Llama Nemotron Embed VL 1B V2
Red Neuronal
Llama Nemotron Embed VL 1B V2 es un modelo de embedding multimodal de NVIDIA para búsqueda semántica y RAG de texto e imágenes.
Características
- Entrada
- texto, imágenes, documentos
- Salida
- texto, vectores (embeddings)
- Tamaño del contexto
- 131 072 tokens
- Dimensiones del vector
- 2 048
Cómo funciona Llama Nemotron Embed VL 1B V2?
Llama Nemotron Embed VL 1B V2 es un modelo de embeddings multimodal de NVIDIA diseñado para buscar respuestas en documentos heterogéneos: traduce texto, imágenes o combinaciones de imagen y texto a un espacio vectorial unificado, por lo que un solo índice cubre tanto páginas como capturas de pantalla. A través de BotHub, el modelo está disponible desde Rusia sin VPN ni tarjeta extranjera, con pago en rublos según el uso y mediante una API unificada compatible con OpenAI, por lo que conectarlo a Qdrant, pgvector o a su propio pipeline no requiere reescribir código. Se utiliza para búsqueda RAG en documentación técnica, agrupación de fichas de productos con fotos, deduplicación y clasificación de bases de conocimiento internas.Preguntas frecuentes sobre Llama Nemotron Embed VL 1B V2
Puede usar los resultados generados con fines comerciales. Todos los derechos sobre el contenido creado le pertenecen. La única restricción: asegúrese de que la solicitud no incluya material de terceros protegido por derechos de autor. El usuario es responsable de respetar los derechos sobre los datos de entrada.
Es un modelo de embedding multimodal: convierte texto, documentos e imágenes en vectores, no genera contenido. Es adecuado para búsqueda semántica, RAG, agrupación y deduplicación, clasificación y búsqueda por imágenes. Almacene los vectores en Qdrant o pgvector y busque por proximidad.
Ninguno: a la salida no obtiene texto, sino un vector numérico. En nuestros datos se indica un límite técnico de respuesta de 43253 tokens, pero se refiere al formato de respuesta de la API. Para generar artículos y correos, elija cualquier modelo generativo en BotHub.
No se indica un modo de razonamiento separado en nuestros datos, y para los embeddings no es necesario: el modelo no construye una cadena de pensamiento, sino que codifica el significado del fragmento en un vector. La lógica sobre los resultados suele ser definida por su pipeline: clasificación, filtros y un modelo generativo en el paso final.
La llamada a funciones y los esquemas JSON estrictos no están marcados en nuestros datos; son herramientas de modelos generativos. Pero la respuesta en sí llega como un JSON estructurado con una matriz de vectores a través de la API unificada compatible con OpenAI de BotHub, por lo que integrar el modelo en un pipeline existente no es difícil.
Imágenes y documentos, sí, ese es exactamente su perfil: el modelo VL codifica imágenes y fragmentos de texto en un mismo espacio vectorial, por lo que puede buscar imágenes por descripción y viceversa. La recepción de audio y video no está marcada en nuestros datos. Contexto: 131072 tokens.
No tenemos datos sobre idiomas, por lo que no prometemos nada; la calidad de los embeddings en su dominio solo se verifica mediante medición. Recopile un pequeño conjunto de consultas y respuestas correctas, calcule el recall y compárelo con otro modelo en BotHub sin cambiar la integración.