modeller

NVIDIA: Nemotron 3.5 Super VL (free)

Markdown · JSON

NVIDIA: Nemotron 3.5 Super VL (free)

nvidia/nemotron-3.5-super-vl:free
NVIDIATekstInput 0,00 US$ / 1KOutput 0,00 US$ / 1K

Tekstdialog med en NVIDIA-model til ræsonnement, kodearbejde og analyse af omfattende materiale.

Ræsonnement, kode og lange tekster

Nemotron 3.5 Super VL er en NVIDIA-model til opgaver, hvor flere ræsonnementstrin skal forbindes, programkode forstås eller omfattende materiale behandles. I Ailoot API tilbyder dette modelkort tekstdialog: Du angiver instruktioner, grundmateriale og beskedhistorik, og modellen returnerer et tekstsvar.

Den kan bruges til analyse af teknisk dokumentation, sammenligning af krav, kodeforklaringer og analyse af tekstrapporter. Angiv gerne målet, det nødvendige materiale og resultatformatet i forespørgslen, eksempelvis en liste over konklusioner med begrundelser, en plan for en programændring eller en sammenligning af flere løsninger.

Opbygning og specialisering

Den oprindelige Super VL er NVIDIAs visuelle sprogmodel med den visuelle encoder C-RADIO, som også er beregnet til dokument- og videoforståelse. Dette modelkort i Ailoot API giver adgang til tekstbehandling; grundmaterialet sendes som tekstindhold.

Modellens grundlag kombinerer Mamba-2, Transformer og Mixture of Experts-arkitektur. Af cirka 120 milliarder parametre aktiveres omkring 12 milliarder i hvert behandlingstrin. Det beskriver modellens opbygning og bør holdes adskilt fra den faktiske hastighed for en konkret forespørgsel.

Træningen omfattede koderepositorier, par af opgaver og kodeændringer, byggelogfiler, løsningsforløb i flere trin og materiale til lang kontekst. Videre træning samlede arbejde med kode, ræsonnement, instruktioner og dialog. Specialiseringen er nyttig ved sammensatte opgaver, hvor grundoplysninger først skal forbindes og resultatet derefter udformes.

Sådan forberedes opgaven

Til dokumentanalyse formuleres først spørgsmålet og kriterierne for udvælgelse af information, hvorefter teksten vedlægges med afsnitsoverskrifter. Hvis kilder skal sammenlignes, så giv dem korte mærkater, og bed om at knytte konklusioner til dem. Til kodeopgaver tilføjes det relevante programudsnit, den observerede adfærd og det forventede resultat, så svaret kan sammenholdes med den konkrete situation.

Det store kontekstvindue gør det muligt at samle beslægtet materiale i én forespørgsel. Kontekstens størrelse erstatter ikke en klar opgavebeskrivelse: Adskil gerne instruktioner fra grunddata, og angiv på forhånd den løsning eller det dokument, du ønsker.

Kontekst og tilslutningsmuligheder

I Ailoot API angives et vindue på 1000000 tokens og en svargrænse på op til 131072 tokens for denne variant. Samtalehistorik, instruktioner, grundmateriale og svar bruger den fælles kontekst; lad plads til resultatet ved forberedelse af en lang forespørgsel.

Modellen er tilgængelig via Chat Completions, Responses og Messages. Det tilgængelige forløb for denne variant er tekst som input og tekst som output; dokumenter sendes som tekstindhold.

