GetInfoUs
হেড-টু-হেড এআই মডেল তুলনা

Llama Nemotron Rerank VL 1B v2 vs Llama Nemotron Embed VL 1B v2

বেঞ্চমার্ক, এপিআই টোকেন মূল্য, কনটেক্সট উইন্ডো এবং ইনফারেন্স স্পিড তুলনা

GetInfoUs রিসার্চ টিম দ্বারা পরীক্ষিতসর্বশেষ পর্যালোচনা: October 2026সম্পাদকীয় নীতিমালা
শেয়ার করুন
Related topics (12)
AI CompareAI BenchmarkToken PricingModel CostModel SpecsSWE-bench CodingModel VersusWhich AI ModelLLM Speed & LatencyReasoning ModelsExtended ThinkingPrompt Caching ROI
Llama Nemotron Rerank VL 1B v2 vs Llama Nemotron Embed VL 1B v2: Benchmarks, Pricing & Speed Comparison

NVIDIA-এর Llama Nemotron Rerank VL 1B v2 এবং NVIDIA-এর Llama Nemotron Embed VL 1B v2 হলো দুটি শীর্ষস্থানীয় এআই মডেল। Llama Nemotron Rerank VL 1B v2 মডেলে রয়েছে 128K টোকেন কনটেক্সট উইন্ডো এবং এর এপিআই মূল্য $0.03/$0.03 প্রতি ১ মিলিয়ন টোকেন, যেখানে Llama Nemotron Embed VL 1B v2 মডেলে রয়েছে 32K টোকেন কনটেক্সট এবং মূল্য $0.02/$0.02 প্রতি ১ মিলিয়ন টোকেন। নিচে উভয় মডেলের বেঞ্চমার্ক, গতি ও খরচের বিস্তারিত তুলনা দেওয়া হলো।

সরাসরি মডেল তুলনা (VS)

যেকোনো দুটি এআই মডেল পরিবর্তন ও তুলনা করুন

আমাদের যাচাইকৃত বেঞ্চমার্ক ডাটাবেস থেকে যেকোনো এআই মডেল নির্বাচন করে তাৎক্ষণিক তুলনা দেখুন।

প্রোফাইল
প্রোফাইল
এক পেজে মাল্টি-মডেল স্ট্যাক:
৫-মডেল মেগা কম্পেয়ার বিল্ডার
জনপ্রিয় তুলনা:
NVIDIA

Llama Nemotron Rerank VL 1B v2

হালকা ও সাশ্রয়ী মডেল

NVIDIA-এর Llama Nemotron Rerank VL 1B v2 হলো সাশ্রয়ী API খরচ ও দ্রুত থ্রুপুটের জন্য অপ্টিমাইজড হালকা এআই মডেল, যা 128K কনটেক্সট উইন্ডো, 240 টোকেন/সেকেন্ড স্পিড এবং $0.03/$0.03 প্রতি 1M টোকেন মূল্যে 33/100 ইন্টেলিজেন্স স্কোর প্রদান করে।

Intelligence Index33 / 100
Input Token:

$0.03 / 1M

Output Token:

$0.03 / 1M

Context Window:

128K tokens

SWE-bench Verified:

N/A

NVIDIA

Llama Nemotron Embed VL 1B v2

ভেক্টর এমবেডিং ও RAG

NVIDIA-এর Llama Nemotron Embed VL 1B v2 হলো হাই-ডাইমেনশনাল ভেক্টর সার্চ, সেমান্টিক রিট্রিভাল এবং RAG পাইপলাইনের জন্য বিশেষায়িত এআই মডেল, যা 32K কনটেক্সট উইন্ডো, 280 টোকেন/সেকেন্ড স্পিড এবং $0.02/$0.02 প্রতি 1M টোকেন মূল্যে 32/100 ইন্টেলিজে

Intelligence Index32 / 100
Input Token:

$0.02 / 1M

Output Token:

$0.02 / 1M

Context Window:

32K tokens

SWE-bench Verified:

