{
  "aboutHtml": "<h3>Пайымдау, код және ұзын мәтінмен жұмыс</h3><p>Nemotron 3.5 Super VL — бірнеше пайымдау қадамын байланыстыру, бағдарлама кодын түсіну не көлемді материалды өңдеу қажет міндеттерге арналған NVIDIA моделі. Ailoot-та бұл карточка мәтіндік диалог ұсынады: нұсқауларды, бастапқы деректер мен хабарламалар тарихын бересіз, ал модель мәтіндік жауап қайтарады.</p><p>Оны техникалық құжаттаманы талдау, талаптарды салыстыру, код түсіндірмелерін дайындау және мәтіндік есептерді талдау үшін пайдалануға болады. Сұрауда мақсатты беріп, қажетті материалдарды қосып, нәтиже пішімін анықтаған ыңғайлы: мысалы, негіздемелері бар қорытындылар тізімі, бағдарлама өзгерісінің жоспары не бірнеше шешімді салыстыру.</p><h3>Құрылымы және мамандануы</h3><p>Бастапқы Super VL — C-RADIO көрнекі энкодері бар, құжаттар мен бейнелерді түсінуге де арналған NVIDIA көрнекі-тілдік моделі. Осы Ailoot карточкасында оның мәтінмен жұмысы қолжетімді; бастапқы материалдар мәтіндік мазмұн ретінде беріледі.</p><p>Модель негізі Mamba-2, Transformer және Mixture of Experts архитектурасын біріктіреді. Шамамен 120 миллиард параметрдің өңдеу қадамында 12 миллиардтайы белсендіріледі. Бұл — нақты сұраудың іс жүзіндегі жылдамдығынан бөлек ескерілетін модель құрылымы.</p><p>Оқытуда бағдарламалық репозиторийлер, міндет пен код өзгерістерінің жұптары, құрастыру журналдары, міндет шешудің көпқадамды траекториялары және ұзын контекст материалдары қолданылған. Кейінгі оқыту кодпен, пайымдаумен, нұсқаулармен және диалогпен жұмысты біріктірді. Мұндай мамандану бастапқы мәліметтерді алдымен байланыстырып, кейін нәтижені рәсімдеу қажет құрама міндетті қоюда пайдалы.</p><h3>Міндетті қалай дайындау керек</h3><p>Құжат талдауға алдымен сұрақ пен ақпарат іріктеу өлшемдерін тұжырымдап, кейін бөлім тақырыптары бар мәтінді қосыңыз. Дереккөздерді салыстыру керек болса, оларға қысқа белгі беріп, қорытындыларды сол белгілерге байланыстыруды сұраңыз. Код міндетіне қатысты бағдарлама үзіндісін, байқалған әрекетті және күтілетін нәтижені қосыңыз; сонда жауапты нақты жағдаймен салыстыруға болады.</p><p>Үлкен контекст терезесі байланысты материалдарды бір сұрауға орналастыруға көмектеседі. Контекст көлемінің өзі анық тапсырманы алмастырмайды: нұсқауларды бастапқы деректерден бөліп, қандай шешім не құжат алғыңыз келетінін алдын ала көрсеткен пайдалы.</p><h3>Контекст және қосылу тәсілдері</h3><p>Ailoot-та бұл нұсқаға 1000000 токендік терезе және 131072 токенге дейінгі жауап шегі көрсетілген. Диалог тарихы, нұсқаулар, бастапқы материалдар мен жауап ортақ контексті пайдаланады; ұзын сұрау дайындағанда нәтижеге орын қалдырыңыз.</p><p>Модель Chat Completions, Responses және Messages арқылы қолжетімді. Бұл нұсқаның қолжетімді сценарийі — кірісте мәтін, шығыста мәтін; құжаттар мәтіндік мазмұн ретінде беріледі.</p>",
  "aboutText": "### Пайымдау, код және ұзын мәтінмен жұмыс\n\nNemotron 3.5 Super VL — бірнеше пайымдау қадамын байланыстыру, бағдарлама кодын түсіну не көлемді материалды өңдеу қажет міндеттерге арналған NVIDIA моделі. Ailoot-та бұл карточка мәтіндік диалог ұсынады: нұсқауларды, бастапқы деректер мен хабарламалар тарихын бересіз, ал модель мәтіндік жауап қайтарады.\n\nОны техникалық құжаттаманы талдау, талаптарды салыстыру, код түсіндірмелерін дайындау және мәтіндік есептерді талдау үшін пайдалануға болады. Сұрауда мақсатты беріп, қажетті материалдарды қосып, нәтиже пішімін анықтаған ыңғайлы: мысалы, негіздемелері бар қорытындылар тізімі, бағдарлама өзгерісінің жоспары не бірнеше шешімді салыстыру.\n\n### Құрылымы және мамандануы\n\nБастапқы Super VL — C-RADIO көрнекі энкодері бар, құжаттар мен бейнелерді түсінуге де арналған NVIDIA көрнекі-тілдік моделі. Осы Ailoot карточкасында оның мәтінмен жұмысы қолжетімді; бастапқы материалдар мәтіндік мазмұн ретінде беріледі.