हम cookies इस्तेमाल करते हैं. Cookies और ब्राउज़र स्टोरेज आपको साइन इन रखते हैं और आपकी प्राथमिकताएं याद रखते हैं। आपकी अनुमति से हम यह भी मापते हैं कि साइट कैसे इस्तेमाल होती है। आप कभी भी । हमारी cookie नीति देखें।

NVIDIA: Nemotron 3.5 Embed 8B (free)

nvidia/nemotron-3.5-embed-8b:free

Embeddingsइनपुट: text · image33K21 अक्टू॰ 2026 को जोड़ा गया

playground में खोलें NVIDIA: Nemotron 3.5 Embed 8B (free) के लिए API key पाएं

NVIDIA: Nemotron 3.5 Embed 8B (free) अभी आज़माएं

ऊपर दी गई कीमतों पर आपके बैलेंस से चलता है। नए अकाउंट मुफ्त उपयोग से शुरू होते हैं।

इसे इस्तेमाल करने के लिए साइन इन करेंमुफ्त अकाउंट बनाएं

इनपुट (हर लाइन में एक)

नतीजे यहां दिखेंगे।

आज 5 में से 5 मुफ्त मैसेज बाकी, मुफ्त अकाउंट से अतिरिक्त मुफ्त उपयोग और API key मिलती है।मुफ्त अकाउंट बनाएं साइन इनसेशन लागत $0.00

NVIDIA: Nemotron 3.5 Embed 8B (free) एक नज़र में

32,768 tokens की context window, लंबे दस्तावेज़ों और कई चरणों वाली बातचीत के लिए काफी।

NVIDIA: Nemotron 3.5 Embed 8B (free) के बारे में

NVIDIA: Nemotron 3.5 Embed 8B (free) NVIDIA का एक embedding मॉडल है, जिसे मॉडल id nvidia/nemotron-3.5-embed-8b:free के तहत api14 पर प्रकाशित किया गया है। यह embeddings श्रेणी में आता है, इसलिए इसे chat replies उत्पन्न करने के बजाय inputs को vector representations में बदलने के लिए बनाया गया है। provider की release date 2026-10-21 है। यदि आप retrieval या similarity pipeline के लिए मॉडल चुन रहे हैं, तो यह उस प्रकार का मॉडल है जिसे आप सामान्य purpose text generator के बजाय अपने स्वयं के data पर मूल्यांकन करेंगे।

मॉडल input पक्ष पर multimodal है: यह text और images स्वीकार करता है। Output पक्ष पर यह केवल embeddings उत्पन्न करता है। इसकी context length 32768 tokens है, और अधिकतम output 29491 है। NVIDIA इसे text और document page images, जिनमें tables, charts और infographics शामिल हैं, पर multilingual retrieval के लिए एक multimodal embedding मॉडल के रूप में वर्णित करता है। Queries text होती हैं, जबकि documents text या page images हो सकते हैं। यही संयोजन मॉडल के मूल कार्य का आधार है: यह एक text query और एक document, चाहे text या image रूप में हो, को एक साझा embedding space में मैप करता है ताकि उनकी तुलना की जा सके।

व्यावहारिक use cases सीधे उन क्षमताओं से निकलते हैं। Multilingual retrieval मुख्य है, इसलिए एक से अधिक भाषाओं की content में search करना स्वाभाविक रूप से उपयुक्त है। चूंकि document pages को images के रूप में दिया जा सकता है, आप scanned pages, PDFs और reports को अलग OCR चरण के बिना index कर सकते हैं, और फिर भी tables, charts और infographics retrieve कर सकते हैं जो plain text extraction में आमतौर पर खो जाते हैं। किसी corpus पर text to text retrieval भी समर्थित है। सामान्य setups में semantic search, document store पर question answering, deduplication और clustering, तथा recommendation या ranking शामिल हैं जहां आपको query और candidate document के बीच similarity score चाहिए।

