NVIDIA: Nemotron 3 Embed 1B (free)

O NVIDIA Nemotron 3 Embed 1B é um modelo aberto de embeddings de texto da NVIDIA. Pertence à família Nemotron 3 e é distribuído como um modelo gratuito na api14 sob o identificador nvidia/nemotron-3-embed-1b:free. A NVIDIA posiciona-o como um modelo de embeddings e não como um modelo generativo de chat, pelo que a sua função é transformar texto em vetores que pode armazenar, comparar e pesquisar. Foi lançado pelo fornecedor em 2026-07-16.

O modelo tem o texto como a sua única modalidade de entrada e produz embeddings como a sua única modalidade de saída. Tem um comprimento de contexto de 32768 tokens, que é a quantidade de texto que pode passar num único pedido, e uma saída máxima de 29491. Como a saída é uma representação vetorial e não prosa gerada, não há aqui comportamento de conclusão de chat: envia texto e recebe de volta um embedding numérico. O modelo é descrito como otimizado para recuperação de alto débito e baixa latência, o que molda onde se encaixa melhor.

Essas características apontam para um conjunto bastante específico de utilizações. A pesquisa empresarial é a óbvia: incorporar o seu corpus de documentos uma vez, incorporar a consulta do utilizador no momento do pedido e ordenar por similaridade vetorial. O mesmo mecanismo sustenta a geração aumentada por recuperação, em que os embeddings selecionam as passagens que um modelo de linguagem separado irá ler mais tarde. A recuperação de código é outro encaixe, uma vez que ficheiros de código-fonte e consultas em linguagem natural podem ambos ser incorporados no mesmo espaço. A recuperação agêntica também se aplica, quando um agente precisa de procurar coisas de forma rápida e repetida enquanto trabalha numa tarefa. Em todos estes casos, o modelo é um componente num pipeline maior e não a coisa que escreve a resposta final.

Chama-o através da API compatível com OpenAI da api14 usando o id de modelo nvidia/nemotron-3-embed-1b:free. Como o endpoint segue a forma de embeddings da OpenAI, envia o seu texto no campo input e recebe um vetor em resposta, pelo que as bibliotecas de cliente OpenAI existentes e o código de embeddings geralmente funcionam apenas com a alteração do URL base e do nome do modelo. O modelo não lista parâmetros suportados adicionais, pelo que não deve esperar botões de afinação além do que o pedido de embeddings padrão fornece. Mantenha cada pedido dentro do limite de contexto de 32768 tokens.

Uma consideração prática é que este é um modelo de embeddings, pelo que não irá gerar texto, manter uma conversa ou responder a perguntas diretamente. Se precisar de sumarização, raciocínio ou diálogo, quer antes um modelo generativo, e este é melhor usado ao lado dele. O nível gratuito também o torna uma escolha razoável para prototipar um pipeline de recuperação antes de se comprometer com um esforço de indexação maior.