NVIDIA: Nemotron 3 Embed 1B (free)

NVIDIA Nemotron 3 Embed 1B, NVIDIA का एक ओपन टेक्स्ट एम्बेडिंग मॉडल है। यह Nemotron 3 परिवार से संबंधित है और api14 पर nvidia/nemotron-3-embed-1b:free पहचानकर्ता के साथ एक मुफ़्त मॉडल के रूप में वितरित किया जाता है। NVIDIA इसे जनरेटिव चैट मॉडल के बजाय एक एम्बेडिंग मॉडल के रूप में स्थापित करता है, इसलिए इसका काम टेक्स्ट को वैक्टर में बदलना है जिन्हें आप संग्रहीत, तुलना और खोज सकते हैं। इसे प्रदाता द्वारा 2026-07-16 को जारी किया गया था।

मॉडल अपने एकमात्र इनपुट मोडालिटी के रूप में टेक्स्ट लेता है और अपने एकमात्र आउटपुट मोडालिटी के रूप में एम्बेडिंग उत्पन्न करता है। इसकी कॉन्टेक्स्ट लंबाई 32768 टोकन है, जो एक अनुरोध में आपके द्वारा भेजे जा सकने वाले टेक्स्ट की मात्रा है, और अधिकतम आउटपुट 29491 है। चूंकि आउटपुट जनरेट किया गया गद्य नहीं बल्कि एक वैक्टर प्रतिनिधित्व है, यहां कोई चैट कम्प्लीशन व्यवहार नहीं है: आप टेक्स्ट भेजते हैं और एक संख्यात्मक एम्बेडिंग वापस पाते हैं। मॉडल को उच्च-थ्रूपुट, कम-विलंबता रिट्रीवल के लिए अनुकूलित बताया गया है, जो यह निर्धारित करता है कि यह सबसे अच्छा कहां फिट बैठता है।

ये विशेषताएं उपयोगों के एक काफी विशिष्ट समूह की ओर इशारा करती हैं। एंटरप्राइज़ सर्च स्पष्ट है: अपने दस्तावेज़ कॉर्पस को एक बार एम्बेड करें, अनुरोध के समय उपयोगकर्ता क्वेरी को एम्बेड करें, और वैक्टर समानता के आधार पर रैंक करें। यही तंत्र रिट्रीवल ऑगमेंटेड जनरेशन को भी आधार देता है, जहां एम्बेडिंग उन अंशों का चयन करती है जिन्हें बाद में एक अलग भाषा मॉडल पढ़ेगा। कोड रिट्रीवल भी एक उपयुक्त उपयोग है, क्योंकि स्रोत फ़ाइलें और प्राकृतिक भाषा क्वेरी दोनों को एक ही स्थान में एम्बेड किया जा सकता है। एजेंटिक रिट्रीवल भी लागू होता है, जहां एक एजेंट को किसी कार्य को पूरा करते समय तेज़ी से और बार-बार चीज़ें खोजने की आवश्यकता होती है। इन सभी मामलों में मॉडल एक बड़ी पाइपलाइन का एक घटक है, न कि वह चीज़ जो अंतिम उत्तर लिखती है।

आप इसे api14 के OpenAI-संगत API के माध्यम से मॉडल आईडी nvidia/nemotron-3-embed-1b:free का उपयोग करके कॉल करते हैं। चूंकि एंडपॉइंट OpenAI एम्बेडिंग्स आकार का अनुसरण करता है, आप अपना टेक्स्ट input फ़ील्ड में भेजते हैं और प्रतिक्रिया में एक वैक्टर प्राप्त करते हैं, इसलिए मौजूदा OpenAI क्लाइंट लाइब्रेरी और एम्बेडिंग कोड आम तौर पर केवल बेस URL और मॉडल नाम बदलने के साथ काम करते हैं। मॉडल कोई अतिरिक्त समर्थित पैरामीटर सूचीबद्ध नहीं करता है, इसलिए आपको मानक एम्बेडिंग्स अनुरोध से परे कोई ट्यूनिंग नॉब अपेक्षित नहीं करना चाहिए। प्रत्येक अनुरोध को 32768 टोकन कॉन्टेक्स्ट सीमा के भीतर रखें।

एक व्यावहारिक विचार यह है कि यह एक एम्बेडिंग्स मॉडल है, इसलिए यह टेक्स्ट उत्पन्न नहीं करेगा, बातचीत नहीं करेगा या सीधे प्रश्नों का उत्तर नहीं देगा। यदि आपको सारांशीकरण, तर्क या संवाद की आवश्यकता है, तो आपको इसके बजाय एक जनरेटिव मॉडल चाहिए, और इसका सबसे अच्छा उपयोग इसके साथ किया जाता है। मुफ़्त टियर इसे बड़े इंडेक्सिंग प्रयास के लिए प्रतिबद्ध होने से पहले रिट्रीवल पाइपलाइन के प्रोटोटाइपिंग के लिए एक उचित विकल्प भी बनाता है।