NVIDIA: Nemotron 3.5 Embed 8B (free)

NVIDIA: Nemotron 3.5 Embed 8B (gratis) adalah model embedding dari NVIDIA, diterbitkan dengan id model nvidia/nemotron-3.5-embed-8b:free di api14. Model ini berada dalam kategori embeddings, jadi model ini dibuat untuk mengubah input menjadi representasi vektor, bukan untuk menghasilkan balasan chat. Tanggal rilis penyedia adalah 2026-10-21. Jika Anda memilih model untuk pipeline retrieval atau similarity, inilah jenis model yang sebaiknya Anda evaluasi terhadap data Anda sendiri, bukan sebagai generator teks serbaguna.

Model ini bersifat multimodal pada sisi input: model ini menerima teks dan gambar. Pada sisi output, model ini hanya menghasilkan embeddings. Panjang konteksnya adalah 32768 token, dan output maksimumnya adalah 29491. NVIDIA menggambarkannya sebagai model embedding multimodal untuk retrieval multibahasa atas teks dan gambar halaman dokumen, termasuk tabel, grafik, dan infografis. Query berupa teks, sedangkan dokumen dapat berupa teks atau gambar halaman. Kombinasi itulah inti dari apa yang dilakukan model ini: model ini memetakan query teks dan dokumen, dalam bentuk teks maupun gambar, ke ruang embedding bersama agar keduanya dapat dibandingkan.

Use case praktisnya mengikuti langsung dari kemampuan tersebut. Retrieval multibahasa adalah yang paling utama, jadi pencarian lintas konten dalam lebih dari satu bahasa sangat cocok. Karena halaman dokumen dapat diberikan sebagai gambar, Anda dapat mengindeks halaman hasil scan, PDF, dan laporan tanpa langkah OCR terpisah, dan tetap mengambil tabel, grafik, serta infografis yang cenderung hilang pada ekstraksi teks biasa. Retrieval teks ke teks atas suatu korpus juga didukung. Setup yang umum meliputi pencarian semantik, question answering atas penyimpanan dokumen, deduplikasi dan clustering, serta rekomendasi atau perankingan saat Anda membutuhkan skor kemiripan antara query dan dokumen kandidat.

Anda memanggilnya melalui API yang kompatibel dengan OpenAI dari api14 menggunakan id model nvidia/nemotron-3.5-embed-8b:free. Karena antarmukanya mengikuti bentuk embeddings OpenAI, Anda mengirim input dan membaca vektor dari respons, sehingga kode klien tetap portabel jika nantinya Anda mengganti model. Model ini tidak mencantumkan parameter yang didukung, jadi tidak ada opsi sampling atau generasi tambahan yang perlu diatur; batasi permintaan pada input itu sendiri dan id model. Perhatikan bahwa ini adalah endpoint embedding, bukan endpoint chat completion, jadi field khusus chat tidak berlaku.

Satu batasan yang perlu diperhitungkan adalah panjang konteks 32768 token per permintaan, yang membatasi berapa banyak teks atau seberapa besar gambar halaman yang dapat Anda embed sekaligus; dokumen yang lebih panjang perlu dipecah menjadi chunk. Karena model ini mengembalikan embeddings, bukan teks yang dihasilkan, model ini adalah pilihan yang salah ketika Anda membutuhkan peringkasan, ekstraksi, atau jawaban percakapan. Untuk tugas tersebut, model generasi teks lebih cocok, dan Anda akan menggunakan model ini bersama model itu sebagai lapisan retrieval.