Nemotron 3.5 Super VL est un modèle de NVIDIA destiné aux tâches qui demandent de relier plusieurs étapes de raisonnement, de comprendre du code ou de traiter un contenu volumineux. Dans Ailoot, cette fiche propose un dialogue textuel : vous transmettez des instructions, les données de départ et l’historique des messages, puis le modèle renvoie une réponse textuelle.
Il peut servir à analyser de la documentation technique, à comparer des exigences, à préparer des explications de code et à étudier des rapports textuels. Dans la requête, définissez l’objectif, joignez les contenus nécessaires et précisez la forme du résultat : par exemple, une liste de conclusions justifiées, un plan de modification d’un programme ou une comparaison de plusieurs solutions.
Le modèle Super VL d’origine est un modèle vision-langage de NVIDIA doté de l’encodeur visuel C-RADIO, également conçu pour comprendre des documents et des vidéos. Cette fiche Ailoot donne accès à son traitement du texte ; les contenus sources sont transmis sous forme textuelle.
Le modèle combine Mamba-2, Transformer et une architecture Mixture of Experts. Sur environ 120 milliards de paramètres, près de 12 milliards sont activés à chaque étape de traitement. Cette organisation du modèle doit être distinguée de la vitesse réelle d’une requête particulière.
L’entraînement a utilisé des dépôts logiciels, des paires de tâches et de modifications de code, des journaux de compilation, des parcours de résolution en plusieurs étapes et des contenus pour le long contexte. La suite de l’entraînement a combiné code, raisonnement, instructions et dialogue. Cette spécialisation est utile pour une tâche composée, où les informations de départ doivent d’abord être reliées avant de présenter le résultat.
Pour analyser un document, formulez d’abord la question et les critères de sélection des informations, puis joignez le texte avec les titres de ses sections. Pour comparer des sources, attribuez-leur des repères courts et demandez de rattacher les conclusions à ces repères. Pour une tâche de programmation, ajoutez le passage de code concerné, le comportement observé et le résultat attendu ; la réponse pourra ainsi être confrontée à un cas précis.
Une grande fenêtre de contexte permet de réunir des contenus liés dans une seule requête. Sa capacité ne remplace pas une formulation claire : séparez les instructions des données sources et précisez à l’avance la décision ou le document que vous souhaitez obtenir.
Dans Ailoot, cette variante dispose d’une fenêtre annoncée de 1 000 000 de tokens et d’une limite de réponse de 131 072 tokens. L’historique de la conversation, les instructions, les contenus sources et la réponse partagent le même contexte ; laissez de la place pour le résultat lors de la préparation d’une requête longue.
Le modèle est accessible via Chat Completions, Responses et Messages. Cette variante propose du texte en entrée et du texte en sortie ; les documents sont transmis sous forme de contenu textuel.
", "aboutText": "### Raisonnement, code et travail sur les textes longs\n\nNemotron 3.5 Super VL est un modèle de NVIDIA destiné aux tâches qui demandent de relier plusieurs étapes de raisonnement, de comprendre du code ou de traiter un contenu volumineux. Dans Ailoot, cette fiche propose un dialogue textuel : vous transmettez des instructions, les données de départ et l’historique des messages, puis le modèle renvoie une réponse textuelle.\n\nIl peut servir à analyser de la documentation technique, à comparer des exigences, à préparer des explications de code et à étudier des rapports textuels. Dans la requête, définissez l’objectif, joignez les contenus nécessaires et précisez la forme du résultat : par exemple, une liste de conclusions justifiées, un plan de modification d’un programme ou une comparaison de plusieurs solutions.\n\n### Architecture et spécialisation\n\nLe modèle Super VL d’origine est un modèle vision-langage de NVIDIA doté de l’encodeur visuel C-RADIO, également conçu pour comprendre des documents et des vidéos. Cette fiche Ailoot donne accès à son traitement du texte ; les contenus sources sont transmis sous forme textuelle.\n\nLe modèle combine Mamba-2, Transformer et une architecture Mixture of Experts. Sur environ 120 milliards de paramètres, près de 12 milliards sont activés à chaque étape de traitement. Cette organisation du modèle doit être distinguée de la vitesse réelle d’une requête particulière.\n\nL’entraînement a utilisé des dépôts logiciels, des paires de tâches et de modifications de code, des journaux de compilation, des parcours de résolution en plusieurs étapes et des contenus pour le long contexte. La suite de l’entraînement a combiné code, raisonnement, instructions et dialogue. Cette spécialisation est utile pour une tâche composée, où les informations de départ doivent d’abord être reliées avant de présenter le résultat.\n\n### Comment préparer la tâche\n\nPour analyser un document, formulez d’abord la question et les critères de sélection des informations, puis joignez le texte avec les titres de ses sections. Pour comparer des sources, attribuez-leur des repères courts et demandez de rattacher les conclusions à ces repères. Pour une tâche de programmation, ajoutez le passage de code concerné, le comportement observé et le résultat attendu ; la réponse pourra ainsi être confrontée à un cas précis.\n\nUne grande fenêtre de contexte permet de réunir des contenus liés dans une seule requête. Sa capacité ne remplace pas une formulation claire : séparez les instructions des données sources et précisez à l’avance la décision ou le document que vous souhaitez obtenir.\n\n### Contexte et interfaces\n\nDans Ailoot, cette variante dispose d’une fenêtre annoncée de 1 000 000 de tokens et d’une limite de réponse de 131 072 tokens. L’historique de la conversation, les instructions, les contenus sources et la réponse partagent le même contexte ; laissez de la place pour le résultat lors de la préparation d’une requête longue.\n\nLe modèle est accessible via Chat Completions, Responses et Messages. Cette variante propose du texte en entrée et du texte en sortie ; les documents sont transmis sous forme de contenu textuel.", "locale": "fr-be", "methods": [ { "html": "POST /v1/messagestexttextPOST /v1/responsestexttextPOST /v1/chat/completionstexttext