NVIDIA: Nemotron 3.5 Embed 1B (free)

Nemotron 3.5 Embed 1B is een embeddingmodel van NVIDIA, door de provider uitgebracht op 21 oktober 2026. Het valt in de categorie embeddings en niet in de categorie chat of generatie, dus het doet invoer omzetten in vectoren in plaats van geschreven antwoorden produceren. De naam weerspiegelt de familie waartoe het behoort (Nemotron 3.5), zijn embeddingrol en zijn schaal van ongeveer 1B parameters. Als je retrieval, zoeken of clustering bovenop een API bouwt, is dit het soort model dat je naast andere embedding-endpoints zou evalueren in plaats van in plaats van een chatmodel.

Het model is multimodaal aan de invoerkant. Het accepteert tekst en afbeeldingen, en het levert embeddings als enige uitvoermodaliteit. Die combinatie zorgt ervoor dat het zowel een tekstquery als een afbeelding van een documentpagina in dezelfde vectorruimte kan embedden. Het contextvenster is 32768 tokens, en de maximale uitvoer staat vermeld als 29491. NVIDIA beschrijft het als een multimodaal embeddingmodel voor meertalige retrieval over tekst en afbeeldingen van documentpagina's, inclusief tabellen, grafieken en infographics. In de praktijk betekent dat het model is gericht op documenten waarin de nuttige informatie niet altijd in schone, extraheerbare tekst staat.

De use cases volgen direct uit die mogelijkheden. Meertalige retrieval is de belangrijkste: je kunt een corpus in meer dan één taal indexeren en queries ertegen matchen zonder eerst alles te vertalen. Omdat pagina-afbeeldingen als documenten worden geaccepteerd, kun je gescande pagina's embedden, PDF's die als afbeeldingen zijn gerenderd, en pagina's waarvan de betekenis in tabellen, grafieken of infographics zit, en ze vervolgens ophalen met een tekstquery. Typische toepassingen zijn documentzoekopdrachten over gemengde tekst- en afbeeldingscollecties, vraag-antwoordsystemen die pagina's ophalen vóór een aparte generatiestap, deduplicatie of clustering van documenten, en aanbevelings- of similariteitsfuncties die op de vectoren zijn gebouwd.

Je roept het aan via de OpenAI-compatibele API van api14 met het model-id "nvidia/nemotron-3.5-embed-1b:free". Omdat het oppervlak OpenAI-compatibel is, richt je een bestaande embeddings-client op de api14 base URL en geef je dat model-id door, dus code die voor andere embeddingproviders is geschreven, heeft meestal alleen een gewijzigde base URL en modelnaam nodig. De lijst met ondersteunde parameters van het model is leeg, wat betekent dat er geen extra afstemmingsparameters voor zijn gedocumenteerd buiten wat het embeddings-endpoint zelf accepteert. Behandel het als een rechttoe rechtaan embed-en-retourneer-vectoren-endpoint in plaats van een endpoint dat je per verzoek configureert.

Iets om mee te wegen is dat dit een embeddingmodel is, dus het genereert geen tekst, houdt geen gesprek en beantwoordt niet zelfstandig vragen. Als je taak generatie, redeneren of chat is, dan is een chatmodel de juiste keuze en is dit model geen vervanging. Het wordt ook aangeboden onder een gratis model-id, wat nuttig is voor evaluatie en werk met een laag volume, maar je moet de actuele beschikbaarheid en eventuele gebruiksvoorwaarden op de modelpagina controleren voordat je er in productie op vertrouwt. Als je een model nodig hebt dat zowel ophaalt als antwoordt, plan dan een tweestapsopzet: embedden en ophalen met dit model, en geef de opgehaalde inhoud daarna door aan een apart generatiemodel.