياق الأكبر، وهو الوحيد بين الاثنين الذي يتعامل مع الصور إطلاقًا.

في العمل العملي، يتبع الاختيار عادةً من مُدخلاتك. إذا كنت تُضمّن مستندات طويلة أو صفحات كاملة أو نصوصًا مفرّغة أو أي شيء يتجاوز بسهولة بضع مئات من الرموز، فإن Nemotron 3.5 Embed 8B يتيح لك إرسال ذلك المحتوى في قطعة واحدة بدلًا من تقسيمه إلى أجزاء والتوفيق بين النتائج. وإذا كنت بحاجة إلى تضمين الصور إلى جانب النص، أو بناء فهرس مختلط، فهو الخيار الوحيد هنا الذي يقبل المُدخلات الصورية. يُعد all-mpnet-base-v2 خيارًا معقولًا عندما تكون مُدخلاتك قصيرة، مثل الجمل أو العناوين أو الاستعلامات القصيرة أو المقاطع الفردية، وتريد نموذج تضمين نصي بسيط. وهو أيضًا الأقدم بين الاثنين بحسب تاريخ إصدار المزوّد، مع أن ذلك وحده لا يحسم شيئًا.

استدعاء أي من النموذجين عبر api14 يعمل بالطريقة نفسها لأن الواجهة البرمجية متوافقة مع OpenAI. تُوجّه عميلك إلى نقطة نهاية التضمينات، وتُرسل مُدخلاتك، وتضبط حقل model على المعرّف الذي تريده. للتبديل بينهما، غيّر ذلك المعرّف فقط، من nvidia/nemotron-3.5-embed-8b:free إلى sentence-transformers/all-mpnet-base-v2 أو العكس. يبقى شكل الطلب والمصادقة ومعالجة الاستجابة كما هي، لذا يمكنك نقل خط أنابيب قائم بتعديل سلسلة نصية واحدة. يُظهر جدول الأسعار المباشر في هذه الصفحة تكلفة كل نداء، لذا تحقق منه هناك بدلًا من الافتراض.

لا تزال هناك حالات يكون فيها all-mpnet-base-v2 هو الخيار الأفضل. إذا كانت كل مُدخلاتك التي تُضمّنها نصًا قصيرًا أقل بكثير من 512 رمزًا، فإن سياقه الأصغر ليس قيدًا، وتتجنب الدفع مقابل سعة لن تستخدمها. وهو أيضًا الخيار الأبسط عندما تريد تحديدًا نموذج تضمين نصيًا فقط ولا يوجد محتوى صوري في خط أنابيبك. يبقى Nemotron 3.5 Embed 8B هو الخيار عندما يهم طول السياق أو المُدخلات الصورية، لكن لأحمال النصوص القصيرة والعادية يكون النموذج الأصغر كافيًا تمامًا.

بدّل بتغيير سلسلة واحدة

يستخدم النموذجان نقطة النهاية نفسها وبنية الطلب نفسها. غيّر قيمة model من "nvidia/nemotron-3.5-embed-8b:free" إلى "sentence-transformers/all-mpnet-base-v2"، وتستمر الموجّهات والبث والأدوات في العمل.

تفاصيل NVIDIA: Nemotron 3.5 Embed 8B (free) وساحة التجربة →تفاصيل Sentence Transformers: all-mpnet-base-v2 وساحة التجربة →

import OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://api14.com/api/v1",
  apiKey: process.env.API14_API_KEY,
});

const result = await client.embeddings.create({
  "model": "sentence-transformers/all-mpnet-base-v2",
  "input": [
    "The quick brown fox",
    "Lorem ipsum"
  ]
});
console.log(result.data.map((d) => d.embedding.length));

NVIDIA: Nemotron 3.5 Embed 8B (free) مقابل Sentence Transformers: all-mpnet-base-v2

المواصفات

أبرز الفروق

بالتفصيل

بدّل بتغيير سلسلة واحدة

مقارنات أخرى