N/A

একনজরে প্রধান পার্থক্যসমূহ

  • Llama Nemotron Embed VL 1B v2 is 1.5x cheaper for API usage (input + output tokens combined).
  • Llama Nemotron Rerank VL 1B v2 has a larger context window (128K vs 32K tokens).
  • Llama Nemotron Embed VL 1B v2 is faster at 280 tok/s vs 240 tok/s.
মডেলের বিভিন্ন পরিমাপকের সংজ্ঞা জানতে:এআই গ্লোসারি দেখুন →
বৈশিষ্ট্যLlama Nemotron Rerank VL 1B v2Llama Nemotron Embed VL 1B v2
Intelligence Index
Composite reasoning & knowledge score (0-100)
3332
Provider
NVIDIANVIDIA
Input Price
Cost per million input tokens
$0.03 / 1M$0.02 / 1M
Output Price
Cost per million output tokens
$0.03 / 1M$0.02 / 1M
Blended Price
Weighted 7:2:1 cache:input:output per 1M
$0.01 / 1M$0.01 / 1M
Context Window
Maximum input + output tokens
128K tokens~192 A4 pages of text32K tokens~48 A4 pages of text
Max Output Tokens
Per single request
2K2K
Throughput Speed
Tokens generated per second
240 tok/s280 tok/s
SWE-bench Verified
Real-world software engineering
N/AN/A
Cached Input Price
Prompt caching discount per 1M tokens
$0.01 / 1M$0.01 / 1M

কোন ক্ষেত্রে কোন মডেল সেরা?

একনজরে সিদ্ধান্ত নেওয়ার ফ্রেমওয়ার্ক
কোডিং

Evaluations ongoing

খরচ
Llama Nemotron Embed VL 1B v2
1.5x cheaper monthly runtime
স্পিড
Llama Nemotron Embed VL 1B v2
+17% faster generation
কনটেক্সট
Llama Nemotron Rerank VL 1B v2
128K tokens window

যাচাইকৃত বেঞ্চমার্ক স্কোর তুলনা

স্বাধীন গবেষণা ল্যাব দ্বারা যাচাইকৃত অফিশিয়াল ইভ্যালুয়েশন মেট্রিক্স।

Llama Nemotron Rerank VL 1B v2Llama Nemotron Embed VL 1B v2
LMSYS Chatbot Arena Elo

Crowdsourced human preference evaluation based on blind, head-to-head model battles.

1220ptsvs1210pts
Generation Speed (Throughput)

Tokens emitted per second during active generation streaming.

240 tok/s vs280 tok/s

লেটেন্সি ও রেসপন্স টাইম

প্রথম টোকেন আসার সময় (TTFT) এবং ৫০০ টোকেনের রেসপন্স জেনারেট করতে আনুমানিক সময়।

Time to First Token (TTFT)Lower is better
Llama Nemotron Rerank VL 1B v20.09s
Llama Nemotron Embed VL 1B v20.08s
Est. End-to-End Response (500 tokens)TTFT + generation time
Llama Nemotron Rerank VL 1B v22.17s
Llama Nemotron Embed VL 1B v21.87s

রিয়েল-টাইম টোকেন খরচ সিমুলেটর

প্রম্পট ক্যাশিং ডিসকাউন্টসহ মাসিক ক্লাউড API খরচ হিসাব করতে স্লাইডার পরিবর্তন করুন।

100K / day
10K500K1M
30K / day
5K150K300K
50% cached
0% (Cold)50%90% (Warm)
Llama Nemotron Rerank VL 1B v2 মাসিক API বিল
$0.08 / month
$0.03/1M in · $0.03/1M out
Llama Nemotron Embed VL 1B v2 মাসিক API বিল
$0.06 / month
$0.02/1M in · $0.02/1M out
Llama Nemotron Embed VL 1B v2 saves approximately $0.03 / month (34%) under this workload.1.5x Savings