\n\nМодель негізі Mamba-2, Transformer және Mixture of Experts архитектурасын біріктіреді. Шамамен 120 миллиард параметрдің өңдеу қадамында 12 миллиардтайы белсендіріледі. Бұл — нақты сұраудың іс жүзіндегі жылдамдығынан бөлек ескерілетін модель құрылымы.\n\nОқытуда бағдарламалық репозиторийлер, міндет пен код өзгерістерінің жұптары, құрастыру журналдары, міндет шешудің көпқадамды траекториялары және ұзын контекст материалдары қолданылған. Кейінгі оқыту кодпен, пайымдаумен, нұсқаулармен және диалогпен жұмысты біріктірді. Мұндай мамандану бастапқы мәліметтерді алдымен байланыстырып, кейін нәтижені рәсімдеу қажет құрама міндетті қоюда пайдалы.\n\n### Міндетті қалай дайындау керек\n\nҚұжат талдауға алдымен сұрақ пен ақпарат іріктеу өлшемдерін тұжырымдап, кейін бөлім тақырыптары бар мәтінді қосыңыз. Дереккөздерді салыстыру керек болса, оларға қысқа белгі беріп, қорытындыларды сол белгілерге байланыстыруды сұраңыз. Код міндетіне қатысты бағдарлама үзіндісін, байқалған әрекетті және күтілетін нәтижені қосыңыз; сонда жауапты нақты жағдаймен салыстыруға болады.\n\nҮлкен контекст терезесі байланысты материалдарды бір сұрауға орналастыруға көмектеседі. Контекст көлемінің өзі анық тапсырманы алмастырмайды: нұсқауларды бастапқы деректерден бөліп, қандай шешім не құжат алғыңыз келетінін алдын ала көрсеткен пайдалы.\n\n### Контекст және қосылу тәсілдері\n\nAiloot-та бұл нұсқаға 1000000 токендік терезе және 131072 токенге дейінгі жауап шегі көрсетілген. Диалог тарихы, нұсқаулар, бастапқы материалдар мен жауап ортақ контексті пайдаланады; ұзын сұрау дайындағанда нәтижеге орын қалдырыңыз.\n\nМодель Chat Completions, Responses және Messages арқылы қолжетімді. Бұл нұсқаның қолжетімді сценарийі — кірісте мәтін, шығыста мәтін; құжаттар мәтіндік мазмұн ретінде беріледі.",
  "locale": "kk",
  "methods": [
    {
      "html": "<section class=\"meth\" data-route=\"Ultra\"><header><b><span class=\"alias\">Ultra</span> Anthropic Messages</b><code>POST /v1/messages</code></header><dl class=\"method-capabilities\" data-model-capabilities><div><dt>Кіріс</dt><dd><code>text</code></dd></div><div><dt>Шығыс</dt><dd><code>text</code></dd></div><div><dt>Контекст</dt><dd>1 000 000 <em>токен</em></dd></div><div><dt>Жауаптың ең көп көлемі</dt><dd>131 072 <em>токен</em></dd></div></dl><dl><div><dt>Кіріс</dt><dd>0,00 $ <em>/ 1K</em></dd></div><div><dt>Шығыс</dt><dd>0,00 $ <em>/ 1K</em></dd></div></dl></section>",
      "method_identity": {
        "effective_request_model_id": "nvidia/nemotron-3.5-super-vl:free",
        "fmt": "messages",
        "http": "POST",
        "path": "/v1/messages",
        "request_model_id": "nvidia/nemotron-3.5-super-vl:free",
        "route_label": "Ultra"
      },
      "method_key": "Ultra|messages|/v1/messages|nvidia%2Fnemotron-3.5-super-vl%3Afree",
      "ordinal": 0,
      "rawMethod": {
        "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": []
      }
    },
    {
      "html": "<section class=\"meth\" data-route=\"Ultra\"><header><b><span class=\"alias\">Ultra</span> OpenAI Responses</b><code>POST /v1/responses</code></header><dl class=\"method-capabilities\" data-model-capabilities><div><dt>Кіріс</dt><dd><code>text</code></dd></div><div><dt>Шығыс</dt><dd><code>text</code></dd></div><div><dt>Контекст</dt><dd>1 000 000 <em>токен</em></dd></div><div><dt>Жауаптың ең көп көлемі</dt><dd>131 072 <em>токен</em></dd></div></dl><dl><div><dt>Кіріс</dt><dd>0,00 $ <em>/ 1K</em></dd></div><div><dt>Шығыс</dt><dd>0,00 $ <em>/ 1K</em></dd></div></dl></section>",
      "method_identity": {
        "effective_request_model_id": "nvidia/nemotron-3.5-super-vl:free",
        "fmt": "responses",
        "http": "POST",
        "path": "/v1/responses",
        "request_model_id": "nvidia/nemotron-3.5-super-vl:free",
        "route_label": "Ultra"
