NVIDIA: Nemotron 3.5 Embed 8B (free)

NVIDIA: Nemotron 3.5 Embed 8B (free) è un modello di embedding di NVIDIA, pubblicato con l'id modello nvidia/nemotron-3.5-embed-8b:free su api14. Rientra nella categoria embeddings, quindi è progettato per trasformare gli input in rappresentazioni vettoriali anziché generare risposte in chat. La data di rilascio del provider è 2026-10-21. Se stai scegliendo un modello per una pipeline di retrieval o di similarità, questo è il tipo di modello che valuteresti sui tuoi dati anziché un generatore di testo generico.

Il modello è multimodale sul lato input: accetta testo e immagini. Sul lato output produce solo embeddings. La sua lunghezza di contesto è di 32768 token e l'output massimo è 29491. NVIDIA lo descrive come un modello di embedding multimodale per il retrieval multilingue su testo e immagini di pagine di documenti, incluse tabelle, grafici e infografiche. Le query sono testuali, mentre i documenti possono essere testo o immagini di pagine. Questa combinazione è il nucleo di ciò che fa il modello: mappa una query testuale e un documento, in forma testuale o di immagine, in uno spazio di embedding condiviso così da poterli confrontare.

I casi d'uso pratici derivano direttamente da queste capacità. Il retrieval multilingue è quello principale, quindi la ricerca su contenuti in più di una lingua è un'applicazione naturale. Poiché le pagine dei documenti possono essere fornite come immagini, puoi indicizzare pagine scansionate, PDF e report senza un passaggio OCR separato, e recuperare comunque tabelle, grafici e infografiche che l'estrazione di solo testo tende a perdere. È supportato anche il retrieval testo su testo su un corpus. Le configurazioni tipiche includono ricerca semantica, question answering su un archivio di documenti, deduplicazione e clustering, e raccomandazione o ranking dove serve un punteggio di similarità tra una query e un documento candidato.

Lo chiami tramite l'API compatibile con OpenAI di api14 usando l'id modello nvidia/nemotron-3.5-embed-8b:free. Poiché l'interfaccia segue la forma degli embeddings di OpenAI, invii il tuo input e leggi il vettore dalla risposta, il che mantiene portabile il codice client se in seguito cambi modello. Il modello non elenca parametri supportati, quindi non ci sono opzioni extra di campionamento o generazione da impostare; limita le richieste all'input stesso e all'id modello. Nota che questo è un endpoint di embedding, non un endpoint di chat completion, quindi i campi specifici della chat non si applicano.

Un limite da considerare nella pianificazione è la lunghezza di contesto di 32768 token per richiesta, che limita quanto testo o quanto grande un'immagine di pagina puoi incorporare in una volta; i documenti più lunghi richiedono il chunking. Poiché il modello restituisce embeddings anziché testo generato, è la scelta sbagliata quando ti servono riassunti, estrazione o risposte conversazionali. Per queste attività è più adatto un modello di generazione di testo, e useresti questo modello al suo fianco come livello di retrieval.