Tilgængeligt via Ailoot API

Ultra Anthropic MessagesPOST /v1/messages
Inputtyper
text
Outputtyper
text
Kontekst
1.000.000 tokens
Maks. svar
131.072 tokens
Input
0,00 US$ / 1K
Output
0,00 US$ / 1K
Ultra OpenAI ResponsesPOST /v1/responses
Inputtyper
text
Outputtyper
text
Kontekst
1.000.000 tokens
Maks. svar
131.072 tokens
Input
0,00 US$ / 1K
Output
0,00 US$ / 1K
Ultra OpenAI ChatPOST /v1/chat/completions
Inputtyper
text
Outputtyper
text
Kontekst
1.000.000 tokens
Maks. svar
131.072 tokens
Input
0,00 US$ / 1K
Output
0,00 US$ / 1K
nvidia/nemotron-3.5-super-vl:free · JSON
{"about":"### Ræsonnement, kode og lange tekster\n\nNemotron 3.5 Super VL er en NVIDIA-model til opgaver, hvor flere ræsonnementstrin skal forbindes, programkode forstås eller omfattende materiale behandles. I Ailoot API tilbyder dette modelkort tekstdialog: Du angiver instruktioner, grundmateriale og beskedhistorik, og modellen returnerer et tekstsvar.\n\nDen kan bruges til analyse af teknisk dokumentation, sammenligning af krav, kodeforklaringer og analyse af tekstrapporter. Angiv gerne målet, det nødvendige materiale og resultatformatet i forespørgslen, eksempelvis en liste over konklusioner med begrundelser, en plan for en programændring eller en sammenligning af flere løsninger.\n\n### Opbygning og specialisering\n\nDen oprindelige Super VL er NVIDIAs visuelle sprogmodel med den visuelle encoder C-RADIO, som også er beregnet til dokument- og videoforståelse. Dette modelkort i Ailoot API giver adgang til tekstbehandling; grundmaterialet sendes som tekstindhold.\n\nModellens grundlag kombinerer Mamba-2, Transformer og Mixture of Experts-arkitektur. Af cirka 120 milliarder parametre aktiveres omkring 12 milliarder i hvert behandlingstrin. Det beskriver modellens opbygning og bør holdes adskilt fra den faktiske hastighed for en konkret forespørgsel.\n\nTræningen omfattede koderepositorier, par af opgaver og kodeændringer, byggelogfiler, løsningsforløb i flere trin og materiale til lang kontekst. Videre træning samlede arbejde med kode, ræsonnement, instruktioner og dialog. Specialiseringen er nyttig ved sammensatte opgaver, hvor grundoplysninger først skal forbindes og resultatet derefter udformes.\n\n### Sådan forberedes opgaven\n\nTil dokumentanalyse formuleres først spørgsmålet og kriterierne for udvælgelse af information, hvorefter teksten vedlægges med afsnitsoverskrifter. Hvis kilder skal sammenlignes, så giv dem korte mærkater, og bed om at knytte konklusioner til dem. Til kodeopgaver tilføjes det relevante programudsnit, den observerede adfærd og det forventede resultat, så svaret kan sammenholdes med den konkrete situation.\n\nDet store kontekstvindue gør det muligt at samle beslægtet materiale i én forespørgsel. Kontekstens størrelse erstatter ikke en klar opgavebeskrivelse: Adskil gerne instruktioner fra grunddata, og angiv på forhånd den løsning eller det dokument, du ønsker.\n\n### Kontekst og tilslutningsmuligheder\n\nI Ailoot API angives et vindue på 1000000 tokens og en svargrænse på op til 131072 tokens for denne variant. Samtalehistorik, instruktioner, grundmateriale og svar bruger den fælles kontekst; lad plads til resultatet ved forberedelse af en lang forespørgsel.\n\nModellen er tilgængelig via Chat Completions, Responses og Messages. Det tilgængelige forløb for denne variant er tekst som input og tekst som output; dokumenter sendes som tekstindhold.","alias_of":null,"aliases":[],"author":"NVIDIA","canonical_model":"nvidia/nemotron-3.5-super-vl:free","ctx":1000000,"formats":["chat","messages","responses"],"id":"nvidia/nemotron-3.5-super-vl:free","input":["text"],"kind":"text","max_out":131072,"methods":[{"cache_read":null,"cache_write":null,"cache_write_1h":null,"cache_write_5m":null,"conditional_meter":null,"ctx":1000000,"family":"anthropic","fast_multiplier":1,"flex_multiplier":1,"fmt":"messages","http":"POST","img_in":null,"img_out":null,"in":0,"input":["text"],"label":"Anthropic Messages","max_out":131072,"max_tool_calls":null,"out":0,"output":["text"],"path":"/v1/messages","request_model_id":"nvidia/nemotron-3.5-super-vl:free","route_label":"Ultra","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]},{"cache_read":null,"cache_write":null,"cache_write_1h":null,"cache_write_5m":null,"conditional_meter":null,"ctx":1000000,"family":"openai","fast_multiplier":1,"flex_multiplier":1,"fmt":"responses","http":"POST","img_in":null,"img_out":null,"in":0,"input":["text"],"label":"OpenAI Responses","max_out":131072,"max_tool_calls":null,"out":0,"output":["text"],"path":"/v1/responses","request_model_id":"nvidia/nemotron-3.5-super-vl:free","route_label":"Ultra","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]},{"cache_read":null,"cache_write":null,"cache_write_1h":null,"cache_write_5m":null,"conditional_meter":null,"ctx":1000000,"family":"openai","fast_multiplier":1,"flex_multiplier":1,"fmt":"chat","http":"POST","img_in":null,"img_out":null,"in":0,"input":["text"],"label":"OpenAI Chat","max_out":131072,"max_tool_calls":null,"out":0,"output":["text"],"path":"/v1/chat/completions","request_model_id":"nvidia/nemotron-3.5-super-vl:free","route_label":"Ultra","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]}],"model_aliases":[{"canonical_model_id":"nvidia/nemotron-3.5-super-vl:free","request_model_id":"nvidia/nemotron-3.5-super-vl:free","route_label":"Ultra"}],"name":"NVIDIA: Nemotron 3.5 Super VL (free)","price":{"in":0,"in_label":null,"out":0,"out_label":null,"sort_in":0,"sort_out":0,"varies":false},"public_id":"nvidia/nemotron-3.5-super-vl:free","short":"Tekstdialog med en NVIDIA-model til ræsonnement, kodearbejde og analyse af omfattende materiale."}

Spørgsmål

Hvordan vælger jeg en model til min opgave?

Fastlæg først det nødvendige input og output: tekst, billede, lyd eller video. Sammenlign derefter kompatible API-metoder, det præcise model-ID eller den model, aliaset aktuelt peger på, pris og afregningsenhed. GET /v1/models er gratis og viser de modeller, din nøgle har adgang til.

Understøtter hver model alle API-metoder og medietyper?

Brug de API-metoder og input- og outputtyper, der står på modelkortet. Understøttelse af tekst, billeder, lyd eller video afhænger af den valgte model og metode; se det tilhørende eksempel på en forespørgsel, før du sender dine data.

Hvad er forskellen på et model-ID og et alias?

Et præcist model-ID angiver en bestemt model. Et alias peger på en model, og det kan ændre sig, hvilken model det peger på. Kontrollér den aktuelle målmodel for aliaset i kataloget; brug det præcise ID, når din integration kræver en bestemt model.

Hvordan sammenligner jeg priser, før jeg sender en forespørgsel?

Se prisen og afregningsenheden for den valgte API-metode på modelkortet. Sammenlign samme enhed og samme type input og output; forespørgselshistorikken viser det faktiske forbrug og det opkrævede beløb.

Hvad giver abonnementet?

Rabat på tokenkøb til regelmæssigt arbejde. Vælg abonnement efter anmodningsmængden. Vilkår og pris vises ved bestilling.

Hvordan bruger jeg en rabatkode på op til 50%?

Indtast rabatkoden ved tokenkøbet. Totalen genberegnes efter kampagnevilkårene, og rabatten vises før betaling.