NVIDIA: Nemotron 3.5 Embed 1B (free) 대 NVIDIA: Nemotron 3.5 Embed 8B (free)
api14 카탈로그의 최신 USD 가격과 기능을 바탕으로 NVIDIA: Nemotron 3.5 Embed 1B (free)(무료)와(과) NVIDIA: Nemotron 3.5 Embed 8B (free)(무료)를 나란히 비교합니다. 두 모델 모두 같은 OpenAI 호환 API로 실행됩니다.
사양
| NVIDIA: Nemotron 3.5 Embed 1B (free) | NVIDIA: Nemotron 3.5 Embed 8B (free) | |
|---|---|---|
| 제공업체 | NVIDIA | NVIDIA |
| 컨텍스트 윈도우 | 32,768 | 32,768 |
| 최대 출력 | 29,491 | 29,491 |
| 입력 | text, image | text, image |
| 출력 | embeddings | embeddings |
| 도구 호출 | ||
| 구조화된 출력 | ||
| 추론 조절 | ||
| 추가일 | 2026. 10. 21. | 2026. 10. 21. |
자세히 보기
NVIDIA: Nemotron 3.5 Embed 1B (free)와 NVIDIA: Nemotron 3.5 Embed 8B (free)는 모두 NVIDIA의 임베딩 모델로, api14에서 동일한 Nemotron 3.5 Embed 제품군으로 제공됩니다. 이름에서 주요 구조적 차이를 알 수 있습니다. 하나는 1B 변형이고 다른 하나는 8B 변형이므로, 파라미터 수가 둘 사이의 가장 두드러진 차이입니다. 둘 다 embeddings 카테고리에 등록되어 있으므로, 어느 쪽도 채팅 완성이나 자유 형식 텍스트를 생성하지 않습니다. 이들은 입력을 벡터로 변환하여 저장, 비교, 검색할 수 있게 해주는 역할을 합니다. 둘 다 모델 id에 ":free" 접미사가 붙어 있으며, api14는 이 방식으로 이들을 노출합니다.
실제로 명시된 사양에서 두 모델은 동일합니다. 둘 다 입력 모달리티로 텍스트와 이미지를 받아들이고, 둘 다 출력 모달리티로 임베딩만 반환합니다. 둘 다 컨텍스트 길이가 32768 토큰이므로, 단일 요청에서 받을 수 있는 입력량에 차이가 없습니다. 어느 모델도 지원 파라미터를 나열하지 않으므로, 샘플링 제어, 도구 정의, 구조화된 출력 스키마를 전달할 수 있다고 기대해서는 안 됩니다. 정성적 비교 필드는 전반적으로 비어 있거나 동률로 나옵니다. 더 저렴한 입력 측도, 더 저렴한 출력 측도, 더 큰 컨텍스트 측도 없고, 도구, 구조화된 출력, 추론을 단독으로 지원하는 모델도 없습니다. 다시 말해, 공개된 사실만으로는 역량, 컨텍스트, 모달리티에서 이들을 구분할 수 없습니다.
둘 중 하나를 고를 때 실질적인 질문은 용량 대 비용이며, 가지고 있는 유일한 신호는 파라미터 수입니다. 1B 모델은 둘 중 더 작으므로, 대량의 텍스트나 이미지에 가벼운 임베딩 작업을 수행하면서 처리량이나 리소스 사용을 최적화하려 할 때 자연스러운 첫 선택입니다. 8B 모델은 더 크므로, 더 작은 모델이 데이터의 신호를 충분히 담아내지 못한다고 의심되고 임베딩당 더 많은 컴퓨트를 지출하여 더 풍부한 표현을 얻을 의향이 있을 때 자연스러운 선택입니다. 여기에는 어느 모델에도 벤치마크, 점수, 순위가 공개되어 있지 않으므로, 경험적으로 결정해야 합니다. 자체 코퍼스의 샘플을 두 모델로 임베딩한 다음, 파라미터 수만 믿지 말고 자신의 과제에서 검색 또는 클러스터링 품질을 측정하십시오.
api14를 통해 어느 모델을 호출하든 방식은 동일합니다. api14는 OpenAI 호환 API를 노출하기 때문입니다. 기존 OpenAI 클라이언트를 api14 base URL로 지정하고, 텍스트 또는 이미지 입력을 embeddings 엔드포인트로 보내고, model 필드를 원하는 id로 설정하십시오. 두 호출 사이의 유일한 변경점은 그 문자열입니다. 더 작은 모델에는 "nvidia/nemotron-3.5-embed-1b:free"이고, 더 큰 모델에는 "nvidia/nemotron-3.5-embed-8b:free"입니다. 요청 형태, 인증, 응답 파싱은 동일하게 유지되므로, 변수 하나를 바꾸고 같은 코드 경로를 다시 실행하여 모델을 전환할 수 있습니다.
명시된 사실 중 한 모델이 다른 모델보다 분명히 더 나은 선택인 작업은 없습니다. 두 모델은 동일한 컨텍스트 길이, 동일한 입력 및 출력 모달리티, 동일한 지원 파라미터 부재, 동일한 제공자 릴리스 날짜를 공유합니다. 크기 외에 다른 기준이 필요하다면, 이 페이지의 실시간 가격 표를 사용하십시오. 가격은 여기에 명시된 것이 아니라 그곳에 표시되므로, 전체 인덱싱 작업에 한 모델을 확정하기 전에 대표 샘플에서 자체 평가를 실행하십시오.
문자열 하나로 전환
두 모델은 같은 엔드포인트와 요청 형식을 사용합니다. model 값을 "nvidia/nemotron-3.5-embed-1b:free"에서 "nvidia/nemotron-3.5-embed-8b:free"로 바꾸기만 하면 프롬프트, 스트리밍, 도구가 그대로 작동합니다.
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));
더 많은 비교
- Amazon: Titan Multimodal Embeddings G1 대 Amazon: Titan Embeddings G1 - Text
- Amazon: Titan Multimodal Embeddings G1 대 Amazon: Titan Text Embeddings V2
- Amazon: Titan Multimodal Embeddings G1 대 Cohere: Embed 5 Fast
- Amazon: Titan Multimodal Embeddings G1 대 Cohere: Embed 5 Pro
- Amazon: Titan Embeddings G1 - Text 대 Amazon: Titan Text Embeddings V2
- Amazon: Titan Embeddings G1 - Text 대 Cohere: Embed 5 Fast
- Amazon: Titan Embeddings G1 - Text 대 Cohere: Embed 5 Pro
- Amazon: Titan Text Embeddings V2 대 Cohere: Embed 5 Fast