قیمت و API مدل Nemotron 3 Embed 1B (رایگان) در ایران

nvidia/nemotron-3-embed-1b:free

رایگان · ظرفیت محدودبردار متن (embedding)
ورودی · هر ۱M توکن
۰ تومان
خروجی
بردار · بدون هزینه
بردار ۱٬۰۰۰ کلمه ≈
۰٫۰۰ تومان

شارژ بر اساس مصرف واقعی همان درخواست. قیمت‌ها با تغییر شرایط بازار به‌روز می‌شوند.قیمت‌ها و شارژ

کد آمادهٔ Nemotron 3 Embed 1B (رایگان): ساخت embedding برای جستجوی معنایی

نمونه بر اساس قابلیت‌های همین مدل انتخاب شده و با کلید خودت بدون تغییر دیگری اجرا می‌شود.

curl https://api.uttapen.ir/v1/embeddings \
  -H "Authorization: Bearer sk-up-…" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "nvidia/nemotron-3-embed-1b:free",
    "input": ["گارانتی کتری برقی چند ماه است", "مدت ضمانت محصولات آشپزخانه"]
  }'
from openai import OpenAI
import numpy as np

client = OpenAI(base_url="https://api.uttapen.ir/v1", api_key="sk-up-…")

docs = ["گارانتی کتری برقی ۱۸ ماه است", "ارسال سفارش‌ها ۴۸ ساعته انجام می‌شود"]
question = "ضمانت کتری چقدر است"

vecs = client.embeddings.create(model="nvidia/nemotron-3-embed-1b:free", input=docs + [question]).data
M = np.array([v.embedding for v in vecs])
M /= np.linalg.norm(M, axis=1, keepdims=True)
scores = M[:-1] @ M[-1]
print(docs[int(scores.argmax())])
import OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.uttapen.ir/v1", apiKey: "sk-up-…" });

const docs = ["گارانتی کتری برقی ۱۸ ماه است", "ارسال سفارش‌ها ۴۸ ساعته انجام می‌شود"];
const { data } = await client.embeddings.create({ model: "nvidia/nemotron-3-embed-1b:free", input: [...docs, "ضمانت کتری چقدر است"] });

const norm = (v) => { const n = Math.hypot(...v); return v.map((x) => x / n); };
const vecs = data.map((d) => norm(d.embedding));
const q = vecs.at(-1);
const dot = (a, b) => a.reduce((s, x, i) => s + x * b[i], 0);
const best = vecs.slice(0, -1).map((v, i) => [dot(v, q), i]).sort((a, b) => b[0] - a[0])[0][1];
console.log(docs[best]);

Nemotron 3 Embed 1B (رایگان) برای چه کاری خوب است؟

«nvidia/nemotron-3-embed-1b:free» یک مدل بردارساز (embedding) از NVIDIA است. خروجی‌اش بردار است، پس جایش در جستجوی معنایی، RAG و خوشه‌بندی است و مسیرش /v1/embeddings. هر ورودی تا ۳۲٬۷۶۸ توکن جا می‌گیرد — حدود ۲۵ هزار کلمهٔ فارسی — پس تکه‌های بزرگ هم بدون بریدن بردار می‌گیرند. این نسخه رایگان است ولی ظرفیتش بین همهٔ کاربران مشترک است و سقف روزانه دارد؛ برای ایندکس‌کردن انبوه نسخهٔ پولی مطمئن‌تر است.

چندزبانه است، که برای متن فارسی مهم است؛ با این حال پیش از انتخاب نهایی آن را روی چند ده پرسش واقعی از اسناد خودت بسنج.

توضیح رسمی تأمین‌کننده (انگلیسی)

NVIDIA Nemotron 3 Embed 1B is an open text embedding model from NVIDIA, optimized for high-throughput, low-latency retrieval. It is suited for enterprise search, RAG, code retrieval, and agentic retrieval...

سه کار واقعی، با قیمت همین مدل

اعداد از همان قیمت‌های بالا حساب شده‌اند و با تغییر قیمت مدل تغییر می‌کنند.

کارتوکنهزینه
یک پرسش جستجوی کاربر۳۰ ورودی۰٫۰۰ تومان
ایندکس ده هزار عنوان محصول۳۰۰٬۰۰۰ ورودی۰٫۰۰ تومان
ایندکس هزار سند پانصدتوکنی۵۰۰٬۰۰۰ ورودی۰٫۰۰ تومان

سؤال‌های پرتکرار

چطور با Nemotron 3 Embed 1B (رایگان) بردار بسازم؟
کلید API بساز و در SDK رسمی OpenAI، base_url را https://api.uttapen.ir/v1 بگذار و client.embeddings.create را با model «nvidia/nemotron-3-embed-1b:free» و input (یک رشته یا فهرستی از رشته‌ها) صدا بزن. برای هر ورودی یک بردار در data برمی‌گردد.
قیمت Nemotron 3 Embed 1B (رایگان) به تومان چقدر است؟
هر ۱ میلیون توکن ورودی ۰ تومان؛ خروجی هزینه ندارد. شارژ بر اساس توکن ورودی‌ای است که همان درخواست گزارش کرده و درخواست ناموفق صفر تومان است.
آیا Nemotron 3 Embed 1B (رایگان) را می‌شود در چت یا chat/completions استفاده کرد؟
نه. مدل embedding پاسخ متنی تولید نمی‌کند؛ درخواست chat/completions با این مدل خطای 400 می‌گیرد. برای RAG، بردار را با این مدل بساز و پاسخ نهایی را از یک مدل chat بگیر.
محدودیت نسخهٔ رایگان چیست؟
سقف روزانه به‌ازای هر کاربر دارد و ظرفیتش مشترک است؛ وقتی تمام شود درخواست با خطای مشخص رد می‌شود و کیف پولت دست‌نخورده می‌ماند.