NVIDIA: Nemotron 3.5 Embed 8B (free) 対 Sentence Transformers: all-mpnet-base-v2
api14カタログの最新のUSD料金と機能をもとに、NVIDIA: Nemotron 3.5 Embed 8B (free)（無料）とSentence Transformers: all-mpnet-base-v2（$0.02 / 100万トークン (≈ ￥3)）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 8B (free) | Sentence Transformers: all-mpnet-base-v2 | |
|---|---|---|
| プロバイダー | NVIDIA | Sentence Transformers |
| 入力 | - | $0.02 / 100万トークン (≈ ￥3) |
| コンテキストウィンドウ | 32,768 | 512 |
| 最大出力 | 29,491 | 460 |
| 入力 | text, image | text |
| 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 | 2025/11/17 |
主な違い
- NVIDIA: Nemotron 3.5 Embed 8B (free)は64.0倍長いコンテキスト（32,768トークン）を読み取れます。
詳しく見る
NVIDIA: Nemotron 3.5 Embed 8B (free) は NVIDIA の埋め込みモデルで、モデル ID nvidia/nemotron-3.5-embed-8b:free で登録されています。Sentence Transformers: all-mpnet-base-v2 は Sentence Transformers の埋め込みモデルで、モデル ID sentence-transformers/all-mpnet-base-v2 で登録されています。どちらも埋め込みカテゴリに属するため、チャット補完や自由テキストを生成することはありません。それぞれ入力を受け取りベクトルを返し、それを検索、クラスタリング、重複排除、分類などの下流作業に使用します。
両者の最も明確な違いはコンテキスト長です。Nemotron 3.5 Embed 8B は最大 32768 トークンを受け付け、all-mpnet-base-v2 は最大 512 トークンを受け付けます。これは大きな差であり、1 回の呼び出しで各モデルに何を入力できるかが変わります。Nemotron 3.5 Embed 8B はテキストと画像の両方の入力を受け付けますが、all-mpnet-base-v2 はテキストのみを受け付けます。どちらも出力モダリティは埋め込みのみで、サポートされるパラメータも記載されていないため、どちら側でもサンプリング方式のオプションを調整することはできません。定性的な比較では、Nemotron 3.5 Embed 8B がより大きなコンテキストを持つものとされ、2 つのうち画像を扱えるのはこれだけです。
実務では、選択は通常、入力内容に従います。長い文書、ページ全体、文字起こし、または数百トークンを余裕で超えるものを埋め込む場合、Nemotron 3.5 Embed 8B ではその内容をチャンクに分割して結果を突き合わせるのではなく、1 つのまとまりとして送信できます。テキストと並べて画像も埋め込みたい場合、または混在インデックスを構築したい場合、ここで画像入力を受け付ける唯一の選択肢です。all-mpnet-base-v2 は、入力が文、タイトル、短いクエリ、個々の段落などの短いもので、 straightforward なテキスト埋め込みモデルを求める場合に適しています。また、プロバイダーのリリース日で見ると 2 つのうち古い方ですが、それだけでは何も決まりません。
API が OpenAI 互換であるため、api14 を通じてどちらのモデルを呼び出す場合も同じように動作します。クライアントを埋め込みエンドポイントに向け、入力を送信し、model フィールドを使用したい ID に設定します。両者を切り替えるには、そのモデル ID だけを nvidia/nemotron-3.5-embed-8b:free から sentence-transformers/all-mpnet-base-v2 へ、またはその逆へ変更します。リクエストの形式、認証、レスポンスの処理は同じままなので、既存のパイプラインは 1 つの文字列を編集するだけで移行できます。このページのライブ価格表には各呼び出しのコストが表示されているので、推測せずそこで確認してください。
all-mpnet-base-v2 の方が適している場合もあります。埋め込むすべての入力が 512 トークンを大きく下回る短いテキストであれば、そのより小さなコンテキストは制限にはならず、使用しない容量に対して支払うことを避けられます。また、テキストのみの埋め込みモデルを特に求め、パイプラインに画像コンテンツがない場合にも、より単純な選択です。コンテキスト長や画像入力が重要である場合は Nemotron 3.5 Embed 8B が引き続き選択肢となりますが、短いプレーンテキストのワークロードでは小さい方のモデルで十分です。
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-8b:free"から"sentence-transformers/all-mpnet-base-v2"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": "sentence-transformers/all-mpnet-base-v2",
"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