NVIDIA: Nemotron 3 Embed 1B (free)

إن NVIDIA Nemotron 3 Embed 1B هو نموذج تضمين نصي مفتوح من NVIDIA. ينتمي إلى عائلة Nemotron 3 ويُوزَّع كنموذج مجاني على api14 تحت المعرّف nvidia/nemotron-3-embed-1b:free. تصنّفه NVIDIA كنموذج تضمين وليس كنموذج محادثة توليدي، لذا تتمثل مهمته في تحويل النص إلى متجهات يمكنك تخزينها ومقارنتها والبحث فيها. أصدره المزوّد في 2026-07-16.

يأخذ النموذج النص كوسيلة الإدخال الوحيدة له وينتج التضمينات كوسيلة الإخراج الوحيدة له. يبلغ طول السياق 32768 رمزًا، وهو مقدار النص الذي يمكنك تمريره في طلب واحد، والحد الأقصى للإخراج 29491. ولأن الإخراج هو تمثيل متجهي وليس نصًا مولَّدًا، فلا يوجد هنا سلوك إكمال المحادثة: ترسل نصًا وتحصل على تضمين رقمي في المقابل. يوصَف النموذج بأنه مُحسَّن للاسترجاع عالي الإنتاجية ومنخفض زمن الاستجابة، وهذا ما يحدد أفضل مواضع استخدامه.

تشير هذه الخصائص إلى مجموعة استخدامات محددة إلى حد ما. البحث المؤسسي هو الاستخدام الأوضح: ضمّن مجموعة مستنداتك مرة واحدة، وضمّن استعلام المستخدم وقت الطلب، ثم رتّب حسب تشابه المتجهات. وتقوم الآلية نفسها عليها عملية التوليد المعزّز بالاسترجاع، حيث تختار التضمينات المقاطع التي سيقرؤها نموذج لغوي منفصل لاحقًا. ويُعدّ استرجاع الشيفرة مناسبًا أيضًا، إذ يمكن تضمين ملفات المصدر واستعلامات اللغة الطبيعية معًا في الفضاء نفسه. وينطبق كذلك الاسترجاع الوكيلي، حيث يحتاج الوكيل إلى البحث عن الأشياء بسرعة وبشكل متكرر أثناء عمله على مهمة. وفي كل هذه الحالات يكون النموذج مكوّنًا في خط معالجة أكبر وليس الكيان الذي يكتب الإجابة النهائية.

يمكنك استدعاؤه عبر واجهة api14 المتوافقة مع OpenAI باستخدام معرّف النموذج nvidia/nemotron-3-embed-1b:free. ولأن نقطة النهاية تتبع شكل تضمينات OpenAI، فإنك ترسل نصك في الحقل input وتتلقى متجهًا في المقابل، لذا تعمل مكتبات عميل OpenAI وأكواد التضمين الموجودة عمومًا مع تغيير عنوان URL الأساسي واسم النموذج فقط. لا يسرد النموذج أي معاملات مدعومة إضافية، لذا لا ينبغي أن تتوقع مقابض ضبط تتجاوز ما يوفره طلب التضمينات القياسي. أبقِ كل طلب ضمن حد السياق البالغ 32768 رمزًا.

أحد الاعتبارات العملية هو أن هذا نموذج تضمينات، لذا لن يولّد نصًا ولن يجري محادثة ولن يجيب على الأسئلة مباشرة. إذا كنت بحاجة إلى التلخيص أو الاستدلال أو الحوار، فأنت تريد نموذجًا توليديًا بدلًا منه، ويُستخدم هذا النموذج على أفضل وجه إلى جانبه. كما أن الطبقة المجانية تجعله خيارًا معقولًا لبناء نموذج أولي لخط استرجاع قبل أن تلتزم بجهد فهرسة أكبر.