NVIDIA: Nemotron 3.5 Embed 1B (free)

Nemotron 3.5 Embed 1B est un modèle d'embedding de NVIDIA, publié par le fournisseur le 21 octobre 2026. Il appartient à la catégorie des embeddings plutôt qu'à celle du chat ou de la génération, son rôle est donc de transformer les entrées en vecteurs plutôt que de produire des réponses écrites. Le nom reflète la famille à laquelle il appartient (Nemotron 3.5), son rôle d'embedding et son échelle d'environ 1B de paramètres. Si vous construisez de la recherche documentaire, de la recherche ou du clustering au-dessus d'une API, c'est le type de modèle que vous évalueriez aux côtés d'autres points de terminaison d'embedding plutôt qu'à la place d'un modèle de chat.

Le modèle est multimodal du côté de l'entrée. Il accepte du texte et des images, et il renvoie des embeddings comme seule modalité de sortie. C'est cette combinaison qui lui permet de plonger à la fois une requête textuelle et l'image d'une page de document dans le même espace vectoriel. La fenêtre de contexte est de 32768 tokens, et la sortie maximale est indiquée à 29491. NVIDIA le décrit comme un modèle d'embedding multimodal pour la recherche multilingue sur du texte et des images de pages de documents, y compris des tableaux, des graphiques et des infographies. En pratique, cela signifie que le modèle vise des documents où l'information utile ne se trouve pas toujours dans un texte propre et extractible.

Les cas d'usage découlent directement de ces capacités. La recherche multilingue est le cas principal : vous pouvez indexer un corpus dans plusieurs langues et faire correspondre des requêtes sans tout traduire au préalable. Comme les images de pages sont acceptées comme documents, vous pouvez plonger des pages scannées, des PDF rendus sous forme d'images, et des pages dont le sens réside dans des tableaux, des graphiques ou des infographies, puis les retrouver via une requête textuelle. Les applications typiques incluent la recherche documentaire sur des collections mixtes de texte et d'images, les systèmes de question-réponse qui récupèrent des pages avant une étape de génération distincte, la déduplication ou le clustering de documents, et les fonctionnalités de recommandation ou de similarité construites au-dessus des vecteurs.

Vous l'appelez via l'API compatible OpenAI d'api14 en utilisant l'identifiant de modèle "nvidia/nemotron-3.5-embed-1b:free". Comme l'interface est compatible OpenAI, vous pointez un client d'embeddings existant vers l'URL de base d'api14 et passez cet identifiant de modèle, de sorte que le code écrit pour d'autres fournisseurs d'embeddings ne nécessite généralement que le changement de l'URL de base et du nom du modèle. La liste des paramètres pris en charge par le modèle est vide, ce qui signifie qu'aucun paramètre de réglage supplémentaire n'est documenté au-delà de ce que le point de terminaison d'embeddings accepte lui-même. Considérez-le comme un point de terminaison simple qui plonge et renvoie des vecteurs, plutôt qu'un point de terminaison que vous configurez à chaque requête.

Un point à peser est qu'il s'agit d'un modèle d'embedding, il ne générera donc pas de texte, ne tiendra pas de conversation et ne répondra pas aux questions de lui-même. Si votre tâche est la génération, le raisonnement ou le chat, un modèle de chat est le bon choix et celui-ci n'est pas un substitut. Il est également proposé sous un identifiant de modèle gratuit, ce qui est utile pour l'évaluation et les travaux à faible volume, mais vous devriez confirmer la disponibilité actuelle et les éventuelles conditions d'utilisation sur la page du modèle avant d'en dépendre en production. Si vous avez besoin d'un modèle qui à la fois récupère et répond, prévoyez une configuration en deux étapes : plongez et récupérez avec ce modèle, puis transmettez le contenu récupéré à un modèle de génération distinct.