That's NeuralCatálogo de modelos

nvidia

NVIDIA: Nemotron 3 Embed 1B (free)

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

Nossa análise

Análise com auxílio de IA baseada nas fontes abaixo. A adequação é uma avaliação editorial; teste com suas próprias tarefas.

O catálogo do OpenRouter apresenta nvidia/nemotron-3-embed-1b:free como um modelo aberto da NVIDIA para gerar embeddings de texto. A descrição do catálogo afirma que ele é otimizado para recuperação com alta capacidade de processamento e baixa latência, e o posiciona para busca empresarial, geração aumentada por recuperação, recuperação de código e recuperação agêntica. A listagem informa uma janela de contexto de 32.768 tokens. Essas características são relatadas pela fonte, não medições independentes de desempenho neste pacote de evidências.[1]

Pontos fortes

  • Design dedicado de texto para embeddings, com entrada de texto e saída de embeddings listadas.[1]
  • Uma janela de contexto de 32.768 tokens é informada.[1]
  • O catálogo descreve otimização para recuperação com alta capacidade de processamento e baixa latência.[1]

Limitações

  • Somente evidências de catálogo foram fornecidas; nenhum cartão de modelo independente estava disponível neste pacote de fontes.[1]
  • Não foram fornecidos resultados medidos de benchmarks, e detalhes de licença, hardware, implantação e segurança permanecem desconhecidos.[1]
  • A saída listada é apenas de embeddings; ele não está documentado como modelo de geração de texto.[1]

Onde usar

  • Opção potencial para sistemas de busca empresarial que consomem embeddings de texto.[1]
  • Candidato para pipelines de geração aumentada por recuperação, sujeito a validação específica da tarefa.[1]
  • Candidato para fluxos de recuperação de código ou recuperação agêntica que exijam contexto de entrada longo.[1]

Fontes

  1. [1] OpenRouter catalog · NVIDIA: Nemotron 3 Embed 1B (free)Fontes consultadas: 13 de nov. de 2026

Sobre este modelo

A descrição abaixo é o texto original fornecido pelo OpenRouter, no idioma da fonte.

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...

Especificações

ID do modelo
nvidia/nemotron-3-embed-1b:free
ID canônico
nvidia/nemotron-3-embed-1b-20260716
Criador
nvidia
Adicionado ao OpenRouter
16.07.2026
Comprimento de contexto
32,768
Modalidade
text->embeddings
Modalidades de entrada
text
Modalidades de saída
embeddings
Preço por token
USD por 1M de tokens: entrada $0 / saída $0
Corte de conhecimento
—
Data de expiração
—

Tarefas e capacidades

Uma nota aparece apenas quando a fonte fornece uma medição correspondente para aquela tarefa, o modelo está ativo e a coorte tem pelo menos 10 modelos comparáveis. A coluna de capacidade lista fatos declarados pela fonte — formatos compatíveis, raciocínio e parâmetros de ferramentas — que não são qualidade medida.

TarefaNotaCapacidade declarada pela fonte
Qualidade geralSem medição—
ProgramaçãoSem medição—
AgentesSem medição—
EscritaSem medição—
RaciocínioSem medição—
Análise de documentosSem medição—
VisãoSem medição—
Geração de imagensSem medição—
ÁudioSem medição—
VídeoSem medição—
EmbeddingsSem mediçãosaída: embeddings

Avaliações

Não há avaliações fornecidas para este modelo.

Como funcionam as notas

Cada nota compara um modelo apenas com outros modelos avaliados pela mesma fonte e métrica no snapshot atual. S é o top 10%, A os 20% seguintes, B os 30% seguintes e C o restante. Modelos sem medição publicada aparecem como não avaliados — um formato compatível nunca implica qualidade medida.

  • S — S — top 10% da coorte
  • A — A — próximos 20% da coorte
  • B — B — próximos 30% da coorte
  • C — C — abaixo da faixa B

Provedores

Estatísticas opcionais de provedores ao vivo do OpenRouter. Valores ausentes são desconhecidos, não zero.

ProvedorComprimento de contextoPreço entrada /1MPreço saída /1MLatência p50 (30m, s)Taxa p50 (30m, tok/s)Disponibilidade (30m)
Nvidia32,768$0$0——100%

Dados de provedores obtidos: 13.11.2026

Nenhum artigo publicado identifica este modelo ainda.