NVIDIA: Nemotron 3.5 Super VL

{"about":"### 推論、コード、長い文章の処理\n\nNemotron 3.5 Super VLは、複数段階の推論の結び付け、プログラムコードの理解、大量の資料の処理に向けたNVIDIAのモデルです。Ailootのこのモデルカードはテキスト対話を提供します。指示、元データ、メッセージ履歴を渡し、テキスト回答を受け取ります。\n\n技術文書の分析、要件の照合、コードの説明、テキスト報告書の分析に利用できます。目標を示し、必要な資料を添え、根拠付きの結論一覧、プログラムの変更計画、複数案の比較など結果の形を定めると役立ちます。\n\n### 構造と専門性\n\n元のSuper VLは、C-RADIO視覚エンコーダーを備え、文書や動画の理解も想定したNVIDIAの視覚言語モデルです。Ailootのこのモデルカードではテキスト処理を利用し、元資料は文章として渡します。\n\nモデルの基盤はMamba-2、Transformer、Mixture of Expertsを組み合わせています。約1,200億パラメータのうち、処理の各段階で約120億が有効になります。これはモデルの構造であり、個々の要求の実際の速度とは分けて考える必要があります。\n\n学習には、ソフトウェアリポジトリ、課題とコード変更の組、ビルドログ、複数段階の解決過程、長いコンテキスト用の資料が使われました。その後の学習ではコード、推論、指示、対話を組み合わせています。元情報をまず関連付けてから結果を形にする複合的な課題を設定する際に役立つ専門性です。\n\n### 課題の準備\n\n文書分析では、まず質問と情報を選ぶ基準を示し、節の見出し付きの文章を添えます。複数資料の比較には短いラベルを付け、結論をそれらへ対応付けるよう求めます。コードでは関連する部分、実際の動作、期待する結果を加えると、回答を具体的な事例と照合できます。\n\n大きなコンテキストウィンドウは、関連資料を一つの要求にまとめるのに役立ちます。ただし大きさだけでは明確な課題設定の代わりにはなりません。指示と元データを分け、得たい解決策や文書を先に示すと有用です。\n\n### コンテキストと接続方法\n\nAilootでは、この版のコンテキストウィンドウは262,144トークンと記載されています。会話履歴、指示、元資料、回答が共にこの空間を使うため、長い要求では結果の余地を残してください。\n\nChat Completions、Responses、Messages、Gemini形式のテキストインターフェースを通して利用できます。この版の利用範囲はテキスト入力とテキスト出力であり、文書は文章として渡します。","alias_of":null,"aliases":[],"author":"NVIDIA","canonical_model":"nvidia/nemotron-3.5-super-vl","ctx":null,"formats":["chat","gemini","messages","responses"],"id":"nvidia/nemotron-3.5-super-vl","input":["text"],"kind":"text","max_out":null,"methods":[{"cache_read":0.04,"cache_write":null,"cache_write_1h":null,"cache_write_5m":null,"conditional_meter":null,"ctx":null,"family":"anthropic","fast_multiplier":1,"flex_multiplier":1,"fmt":"messages","http":"POST","img_in":null,"img_out":null,"in":0.3,"input":["text"],"label":"Anthropic Messages","max_out":null,"max_tool_calls":null,"out":1.0,"output":["text"],"path":"/v1/messages","request_model_id":"nvidia/nemotron-3.5-super-vl","route_label":"Ultra","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]},{"cache_read":0.04,"cache_write":null,"cache_write_1h":null,"cache_write_5m":null,"conditional_meter":null,"ctx":null,"family":"openai","fast_multiplier":1,"flex_multiplier":1,"fmt":"responses","http":"POST","img_in":null,"img_out":null,"in":0.3,"input":["text"],"label":"OpenAI Responses","max_out":null,"max_tool_calls":null,"out":1.0,"output":["text"],"path":"/v1/responses","request_model_id":"nvidia/nemotron-3.5-super-vl","route_label":"Ultra","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]},{"cache_read":0.04,"cache_write":null,"cache_write_1h":null,"cache_write_5m":null,"conditional_meter":null,"ctx":null,"family":"openai","fast_multiplier":1,"flex_multiplier":1,"fmt":"chat","http":"POST","img_in":null,"img_out":null,"in":0.3,"input":["text"],"label":"OpenAI Chat","max_out":null,"max_tool_calls":null,"out":1.0,"output":["text"],"path":"/v1/chat/completions","request_model_id":"nvidia/nemotron-3.5-super-vl","route_label":"Ultra","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]},{"cache_read":0.04,"cache_write":null,"cache_write_1h":null,"cache_write_5m":null,"conditional_meter":null,"ctx":null,"family":"gemini","fast_multiplier":1,"flex_multiplier":1,"fmt":"gemini","http":"POST","img_in":null,"img_out":null,"in":0.3,"input":["text"],"label":"Gemini generateContent","max_out":null,"max_tool_calls":null,"out":1.0,"output":["text"],"path":"/v1beta/models/nvidia/nemotron-3.5-super-vl:generateContent","request_model_id":"nvidia/nemotron-3.5-super-vl","route_label":"Ultra","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]}],"model_aliases":[{"canonical_model_id":"nvidia/nemotron-3.5-super-vl","request_model_id":"nvidia/nemotron-3.5-super-vl","route_label":"Ultra"}],"name":"NVIDIA: Nemotron 3.5 Super VL","price":{"in":0.3,"in_label":null,"out":1.0,"out_label":null,"sort_in":0.3,"sort_out":1.0,"varies":false},"public_id":"nvidia/nemotron-3.5-super-vl","short":"推論、コード作業、大量の資料の分析に向けたNVIDIAモデルとのテキスト対話を提供します。"}