Comment ça marche Llama Nemotron Embed VL 1B V2?
Llama Nemotron Embed VL 1B V2 est un modèle d'embedding multimodal de NVIDIA conçu pour la recherche de réponses dans des documents hétérogènes : il convertit le texte, les images ou les combinaisons texte-image dans un espace vectoriel unifié, permettant à un seul index de couvrir pages et captures d'écran. Via BotHub, le modèle est accessible sans VPN ni carte étrangère, avec paiement en roubles à l'usage et via une API compatible OpenAI, facilitant l'intégration avec Qdrant, pgvector ou vos pipelines sans réécriture de code. Il est utilisé pour la recherche RAG dans la documentation technique, la classification de fiches produits avec photos, la déduplication et le classement de bases de connaissances internes.Questions fréquentes sur Llama Nemotron Embed VL 1B V2
Vous pouvez utiliser les résultats générés à des fins commerciales. Tous les droits sur le contenu créé vous appartiennent. Seule restriction : vérifiez que la requête ne contient pas de contenus protégés par le droit d'auteur appartenant à des tiers. Le respect des droits sur les données d'entrée relève de votre responsabilité.
C'est un modèle d'embedding multimodal : il transforme texte, documents et images en vecteurs, sans générer de contenu. Adapté à la recherche sémantique, au RAG, à la classification, à la déduplication, au classement et à la recherche par image. Stockez les vecteurs dans Qdrant ou pgvector et effectuez des recherches par proximité.
Aucun : vous obtenez un vecteur numérique en sortie, pas du texte. La limite technique indiquée de 43 253 tokens concerne le format de réponse API. Pour générer des articles ou des e-mails, choisissez n'importe quel modèle génératif sur BotHub.
Aucun mode de raisonnement n'est indiqué, ce qui est inutile pour des embeddings : le modèle ne construit pas de chaîne de pensée, mais encode le sens d'un fragment en vecteur. La logique sur les résultats est généralement définie par votre pipeline (classement, filtres et modèle génératif à l'étape finale).
L'appel de fonctions et les schémas JSON stricts ne sont pas indiqués, car ce sont des outils de modèles génératifs. Cependant, la réponse arrive sous forme de JSON structuré avec un tableau de vecteurs via l'API compatible OpenAI de BotHub, facilitant l'intégration dans votre pipeline.
Images et documents, oui, c'est exactement son profil : le modèle VL encode images et fragments de texte dans un espace vectoriel commun, permettant de rechercher des images par description et inversement. L'audio et la vidéo ne sont pas pris en charge. Contexte : 131 072 tokens.
Nous n'avons pas de données sur les langues, donc nous ne pouvons rien promettre : la qualité des embeddings sur votre domaine ne peut être vérifiée que par des tests. Constituez un petit ensemble de requêtes et de réponses correctes, calculez le rappel (recall) et comparez avec un autre modèle sur BotHub sans changer l'intégration.