Llama Nemotron Rerank VL 1B v2 · শক্তি ও প্রধান সুবিধাসমূহ

  • 128K কনটেক্সট উইন্ডো এবং সর্বোচ্চ 2K আউটপুট টোকেন জেনারেশন সক্ষমতা (Arena Elo 1220)
  • 240 টোকেন/সেকেন্ড জেনারেশন স্পিড এবং মাত্র 90ms প্রথম টোকেন ল্যাটেন্সি (TTFT)
  • ওপেন-ওয়েটস আর্কিটেকচার (1B) — vLLM, Ollama বা প্রাইভেট GPU ক্লাস্টারে সেলফ-হোস্টিংযোগ্য
বিবেচ্য বিষয় ও সীমাবদ্ধতা
  • সম্পূর্ণ প্রিসিশনে লোকাল GPU সার্ভারে হোস্ট করতে পর্যাপ্ত VRAM ও হার্ডওয়্যার অবকাঠামো প্রয়োজন
  • অত্যন্ত জটিল মাল্টি-হপ গবেষণার ক্ষেত্রে ফ্ল্যাগশিপ রিজনিং মডেলের তুলনায় নির্ভুলতা কিছুটা কম হতে পারে

Llama Nemotron Embed VL 1B v2 · শক্তি ও প্রধান সুবিধাসমূহ

  • 32K কনটেক্সট উইন্ডো এবং সর্বোচ্চ 2K আউটপুট টোকেন জেনারেশন সক্ষমতা (Arena Elo 1210)
  • 280 টোকেন/সেকেন্ড জেনারেশন স্পিড এবং মাত্র 80ms প্রথম টোকেন ল্যাটেন্সি (TTFT)
  • ওপেন-ওয়েটস আর্কিটেকচার (1B) — vLLM, Ollama বা প্রাইভেট GPU ক্লাস্টারে সেলফ-হোস্টিংযোগ্য
বিবেচ্য বিষয় ও সীমাবদ্ধতা
  • সম্পূর্ণ প্রিসিশনে লোকাল GPU সার্ভারে হোস্ট করতে পর্যাপ্ত VRAM ও হার্ডওয়্যার অবকাঠামো প্রয়োজন
  • অত্যন্ত জটিল মাল্টি-হপ গবেষণার ক্ষেত্রে ফ্ল্যাগশিপ রিজনিং মডেলের তুলনায় নির্ভুলতা কিছুটা কম হতে পারে

টোকেন ব্যবহার ও টাস্ক ইকোনমিক্স

একটি স্ট্যান্ডার্ড এজেন্টিক টাস্ক সম্পন্ন করতে আনুমানিক খরচ এবং টোকেন ব্যবহার।

MetricLlama Nemotron Rerank VL 1B v2Llama Nemotron Embed VL 1B v2
Cost per Task
Estimated USD to finish one task
$0.01$0.01
Output Tokens / Task
Tokens generated per task
1K1K
Reasoning Tokens / Task
Thinking tokens burned per task
0K0K

টেকনিক্যাল স্পেসিফিকেশন

অফিশিয়াল প্রোভাইডার রিলিজ স্পেক্স, API মডেল আইডি, রেট লিমিট, লং-কনটেক্সট প্রাইসিং ও এজেন্টিক সক্ষমতা

