NVIDIA: Nemotron 3.5 Embed 8B (free)

NVIDIA: Nemotron 3.5 Embed 8B (free) é um modelo de embedding da NVIDIA, publicado sob o id de modelo nvidia/nemotron-3.5-embed-8b:free em api14. Enquadra-se na categoria de embeddings, pelo que foi concebido para transformar entradas em representações vetoriais e não para gerar respostas de chat. A data de lançamento pelo fornecedor é 2026-10-21. Se está a escolher um modelo para um pipeline de recuperação ou de similaridade, este é o tipo de modelo que avaliaria com os seus próprios dados, em vez de um gerador de texto de uso geral.

O modelo é multimodal do lado da entrada: aceita texto e imagens. Do lado da saída, produz apenas embeddings. O seu comprimento de contexto é de 32768 tokens e a saída máxima é de 29491. A NVIDIA descreve-o como um modelo de embedding multimodal para recuperação multilingue sobre texto e imagens de páginas de documentos, incluindo tabelas, gráficos e infográficos. As consultas são texto, enquanto os documentos podem ser texto ou imagens de páginas. Essa combinação é o núcleo do que o modelo faz: mapeia uma consulta em texto e um documento, em formato de texto ou de imagem, para um espaço de embedding partilhado, para que possam ser comparados.

Os casos de uso práticos decorrem diretamente dessas capacidades. A recuperação multilingue é o caso principal, pelo que a pesquisa em conteúdo em mais do que um idioma é uma aplicação natural. Como as páginas de documentos podem ser fornecidas como imagens, pode indexar páginas digitalizadas, PDFs e relatórios sem uma etapa separada de OCR e continuar a recuperar tabelas, gráficos e infográficos que a extração de texto simples tende a perder. A recuperação de texto para texto sobre um corpus também é suportada. As configurações típicas incluem pesquisa semântica, resposta a perguntas sobre um repositório de documentos, deduplicação e clustering, e recomendação ou ranking quando precisa de uma pontuação de similaridade entre uma consulta e um documento candidato.

Chama-o através da API compatível com OpenAI do api14, usando o id de modelo nvidia/nemotron-3.5-embed-8b:free. Como a interface segue o formato de embeddings da OpenAI, envia a sua entrada e lê o vetor de volta a partir da resposta, o que mantém o código cliente portável caso venha a trocar de modelo mais tarde. O modelo não lista parâmetros suportados, pelo que não há opções extra de amostragem ou de geração para definir; mantenha os pedidos limitados à própria entrada e ao id de modelo. Note que este é um endpoint de embeddings e não um endpoint de chat completion, pelo que os campos específicos de chat não se aplicam.

Um limite a ter em conta no planeamento é o comprimento de contexto de 32768 tokens por pedido, que limita a quantidade de texto ou a dimensão da imagem de página que pode incorporar de uma só vez; documentos mais longos exigem divisão em blocos. Como o modelo devolve embeddings e não texto gerado, é a escolha errada quando precisa de sumarização, extração ou respostas conversacionais. Para essas tarefas, um modelo de geração de texto é mais adequado, e utilizaria este modelo em conjunto com ele como camada de recuperação.