NVIDIA: Nemotron 3.5 Embed 1B (free)

Nemotron 3.5 Embed 1B é um modelo de embedding da NVIDIA, lançado pelo provedor em 21 de outubro de 2026. Ele está na categoria de embeddings, e não na categoria de chat ou geração, portanto seu trabalho é transformar entradas em vetores, e não produzir respostas escritas. O nome reflete a família à qual pertence (Nemotron 3.5), seu papel de embedding e sua escala de aproximadamente 1B parâmetros. Se você está construindo recuperação, busca ou agrupamento sobre uma API, este é o tipo de modelo que você avaliaria junto com outros endpoints de embedding, e não no lugar de um modelo de chat.

O modelo é multimodal no lado da entrada. Ele aceita texto e imagens, e retorna embeddings como sua única modalidade de saída. Essa combinação é o que permite embutir tanto uma consulta de texto quanto a imagem de uma página de documento no mesmo espaço vetorial. A janela de contexto é de 32768 tokens, e a saída máxima é listada como 29491. A NVIDIA o descreve como um modelo de embedding multimodal para recuperação multilíngue sobre texto e imagens de páginas de documentos, incluindo tabelas, gráficos e infográficos. Na prática, isso significa que o modelo é voltado para documentos em que a informação útil nem sempre está em texto limpo e extraível.

Os casos de uso decorrem diretamente dessas capacidades. A recuperação multilíngue é o principal: você pode indexar um corpus em mais de um idioma e comparar consultas com ele sem traduzir tudo primeiro. Como imagens de páginas são aceitas como documentos, você pode embutir páginas digitalizadas, PDFs renderizados como imagens e páginas cujo significado está em tabelas, gráficos ou infográficos, e depois recuperá-las por uma consulta de texto. Aplicações típicas incluem busca de documentos em coleções mistas de texto e imagem, sistemas de perguntas e respostas que recuperam páginas antes de uma etapa separada de geração, deduplicação ou agrupamento de documentos, e recursos de recomendação ou similaridade construídos sobre os vetores.

Você o chama através da API compatível com OpenAI da api14 usando o id de modelo "nvidia/nemotron-3.5-embed-1b:free". Como a interface é compatível com OpenAI, você aponta um cliente de embeddings existente para a URL base da api14 e passa esse id de modelo, então código escrito para outros provedores de embedding geralmente precisa apenas que a URL base e o nome do modelo sejam alterados. A lista de parâmetros suportados do modelo está vazia, o que significa que não há parâmetros extras de ajuste documentados para ele além do que o próprio endpoint de embeddings aceita. Trate-o como um endpoint direto de embutir e retornar vetores, e não como um que você configura por requisição.

Um ponto a considerar é que este é um modelo de embedding, então ele não vai gerar texto, manter uma conversa ou responder perguntas por conta própria. Se sua tarefa é geração, raciocínio ou chat, um modelo de chat é o mais adequado e este não é um substituto. Ele também é oferecido sob um id de modelo gratuito, o que é útil para avaliação e trabalho de baixo volume, mas você deve confirmar a disponibilidade atual e quaisquer condições de uso na página do modelo antes de depender dele em produção. Se você precisa de um modelo que tanto recupere quanto responda, planeje uma configuração em dois estágios: embuta e recupere com este modelo, depois passe o conteúdo recuperado para um modelo de geração separado.