NVIDIA: Nemotron 3.5 Embed 1B (free), model kimliği nvidia/nemotron-3.5-embed-1b:free altında listelenen, NVIDIA'ya ait bir gömme modelidir. Sentence Transformers: all-mpnet-base-v2, model kimliği sentence-transformers/all-mpnet-base-v2 altında listelenen, Sentence Transformers'a ait bir gömme modelidir. Her ikisi de embeddings kategorisinde yer alır, yani hiçbiri sohbet tamamlama veya serbest metin üretmez; her biri girdi alır ve arama, kümeleme, tekilleştirme veya sınıflandırma için kullanabileceğiniz bir vektör temsili döndürür. Üreticilerinin farklı olması, esas olarak verileriniz üzerinde nasıl davranmalarını beklediğiniz açısından önemlidir, çünkü NVIDIA daha yeni bir model sunarken all-mpnet-base-v2 uzun süredir yerleşik bir Sentence Transformers kontrol noktasıdır.
En net teknik fark bağlam uzunluğudur. Nemotron 3.5 Embed 1B 32768 tokene kadar kabul ederken all-mpnet-base-v2 512 token kabul eder. Bu, parçalama ihtiyacı duymadan önce tek bir çağrıda ne kadar metin gömebileceğiniz açısından büyük bir farktır. Nemotron 3.5 Embed 1B ayrıca metin ve görüntü girdisi kabul eder ve gömmeler döndürür, yani girdi tarafında çok kiplidir. all-mpnet-base-v2 yalnızca metin kabul eder ve gömmeler döndürür. Burada verilen verilerde hiçbir model desteklenen parametreleri açığa çıkarmaz, bu nedenle boyutlar veya havuzlama seçenekleri gibi ayarlanabilir düğmelerin ikisi için de belgelenmesini beklememelisiniz. Nitel karşılaştırma, Nemotron 3.5 Embed 1B'yi daha büyük bağlama sahip olan olarak işaretler ve fiyat alanları bilinmiyor, bu yüzden canlı tabloyu kontrol edene kadar bunları kabaca karşılaştırılabilir kabul edin.
Pratik seçim için, belgeleriniz uzun olduğunda, tüm bir sayfayı, transkripti veya raporu önce bölmeden gömmek istediğinizde ya da girdiniz metnin yanında görüntüler içerdiğinde Nemotron 3.5 Embed 1B'ye başvurun. 32768 token penceresi, agresif parçalamadan kaçınmanıza olanak tanır ve bu genellikle erişim için anlamı daha iyi korur. Girdileriniz kısa olduğunda, örneğin cümleler, ürün başlıkları, kısa sorgular veya tek paragraflar, ve görüntü işleme olmadan düz metin tabanlı bir gömme hattı istediğinizde all-mpnet-base-v2'ye başvurun. Derleminiz zaten birkaç yüz tokene bölünmüşse, daha küçük bağlam penceresi bir sınırlama değildir ve daha basit metin tabanlı arayüz hakkında akıl yürütmek daha kolay olabilir.
Her iki modeli api14 üzerinden çağırmak aynı şekilde çalışır çünkü API OpenAI uyumludur. Girdinizi api14 anahtarınızla embeddings uç noktasına gönderirsiniz ve ikisi arasında değiştirdiğiniz tek şey model kimliği dizesidir. NVIDIA modeli için nvidia/nemotron-3.5-embed-1b:free ve Sentence Transformers modeli için sentence-transformers/all-mpnet-base-v2 kullanın. İstek şekli, yanıt şekli ve döndürülen vektörleri okuma biçiminiz aynı kalır, böylece istemci kodunu yeniden yazmadan kimliği bir yapılandırma değerinde veya ortam değişkeninde değiştirebilir ve sonuçları kendi verileriniz üzerinde karşılaştırabilirsiniz.
all-mpnet-base-v2'nin daha küçük pencereye sahip olmasına rağmen daha iyi seçim olarak kaldığı bir durum vardır. Tüm girdileriniz kısa metinse ve görüntünüz yoksa, Nemotron 3.5 Embed 1B'nin ekstra bağlamı ve çok kipli girdisi size hiçbir şey kazandırmaz ve yalnızca metin tabanlı bir model hattınızı ve değerlendirmenizi daha basit tutar. Ayrıca, 512 token davranışı etrafında ayarlanmış araçlarınız, eşikleriniz veya dizin ayarlarınız varsa ve derleminizi yeniden parçalamak istemiyorsanız, doğal seçimdir.