বৈশিষ্ট্যLlama Nemotron Rerank VL 1B v2Llama Nemotron Embed VL 1B v2
অফিশিয়াল API মডেল আইডি (SDK)llama-nemotron-rerank-vl-1b-v2llama-nemotron-embed-vl-1b-v2
API প্রোটোকলOpenAI-Compatible REST / vLLM / SGLang / HuggingFace TGIOpenAI-Compatible REST / vLLM / SGLang / HuggingFace TGI
রিলিজ তারিখ2026-032026-02
নলেজ কাটঅফJanuary 2026December 2025
আর্কিটেকচারCross-Encoder Multimodal Reranking TransformerDense Multimodal Embedding Transformer
প্যারামিটার স্কেল1B1B
এন্টারপ্রাইজ রেট লিমিট (RPM / TPM)Unlimited (Hardware-bound on self-hosted GPU) / 10,000 RPM Cloud · Unlimited local throughput / 10M+ TPM Managed CloudUnlimited (Hardware-bound on self-hosted GPU) / 10,000 RPM Cloud · Unlimited local throughput / 10M+ TPM Managed Cloud
লং-কনটেক্সট প্রাইসিং (>128K/200K)পূর্ণ 128K কনটেক্সট জুড়ে একই ফ্ল্যাট রেট ($0.03/1M)পূর্ণ 32K কনটেক্সট জুড়ে একই ফ্ল্যাট রেট ($0.02/1M)
প্রম্পট ক্যাশিং ও TTLক্যাশড ইনপুট রেট $0.008/1M টোকেনক্যাশড ইনপুট রেট $0.005/1M টোকেন
কম্পিউটার ইউজ / GUI এজেন্টটেক্সট জেনারেশন (GUI অ্যাকশন লুপ নেই)টেক্সট জেনারেশন (GUI অ্যাকশন লুপ নেই)
MCP ও প্যারালাল টুল কলিংপ্রম্পট-ভিত্তিক টেক্সট/JSON আউটপুটপ্রম্পট-ভিত্তিক টেক্সট/JSON আউটপুট
ওয়েব সার্চ ও কোড স্যান্ডবক্সএক্সটার্নাল সার্চ (Tavily/Exa) ও ডকার স্যান্ডবক্সের মাধ্যমে সমর্থিতএক্সটার্নাল সার্চ (Tavily/Exa) ও ডকার স্যান্ডবক্সের মাধ্যমে সমর্থিত
অফিশিয়াল ফাইন-টিউনিং (SFT/LoRA/RFT)পূর্ণ ওয়েটস SFT, LoRA, QLoRA, DPO ও RL ফাইন-টিউনিং (Unsloth / Axolotl)পূর্ণ ওয়েটস SFT, LoRA, QLoRA, DPO ও RL ফাইন-টিউনিং (Unsloth / Axolotl)
মাল্টিমোডাল টোকেন বিলিংটেক্সট BPE (~৪ অক্ষর/টোকেন) · ইমেজ (~২৫৮–৭৬৫ টোকেন/ছবি)টেক্সট BPE (~৪ অক্ষর/টোকেন) · ইমেজ (~২৫৮–৭৬৫ টোকেন/ছবি)
কোয়ান্টাইজেশন ও মিনিমাম VRAMBF16 / FP16, FP8 Dynamic, INT4 AWQ / GPTQ, GGUF (Q4_K_M / Q8_0) · 2 GB VRAM (৪-বিট কোয়ান্টাইজড) · 4 GB VRAM (নেটিভ BF16)BF16 / FP16, FP8 Dynamic, INT4 AWQ / GPTQ, GGUF (Q4_K_M / Q8_0) · 2 GB VRAM (৪-বিট কোয়ান্টাইজড) · 4 GB VRAM (নেটিভ BF16)
সেফটি ও ফ্রন্টিয়ার ক্লাসিফিকেশনOpen-Weights System Card + Customizable Guardrail Layer (Llama Guard / ShieldGemma)Open-Weights System Card + Customizable Guardrail Layer (Llama Guard / ShieldGemma)
এন্টারপ্রাইজ কমপ্লায়েন্স (ZDR/HIPAA/SOC2)১০০% অন-প্রেমিসেস / প্রাইভেট VPC নিয়ন্ত্রণ · সম্পূর্ণ HIPAA, GDPR ও SOC2 কমপ্লায়েন্ট১০০% অন-প্রেমিসেস / প্রাইভেট VPC নিয়ন্ত্রণ · সম্পূর্ণ HIPAA, GDPR ও SOC2 কমপ্লায়েন্ট
ইনপুট মডালিটিtext, visiontext, vision
আউটপুট মডালিটিscoreembedding

Llama Nemotron Rerank VL 1B v2 vs Llama Nemotron Embed VL 1B v2: সংক্ষিপ্ত প্রশ্নোত্তর (FAQ)

Which is more intelligent, Llama Nemotron Rerank VL 1B v2 or Llama Nemotron Embed VL 1B v2?

Llama Nemotron Rerank VL 1B v2 is more intelligent. It scores 33 compared with 32 on the composite Intelligence Index.

Which model is faster?

Llama Nemotron Embed VL 1B v2 is faster, generating 280 tokens per second compared with 240 tokens per second.

Which model has lower latency?

Llama Nemotron Embed VL 1B v2 has lower latency, with a time to first token of 0.08s compared with 0.09s.

Which model has a larger context window?

Llama Nemotron Rerank VL 1B v2 has a larger context window, supporting 128K tokens compared with 32K tokens.

