NVIDIA: Nemotron 3.5 Embed 8B (free) karşı Sentence Transformers: all-mpnet-base-v2
NVIDIA: Nemotron 3.5 Embed 8B (free) (Ücretsiz) ve Sentence Transformers: all-mpnet-base-v2 ($0,02 / 1M token (≈ ₺0,88)) modellerinin api14 kataloğundaki güncel USD fiyatları ve yetenekleriyle yan yana karşılaştırması. İkisi de aynı OpenAI uyumlu API üzerinden çalışır.
Teknik özellikler
| NVIDIA: Nemotron 3.5 Embed 8B (free) | Sentence Transformers: all-mpnet-base-v2 | |
|---|---|---|
| Sağlayıcı | NVIDIA | Sentence Transformers |
| Girdi | - | $0,02 / 1M token (≈ ₺0,88) |
| Bağlam penceresi | 32.768 | 512 |
| Maks. çıktı | 29.491 | 460 |
| Girdi | text, image | text |
| Çıktı | embeddings | embeddings |
| Araç çağırma | ||
| Yapılandırılmış çıktı | ||
| Akıl yürütme kontrolü | ||
| Eklenme | 21 Eki 2026 | 17 Kas 2025 |
Temel farklar
- NVIDIA: Nemotron 3.5 Embed 8B (free) 64.0× daha fazla bağlam okur (32.768 token).
Ayrıntılı bakış
NVIDIA: Nemotron 3.5 Embed 8B (free), nvidia/nemotron-3.5-embed-8b:free model id'si altında listelenen, NVIDIA'ya ait bir embedding modelidir. Sentence Transformers: all-mpnet-base-v2, sentence-transformers/all-mpnet-base-v2 model id'si altında listelenen, Sentence Transformers'a ait bir embedding modelidir. Her ikisi de embeddings kategorisine aittir, yani hiçbiri sohbet tamamlamaları veya serbest metin üretmez. Her biri bir girdi alır ve bir vektör döndürür; bu vektörü daha sonra arama, kümeleme, tekilleştirme, sınıflandırma veya benzeri alt işler için kullanırsınız.
Aralarındaki en net fark bağlam uzunluğudur. Nemotron 3.5 Embed 8B 32768 token'a kadar kabul ederken, all-mpnet-base-v2 512 token'a kadar kabul eder. Bu büyük bir farktır ve tek bir çağrıda her modele neler verebileceğinizi değiştirir. Nemotron 3.5 Embed 8B ayrıca hem metin hem de görsel girdi kabul ederken, all-mpnet-base-v2 yalnızca metin kabul eder. Her ikisi de tek çıktı modalitesi olarak embedding döndürür ve hiçbiri desteklenen parametre listelemez, bu nedenle iki tarafta da örnekleme stili seçeneklerini ayarlayamazsınız. Niteliksel karşılaştırma, Nemotron 3.5 Embed 8B'yi daha büyük bağlama sahip olan olarak işaretler ve ikisi arasında görselleri herhangi bir şekilde işleyen tek modeldir.
Pratik çalışmalarda seçim genellikle girdinizden kaynaklanır. Uzun belgeleri, tüm sayfaları, transkriptleri veya birkaç yüz token'ı rahatça aşan herhangi bir şeyi embedding yapıyorsanız, Nemotron 3.5 Embed 8B bu içeriği parçalara bölüp sonuçları uzlaştırmak yerine tek parça halinde göndermenize olanak tanır. Metnin yanı sıra görselleri de embedding yapmanız veya karma bir dizin oluşturmanız gerekiyorsa, burada görsel girdi kabul eden tek seçenektir. all-mpnet-base-v2, girdileriniz kısa olduğunda, örneğin cümleler, başlıklar, kısa sorgular veya tek tek pasajlar gibi, ve basit bir metin embedding modeli istediğinizde makul bir uyumdur. Ayrıca sağlayıcı sürüm tarihine göre ikisi arasında daha eski olandır, ancak bu tek başına hiçbir şeyi belirlemez.
Her iki modeli de api14 üzerinden çağırmak aynı şekilde çalışır çünkü API OpenAI uyumludur. İstemcinizi embeddings uç noktasına yönlendirir, girdinizi gönderir ve model alanını istediğiniz id'ye ayarlarsınız. Aralarında geçiş yapmak için yalnızca o model id'sini değiştirin, nvidia/nemotron-3.5-embed-8b:free'den sentence-transformers/all-mpnet-base-v2'ye veya tersine. İstek şekli, kimlik doğrulama ve yanıt işleme aynı kalır, böylece mevcut bir ardışık düzeni tek bir dizeyi düzenleyerek taşıyabilirsiniz. Bu sayfadaki canlı fiyat tablosu her çağrının ne kadara mal olduğunu gösterir, bu nedenle varsayımda bulunmak yerine oradan kontrol edin.
all-mpnet-base-v2'nin daha iyi seçim olduğu durumlar hâlâ vardır. Embedding yaptığınız her girdi 512 token'ın oldukça altında kısa metin ise, daha küçük bağlamı bir sınırlama değildir ve kullanmayacağınız kapasite için ödeme yapmaktan kaçınırsınız. Ayrıca özellikle yalnızca metin tabanlı bir embedding modeli istediğinizde ve ardışık düzeninizde hiç görsel içerik olmadığında daha basit seçimdir. Nemotron 3.5 Embed 8B, bağlam uzunluğu veya görsel girdi önemli olduğunda tercih olmaya devam eder, ancak kısa, düz metin iş yükleri için daha küçük model tamamen yeterlidir.
Tek bir metinle geçiş yap
İki model de aynı uç noktayı ve istek yapısını kullanır. model değerini "nvidia/nemotron-3.5-embed-8b:free" yerine "sentence-transformers/all-mpnet-base-v2" yap, istemler, akış ve araçlar çalışmaya devam eder.
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api14.com/api/v1",
apiKey: process.env.API14_API_KEY,
});
const result = await client.embeddings.create({
"model": "sentence-transformers/all-mpnet-base-v2",
"input": [
"The quick brown fox",
"Lorem ipsum"
]
});
console.log(result.data.map((d) => d.embedding.length));
Diğer karşılaştırmalar
- Amazon: Titan Multimodal Embeddings G1 karşı Amazon: Titan Embeddings G1 - Text
- Amazon: Titan Multimodal Embeddings G1 karşı Amazon: Titan Text Embeddings V2
- Amazon: Titan Multimodal Embeddings G1 karşı Cohere: Embed 5 Fast
- Amazon: Titan Multimodal Embeddings G1 karşı Cohere: Embed 5 Pro
- Amazon: Titan Embeddings G1 - Text karşı Amazon: Titan Text Embeddings V2
- Amazon: Titan Embeddings G1 - Text karşı Cohere: Embed 5 Fast
- Amazon: Titan Embeddings G1 - Text karşı Cohere: Embed 5 Pro
- Amazon: Titan Text Embeddings V2 karşı Cohere: Embed 5 Fast