Llama Nemotron Rerank VL 1B v2 vs Llama Nemotron Embed VL 1B v2
Benchmarks, API Token Pricing, Context Window & Speed Comparison
Related topics (12)
Llama Nemotron Rerank VL 1B v2 от NVIDIA и Llama Nemotron Embed VL 1B v2 от NVIDIA — две ключевые модели ИИ в своём классе. Llama Nemotron Rerank VL 1B v2 предлагает контекстное окно 128K токенов по цене $0.03/$0.03 за 1 млн токенов, а Llama Nemotron Embed VL 1B v2 — контекст 32K токенов по цене $0.02/$0.02 за 1 млн токенов. Ниже представлено сравнение бенчмарков, задержки и экономики.
Выбирайте и сравнивайте любые модели
Select any AI models from our verified benchmark database to generate live side-by-side matrices.
Llama Nemotron Rerank VL 1B v2
Компактная экономичная модельLlama Nemotron Rerank VL 1B v2 от NVIDIA — специализированная ИИ-модель для максимальной экономической эффективности на токен и быстрого продакшен-инференса, обеспечивающая контекстное окно 128K, скорость 240 ток/с и индекс интеллекта 33/10
$0.03 / 1M
$0.03 / 1M
128K tokens
N/A
Llama Nemotron Embed VL 1B v2
Векторные эмбеддинги и RAGLlama Nemotron Embed VL 1B v2 от NVIDIA — специализированная ИИ-модель для семантического векторного поиска, индексации знаний и корпоративных систем RAG, обеспечивающая контекстное окно 32K, скорость 280 ток/с и индекс интеллекта 32/100 (п
$0.02 / 1M
$0.02 / 1M
32K tokens
N/A
Ключевые отличия кратко
- 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.
| Feature | Llama Nemotron Rerank VL 1B v2 | Llama Nemotron Embed VL 1B v2 |
|---|---|---|
Intelligence Index Composite reasoning & knowledge score (0-100) | 33 | 32 |
Provider | NVIDIA | NVIDIA |
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 text | 32K tokens~48 A4 pages of text |
Max Output Tokens Per single request | 2K | 2K |
Throughput Speed Tokens generated per second | 240 tok/s | 280 tok/s |
SWE-bench Verified Real-world software engineering | N/A | N/A |
Cached Input Price Prompt caching discount per 1M tokens | $0.01 / 1M | $0.01 / 1M |
Кто лидирует в каждой категории?
At-a-glance decision frameworkEvaluations ongoing
Результаты проверенных бенчмарков
Official evaluation metrics verified by independent third-party research labs.
Crowdsourced human preference evaluation based on blind, head-to-head model battles.
Tokens emitted per second during active generation streaming.
Задержка и скорость ответа
Time to first token (TTFT) and estimated end-to-end response time for a typical 500-token response.
Интерактивный калькулятор стоимости токенов
Adjust sliders to calculate projected monthly cloud API spending with prompt caching discounts.
Llama Nemotron Rerank VL 1B v2 · Strengths & Key Advantages
- Контекстное окно 128K и генерация до 2K выходных токенов за ответ (Arena Elo 1220)
- Высокая скорость генерации 240 токенов/сек при задержке до первого токена (TTFT) всего 90 мс
- Открытые веса модели (1B) для локального хостинга и дообучения через vLLM, SGLang или Ollama
Considerations & Trade-offs
- Для локального запуска в полной точности требуются GPU-серверы с достаточным объемом видеопамяти (VRAM)
- В сверхсложных научных доказательствах специализированные тяжелые модели рассуждения могут показывать большую глубину
Llama Nemotron Embed VL 1B v2 · Strengths & Key Advantages
- Контекстное окно 32K и генерация до 2K выходных токенов за ответ (Arena Elo 1210)
- Высокая скорость генерации 280 токенов/сек при задержке до первого токена (TTFT) всего 80 мс
- Открытые веса модели (1B) для локального хостинга и дообучения через vLLM, SGLang или Ollama
Considerations & Trade-offs
- Для локального запуска в полной точности требуются GPU-серверы с достаточным объемом видеопамяти (VRAM)
- В сверхсложных научных доказательствах специализированные тяжелые модели рассуждения могут показывать большую глубину
Token Use & Task Economics
Estimated cost and token consumption to complete one representative agentic task.
| Metric | Llama Nemotron Rerank VL 1B v2 | Llama 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 | 1K | 1K |
Reasoning Tokens / Task Thinking tokens burned per task | 0K | 0K |
Технические характеристики
Architecture, release timeline, capabilities, and modalities.