आप इसे api14 के OpenAI-compatible API के माध्यम से मॉडल id nvidia/nemotron-3.5-embed-8b:free का उपयोग करके call करते हैं। चूंकि interface OpenAI embeddings के आकार का अनुसरण करता है, आप अपना input भेजते हैं और response से vector पढ़ते हैं, जिससे client code पोर्टेबल रहता है यदि आप बाद में मॉडल बदलते हैं। मॉडल कोई supported parameters सूचीबद्ध नहीं करता, इसलिए सेट करने के लिए कोई अतिरिक्त sampling या generation options नहीं हैं; requests को input और मॉडल id तक ही सीमित रखें। ध्यान दें कि यह एक embedding endpoint है, chat completion endpoint नहीं, इसलिए chat specific fields लागू नहीं होते।

एक सीमा जिसकी योजना बनाना उपयोगी है, वह है प्रति request 32768 tokens की context length, जो यह तय करती है कि एक बार में कितना text या कितना बड़ा page image embed किया जा सकता है; लंबे documents को chunking की आवश्यकता होती है। चूंकि मॉडल generated text के बजाय embeddings लौटाता है, यह गलत चुनाव है जब आपको summarisation, extraction या conversational answers चाहिए। उन कार्यों के लिए text generation मॉडल बेहतर फिट बैठता है, और आप इस मॉडल का उपयोग retrieval layer के रूप में उसके साथ करेंगे।

NVIDIA: Nemotron 3.5 Embed 8B (free) API कैसे कॉल करें

अपने dashboard में API key बनाएं।
अपनी भाषा के लिए आधिकारिक openai SDK इंस्टॉल करें।
baseURL को https://api14.com/api/v1 और model को "nvidia/nemotron-3.5-embed-8b:free" पर सेट करें।

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": "nvidia/nemotron-3.5-embed-8b:free",
  "input": [
    "The quick brown fox",
    "Lorem ipsum"
  ]
});
console.log(result.data.map((d) => d.embedding.length));

स्पेसिफिकेशन

Context लंबाई: 32,768
अधिकतम आउटपुट: 29,491
इनपुट: text, image
आउटपुट: embeddings

api14 पर requests · पिछले 7 दिन

NVIDIA: Nemotron 3.5 Embed 8B (free): अक्सर पूछे जाने वाले सवाल

NVIDIA: Nemotron 3.5 Embed 8B (free) API की कीमत कितनी है?: NVIDIA: Nemotron 3.5 Embed 8B (free) कॉल करना मुफ्त है ($0 प्रति token)। मुफ्त वेरिएंट की upstream rate limits ज़्यादा सख्त हैं, इसलिए इन्हें टेस्टिंग और कम मात्रा वाले काम के लिए इस्तेमाल करें।
NVIDIA: Nemotron 3.5 Embed 8B (free) की context window कितनी है?: NVIDIA: Nemotron 3.5 Embed 8B (free) हर request में 32,768 tokens तक पढ़ता है, prompt, इतिहास और दस्तावेज़ मिलाकर। यह हर जवाब में 29,491 आउटपुट tokens तक लिखता है।
NVIDIA: Nemotron 3.5 Embed 8B (free) क्या कर सकता है?: NVIDIA: Nemotron 3.5 Embed 8B (free) text, image स्वीकार करता है और embeddings लौटाता है।
अपने कोड से NVIDIA: Nemotron 3.5 Embed 8B (free) कैसे कॉल करूं?: किसी भी OpenAI SDK को https://api14.com/api/v1 पर पॉइंट करें और model को "nvidia/nemotron-3.5-embed-8b:free" पर सेट करें, कोड में और कोई बदलाव नहीं। इस पेज के कोड पैनल से तैयार उदाहरण कॉपी करें।
NVIDIA: Nemotron 3.5 Embed 8B (free) के विकल्प क्या हैं?: मिलती-जुलती कीमत वाले Embeddings मॉडल: NVIDIA: Nemotron 3.5 Embed 1B (free), LiquidAI: LFM2.5-Embedding-350M (free), NVIDIA: Nemotron 3 Embed 1B (free)। सभी एक ही API key से चलते हैं, इसलिए बदलना बस एक string बदलना है।

NVIDIA: Nemotron 3.5 Embed 8B (free) कम्युनिटी

नया टॉपिक

इस कम्युनिटी में अभी कोई टॉपिक नहीं है। NVIDIA: Nemotron 3.5 Embed 8B (free) के बारे में पहला टॉपिक खोलें।