NVIDIA: Nemotron 3.5 Embed 1B (free)

Nemotron 3.5 Embed 1B är en inbäddningsmodell från NVIDIA, släppt av leverantören den 21 oktober 2026. Den tillhör kategorin inbäddningar snarare än kategorin chatt eller generering, så dess uppgift är att omvandla indata till vektorer snarare än att producera skriftliga svar. Namnet återspeglar familjen den tillhör (Nemotron 3.5), dess inbäddningsroll och dess ungefärliga parameterskala på 1B. Om du bygger hämtning, sökning eller klustring ovanpå ett API är detta den typ av modell du skulle utvärdera tillsammans med andra inbäddningsslutpunkter snarare än i stället för en chattmodell.

Modellen är multimodalt på indatasidan. Den accepterar text och bilder, och den returnerar inbäddningar som sin enda utdatamodalitet. Den kombinationen är vad som gör att den kan bädda in både en textfråga och en dokumentsidebild i samma vektorrum. Kontextfönstret är 32768 tokens, och maximal utdata anges som 29491. NVIDIA beskriver den som en multimodal inbäddningsmodell för flerspråkig hämtning över text och dokumentsidebilder, inklusive tabeller, diagram och infografik. I praktiken innebär det att modellen riktar sig mot dokument där den användbara informationen inte alltid finns i ren, extraherbar text.

Användningsfallen följer direkt av dessa förmågor. Flerspråkig hämtning är det främsta: du kan indexera en korpus på mer än ett språk och matcha frågor mot den utan att först översätta allt. Eftersom sidebilder accepteras som dokument kan du bädda in skannade sidor, PDF-filer renderade som bilder och sidor vars betydelse finns i tabeller, diagram eller infografik, och sedan hämta dem med en textfråga. Typiska tillämpningar inkluderar dokumentsökning över blandade text- och bildsamlingar, frågebesvarandesystem som hämtar sidor före ett separat genereringssteg, deduplicering eller klustring av dokument, samt rekommendations- eller likhetsfunktioner byggda ovanpå vektorerna.

Du anropar den via api14:s OpenAI-kompatibla API med modell-id:t "nvidia/nemotron-3.5-embed-1b:free". Eftersom ytan är OpenAI-kompatibel pekar du en befintlig inbäddningsklient mot api14:s bas-URL och skickar det modell-id:t, så kod skriven för andra inbäddningsleverantörer behöver vanligtvis bara bas-URL:en och modellnamnet ändrade. Modellens lista över stödda parametrar är tom, vilket innebär att det inte finns några extra justeringsparametrar dokumenterade för den utöver vad inbäddningsslutpunkten själv accepterar. Betrakta den som en enkel slutpunkt för att bädda in och returnera vektorer snarare än en du konfigurerar per anrop.

En sak att väga in är att detta är en inbäddningsmodell, så den kommer inte att generera text, föra en konversation eller svara på frågor på egen hand. Om din uppgift är generering, resonemang eller chatt är en chattmodell rätt val och denna är ingen ersättning. Den erbjuds också under ett gratis modell-id, vilket är användbart för utvärdering och lågvolymarbete, men du bör bekräfta aktuell tillgänglighet och eventuella användningsvillkor på modellsidan innan du förlitar dig på den i produktion. Om du behöver en modell som både hämtar och svarar bör du planera för en tvåstegsuppsättning: bädda in och hämta med denna modell, och skicka sedan det hämtade innehållet till en separat genereringsmodell.