| Feature | Llama Nemotron Rerank VL 1B v2 | Llama Nemotron Embed VL 1B v2 |
|---|---|---|
| Official API Model ID (SDK) | llama-nemotron-rerank-vl-1b-v2 | llama-nemotron-embed-vl-1b-v2 |
| API Protocol | OpenAI-Compatible REST / vLLM / SGLang / HuggingFace TGI | OpenAI-Compatible REST / vLLM / SGLang / HuggingFace TGI |
| Release Date | 2026-03 | 2026-02 |
| Knowledge Cutoff | January 2026 | December 2025 |
| Architecture | Cross-Encoder Multimodal Reranking Transformer | Dense Multimodal Embedding Transformer |
| Parameters | 1B | 1B |
| Enterprise Rate Limits (RPM / TPM) | Unlimited (Hardware-bound on self-hosted GPU) / 10,000 RPM Cloud · Unlimited local throughput / 10M+ TPM Managed Cloud | Unlimited (Hardware-bound on self-hosted GPU) / 10,000 RPM Cloud · Unlimited local throughput / 10M+ TPM Managed Cloud |
| Long-Context Tier (>128K/200K) | Flat rate ($0.03/1M in) across full 128K window | Flat rate ($0.02/1M in) across full 32K window |
| Prompt Cache Policy & TTL | Cached input at $0.008/1M tokens | Cached input at $0.005/1M tokens |
| Computer Use / GUI Agent | Text-only completion (No GUI action loop) | Text-only completion (No GUI action loop) |
| MCP & Parallel Tool Calling | Prompt-based JSON extraction only | Prompt-based JSON extraction only |
| Web Search Grounding & Sandbox | Supported via external Tavily/Exa Search & E2B/Docker Sandbox tools | Supported via external Tavily/Exa Search & E2B/Docker Sandbox tools |
| Official Fine-Tuning Support | Full Weights SFT, LoRA, QLoRA, DPO & GRPO RL (Unsloth / Axolotl / Llama-Factory) | Full Weights SFT, LoRA, QLoRA, DPO & GRPO RL (Unsloth / Axolotl / Llama-Factory) |
| Multimodal Token Billing | Text BPE (~4 chars/token) · Vision (~258–765 tokens per image tile) | Text BPE (~4 chars/token) · Vision (~258–765 tokens per image tile) |
| Quantization & Min GPU VRAM | BF16 / FP16, FP8 Dynamic, INT4 AWQ / GPTQ, GGUF (Q4_K_M / Q8_0) · 2 GB VRAM (4-bit Quantized) · 4 GB VRAM (Native BF16) | BF16 / FP16, FP8 Dynamic, INT4 AWQ / GPTQ, GGUF (Q4_K_M / Q8_0) · 2 GB VRAM (4-bit Quantized) · 4 GB VRAM (Native BF16) |
| Safety & Frontier Classification | Open-Weights System Card + Customizable Guardrail Layer (Llama Guard / ShieldGemma) | Open-Weights System Card + Customizable Guardrail Layer (Llama Guard / ShieldGemma) |
| Enterprise Compliance (ZDR/HIPAA/SOC2) | 100% Air-Gapped On-Premises / Private VPC · Full HIPAA, GDPR & SOC2 Control | 100% Air-Gapped On-Premises / Private VPC · Full HIPAA, GDPR & SOC2 Control |
| Input Modalities | text, vision | text, vision |
| Output Modalities | score | embedding |
Llama Nemotron Rerank VL 1B v2 vs Llama Nemotron Embed VL 1B v2: Быстрые ответы (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.
Вердикт
И Llama Nemotron Rerank VL 1B v2 (Оптимально для максимальной экономической эффективности на токен и быстрого продакшен-инференса, корпоративных RAG-пайплайнов и масштабируемых API-сервисов.), и Llama Nemotron Embed VL 1B v2 (Оптимально для семантического векторного поиска, индексации знаний и корпоративных систем RAG, корпоративных RAG-пайплайнов и масштабируемых API-сервисов.) отлично подходят для продакшена: Llama Nemotron Rerank VL 1B v2 лидирует в сложных тестах логики и кода, Llama Nemotron Embed VL 1B v2 обеспечивает более высокую скорость генерации, а Llama Nemotron Embed VL 1B v2 выгоднее при больших объёмах API-запросов.
Часто задаваемые вопросы (FAQ)
Что лучше для программирования и логики: Llama Nemotron Rerank VL 1B v2 или Llama Nemotron Embed VL 1B v2?+
По сводному индексу интеллекта и тестам программирования лидирует Llama Nemotron Rerank VL 1B v2. Подробные баллы SWE-bench и GPQA приведены в таблице выше.
У какой модели дешевле API — Llama Nemotron Rerank VL 1B v2 или Llama Nemotron Embed VL 1B v2?+
Тариф Llama Nemotron Rerank VL 1B v2 составляет $0.03 / $0.03 за 1 млн входных/выходных токенов, а Llama Nemotron Embed VL 1B v2 — $0.02 / $0.02. По смешанной стоимости выгоднее Llama Nemotron Embed VL 1B v2.
У какой модели больше окно контекста и выше скорость?+
Llama Nemotron Rerank VL 1B v2 поддерживает контекст 128K токенов против 32K токенов у Llama Nemotron Embed VL 1B v2, а по скорости генерации токенов лидирует Llama Nemotron Embed VL 1B v2.
Understand key metrics like context window, token pricing, reasoning mode, and SWE-bench scores in our comprehensive AI glossary.
Related reading
- Gemini Embedding 001 против Llama Nemotron Embed VL 1B v2: Сравнение бенчмарков, цен API и скорости (2026)Сравнение
- Gemini Embedding 2 против Llama Nemotron Rerank VL 1B v2: Сравнение бенчмарков, цен API и скорости (2026)Сравнение
- Aion-3.0 против Aion-Mini: Сравнение бенчмарков, цен API и скорости (2026)Сравнение
- Aion-3.0 против Gemini 3.6 Flash: Сравнение бенчмарков, цен API и скорости (2026)Сравнение
- Aion-Mini против Laguna XS 2.1: Сравнение бенчмарков, цен API и скорости (2026)Сравнение
- Aya Expanse 32B против Llama 3.2 90B Vision: Сравнение бенчмарков, цен API и скорости (2026)Сравнение
Benchmark scores, token prices, and rate limits evolve rapidly as AI labs release model updates. Always verify current specifications and pricing on the official provider documentation.
Официальные источники: Официальная документация API NVIDIA и NVIDIA, системные карточки и независимые бенчмарки (2026).