NVIDIA: Nemotron 3.5 Embed 1B (free) 対 NVIDIA: Nemotron 3.5 Embed 8B (free)
api14カタログの最新のUSD料金と機能をもとに、NVIDIA: Nemotron 3.5 Embed 1B (free)（無料）とNVIDIA: Nemotron 3.5 Embed 8B (free)（無料）を並べて比較します。どちらも同じOpenAI互換APIで動作します。
仕様
| NVIDIA: Nemotron 3.5 Embed 1B (free) | NVIDIA: Nemotron 3.5 Embed 8B (free) | |
|---|---|---|
| プロバイダー | NVIDIA | NVIDIA |
| コンテキストウィンドウ | 32,768 | 32,768 |
| 最大出力 | 29,491 | 29,491 |
| 入力 | text, image | text, image |
| 出力 | embeddings | embeddings |
| ツール呼び出し | ||
| 構造化出力 | ||
| 推論の調整 | ||
| 追加日 | 2026/10/21 | 2026/10/21 |
詳しく見る
NVIDIA: Nemotron 3.5 Embed 1B (free) と NVIDIA: Nemotron 3.5 Embed 8B (free) はどちらも NVIDIA の埋め込みモデルで、同じ Nemotron 3.5 Embed ファミリーとして api14 上で提供されています。名前が示しているのは主な構造上の違いです。一方は 1B バリアント、もう一方は 8B バリアントなので、パラメータ数が両者の最も目立つ違いです。どちらも埋め込みカテゴリに掲載されています。つまり、どちらもチャット補完や自由形式のテキストを生成するものではありません。入力ベクトルに変換し、保存、比較、検索できるようにするために存在します。どちらもモデル id に「:free」サフィックスが付いており、api14 はこの形でそれらを公開しています。
実際に掲載されている仕様では、この 2 つのモデルは同一です。どちらも入力モダリティとしてテキストと画像を受け付け、出力モダリティとしては埋め込みのみを返します。どちらもコンテキスト長は 32768 トークンなので、1 回のリクエストで受け取れる入力量に違いはありません。どちらのモデルも対応パラメータを一切掲載していないため、サンプリング制御、ツール定義、構造化出力スキーマを渡せるとは期待しないでください。定性的な比較フィールドはすべて空か同点で返ってきます。入力側が安い方も、出力側が安い方も、コンテキストが大きい方もなく、ツール、構造化出力、推論を単独でサポートするモデルもありません。言い換えれば、公開されている事実は能力、コンテキスト、モダリティにおいて両者を区別していません。
どちらを選ぶかについては、実用的な問いは容量対コストであり、唯一の手がかりはパラメータ数です。1B モデルは 2 つの中で小さい方なので、大量のテキストや画像に対して軽量な埋め込み処理を行いたいとき、スループットやリソース使用を最適化したいときの自然な最初の選択肢です。8B モデルは大きい方なので、小さいモデルではデータ内のシグナルを十分に捉えられていない疑いがあり、埋め込みあたりにより多くの計算を費やしてより豊かな表現を得ることを許容できる場合の自然な選択です。ここではどちらのモデルにもベンチマーク、スコア、ランキングが公開されていないため、経験的に判断すべきです。自分のコーパスのサンプルを両方で埋め込み、パラメータ数だけを信じるのではなく、自分のタスクで検索またはクラスタリングの品質を測定してください。
どちらのモデルも api14 を通じて呼び出す方法は同じです。api14 は OpenAI 互換 API を公開しているためです。既存の OpenAI クライアントを api14 のベース URL に向け、テキストまたは画像の入力を埋め込みエンドポイントに送り、model フィールドを使いたい id に設定します。2 つの呼び出しの違いはその文字列だけです。小さいモデルには「nvidia/nemotron-3.5-embed-1b:free」、大きいモデルには「nvidia/nemotron-3.5-embed-8b:free」を使います。リクエストの形、認証、レスポンスの解析は同じままなので、1 つの変数を変更して同じコードパスを再実行するだけでモデルを切り替えられます。
掲載されている事実の中に、一方のモデルがもう一方より明らかに適しているタスクはありません。両者は同じコンテキスト長、同じ入力と出力のモダリティ、同じ対応パラメータの欠如、同じプロバイダーリリース日を共有しています。サイズ以外の決め手が必要なら、このページのライブ価格表を使ってください。価格はここに記載されているのではなくそこに表示されているためです。また、完全なインデックス作成ジョブで 1 つのモデルに決める前に、代表的なサンプルで独自の評価を実行してください。
文字列1つで切り替え
どちらのモデルも同じエンドポイントとリクエスト形式を使います。modelの値を"nvidia/nemotron-3.5-embed-1b:free"から"nvidia/nemotron-3.5-embed-8b:free"に変えるだけで、プロンプト、ストリーミング、ツールはそのまま動きます。
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));
その他の比較
- Amazon: Titan Multimodal Embeddings G1 対 Amazon: Titan Embeddings G1 - Text
- Amazon: Titan Multimodal Embeddings G1 対 Amazon: Titan Text Embeddings V2
- Amazon: Titan Multimodal Embeddings G1 対 Cohere: Embed 5 Fast
- Amazon: Titan Multimodal Embeddings G1 対 Cohere: Embed 5 Pro
- Amazon: Titan Embeddings G1 - Text 対 Amazon: Titan Text Embeddings V2
- Amazon: Titan Embeddings G1 - Text 対 Cohere: Embed 5 Fast
- Amazon: Titan Embeddings G1 - Text 対 Cohere: Embed 5 Pro
- Amazon: Titan Text Embeddings V2 対 Cohere: Embed 5 Fast