চূড়ান্ত মতামত

Llama Nemotron Rerank VL 1B v2 (সাশ্রয়ী API খরচ ও দ্রুত থ্রুপুটের জন্য অপ্টিমাইজড হালকা, RAG নলেজ পাইপলাইন এবং স্কেলেবল প্রোডাকশন API ইন্টিগ্রেশন।) এবং Llama Nemotron Embed VL 1B v2 (হাই-ডাইমেনশনাল ভেক্টর সার্চ, সেমান্টিক রিট্রিভাল এবং RAG পাইপলাইনের জন্য বিশেষায়িত, RAG নলেজ পাইপলাইন এবং স্কেলেবল প্রোডাকশন API ইন্টিগ্রেশন।) উভয়ই শক্তিশালী মডেল। সার্বিক রিজনিং ও কোডিং বেঞ্চমার্কে Llama Nemotron Rerank VL 1B v2 এগিয়ে, দ্রুত ইনফারেন্স গতির জন্য Llama Nemotron Embed VL 1B v2 সেরা এবং কম এপিআই খরচে প্রোডাকশন ডিপ্লয়মেন্টের জন্য Llama Nemotron Embed VL 1B v2 সবচেয়ে সাশ্রয়ী পছন্দ।

সাধারণ জিজ্ঞাসা (FAQ)

কোডিং ও জটিল রিজনিংয়ের জন্য Llama Nemotron Rerank VL 1B v2 নাকি Llama Nemotron Embed VL 1B v2 কোনটি ভালো?+

বেঞ্চমার্ক এবং রিজনিং মূল্যায়নে Llama Nemotron Rerank VL 1B v2 এগিয়ে রয়েছে। তবে আপনার নির্দিষ্ট প্রজেক্টের জন্য উভয় মডেলের SWE-bench ও GPQA স্কোর তুলনা করে নেওয়া উত্তম।

Llama Nemotron Rerank VL 1B v2 এবং Llama Nemotron Embed VL 1B v2-এর এপিআই খরচের পার্থক্য কত?+

Llama Nemotron Rerank VL 1B v2-এর ইনপুট/আউটপুট মূল্য $0.03 / $0.03 (প্রতি ১ মিলিয়ন টোকেন) এবং Llama Nemotron Embed VL 1B v2-এর মূল্য $0.02 / $0.02। সার্বিক ওয়ার্কলোডে Llama Nemotron Embed VL 1B v2 বেশি সাশ্রয়ী।

কোন মডেলটির কনটেক্সট উইন্ডো ও স্পিড বেশি?+

Llama Nemotron Rerank VL 1B v2 মডেলের কনটেক্সট উইন্ডো 128K টোকেন এবং Llama Nemotron Embed VL 1B v2 মডেলের কনটেক্সট উইন্ডো 32K টোকেন। ইনফারেন্স গতির দিক থেকে Llama Nemotron Embed VL 1B v2 দ্রুততর আউটপুট প্রদান করে।

এআই পরিভাষা ও গাইড
সম্পূর্ণ গ্লোসারি →

মডেলের বিভিন্ন পরিমাপক যেমন কনটেক্সট উইন্ডো, টোকেন প্রাইজ এবং রিজনিং স্কোর সম্পর্কে বিস্তারিত জানতে আমাদের এআই গ্লোসারি দেখুন।

টোকেন (Token)কনটেক্সট উইন্ডোএআই বেঞ্চমার্করিজনিং মডেলটুল কলিংমডেল কনটেক্সট প্রোটোকল

Related reading

এআই ল্যাবগুলোর নতুন রিলিজের সাথে সাথে বেঞ্চমার্ক স্কোর, টোকেন প্রাইসিং এবং রেট লিমিট নিয়মিত পরিবর্তিত হয়। প্রোডাকশনে ব্যবহারের পূর্বে সর্বদা অফিশিয়াল প্রোভাইডার ডকুমেন্টেশন যাচাই করুন।

তথ্যসূত্র: NVIDIA ও NVIDIA অফিশিয়াল এপিআই ডকুমেন্টেশন এবং স্বাধীন বেঞ্চমার্ক ইভালুয়েশন (২০২৬)।