      },
      "method_key": "Ultra|responses|/v1/responses|nvidia%2Fnemotron-3.5-super-vl%3Afree",
      "ordinal": 1,
      "rawMethod": {
        "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": []
      }
    },
    {
      "html": "<section class=\"meth\" data-route=\"Ultra\"><header><b><span class=\"alias\">Ultra</span> OpenAI Chat</b><code>POST /v1/chat/completions</code></header><dl class=\"method-capabilities\" data-model-capabilities><div><dt>Кіріс</dt><dd><code>text</code></dd></div><div><dt>Шығыс</dt><dd><code>text</code></dd></div><div><dt>Контекст</dt><dd>1 000 000 <em>токен</em></dd></div><div><dt>Жауаптың ең көп көлемі</dt><dd>131 072 <em>токен</em></dd></div></dl><dl><div><dt>Кіріс</dt><dd>0,00 $ <em>/ 1K</em></dd></div><div><dt>Шығыс</dt><dd>0,00 $ <em>/ 1K</em></dd></div></dl></section>",
      "method_identity": {
        "effective_request_model_id": "nvidia/nemotron-3.5-super-vl:free",
        "fmt": "chat",
        "http": "POST",
        "path": "/v1/chat/completions",
        "request_model_id": "nvidia/nemotron-3.5-super-vl:free",
        "route_label": "Ultra"
      },
      "method_key": "Ultra|chat|/v1/chat/completions|nvidia%2Fnemotron-3.5-super-vl%3Afree",
      "ordinal": 2,
      "rawMethod": {
        "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_id": "nvidia/nemotron-3.5-super-vl:free",
  "page": {
    "canonical": "https://ailoot.ai/models/kk/nvidia-nemotron-3-5-super-vl-free/",
    "description": "Пайымдауға, кодпен жұмысқа және көлемді материалдарды талдауға арналған NVIDIA моделімен мәтіндік диалог.",
    "locale": "kk",
    "md_url": "https://ailoot.ai/models/kk/nvidia-nemotron-3-5-super-vl-free/index.md",
    "title": "NVIDIA: Nemotron 3.5 Super VL (free)",
    "url": "https://ailoot.ai/models/kk/nvidia-nemotron-3-5-super-vl-free/"
  },
  "rawModel": {
    "about": "### Пайымдау, код және ұзын мәтінмен жұмыс\n\nNemotron 3.5 Super VL — бірнеше пайымдау қадамын байланыстыру, бағдарлама кодын түсіну не көлемді материалды өңдеу қажет міндеттерге арналған NVIDIA моделі. Ailoot-та бұл карточка мәтіндік диалог ұсынады: нұсқауларды, бастапқы деректер мен хабарламалар тарихын бересіз, ал модель мәтіндік жауап қайтарады.\n\nОны техникалық құжаттаманы талдау, талаптарды салыстыру, код түсіндірмелерін дайындау және мәтіндік есептерді талдау үшін пайдалануға болады. Сұрауда мақсатты беріп, қажетті материалдарды қосып, нәтиже пішімін анықтаған ыңғайлы: мысалы, негіздемелері бар қорытындылар тізімі, бағдарлама өзгерісінің жоспары не бірнеше шешімді салыстыру.\n\n### Құрылымы және мамандануы\n\nБастапқы Super VL — C-RADIO көрнекі энкодері бар, құжаттар мен бейнелерді түсінуге де арналған NVIDIA көрнекі-тілдік моделі. Осы Ailoot карточкасында оның мәтінмен жұмысы қолжетімді; бастапқы материалдар мәтіндік мазмұн ретінде беріледі.\n\nМодель негізі Mamba-2, Transformer және Mixture of Experts архитектурасын біріктіреді. Шамамен 120 миллиард параметрдің өңдеу қадамында 12 миллиардтайы белсендіріледі. Бұл — нақты сұраудың іс жүзіндегі жылдамдығынан бөлек ескерілетін модель құрылымы.\n\nОқытуда бағдарламалық репозиторийлер, міндет пен код өзгерістерінің жұптары, құрастыру журналдары, міндет шешудің көпқадамды траекториялары және ұзын контекст материалдары қолданылған. Кейінгі оқыту кодпен, пайымдаумен, нұсқаулармен және диалогпен жұмысты біріктірді. Мұндай мамандану бастапқы мәліметтерді алдымен байланыстырып, кейін нәтижені рәсімдеу қажет құрама міндетті қоюда пайдалы.\n\n### Міндетті қалай дайындау керек\n\nҚұжат талдауға алдымен сұрақ пен ақпарат іріктеу өлшемдерін тұжырымдап, кейін бөлім тақырыптары бар мәтінді қосыңыз. Дереккөздерді салыстыру керек болса, оларға қысқа белгі беріп, қорытындыларды сол белгілерге байланыстыруды сұраңыз. Код міндетіне қатысты бағдарлама үзіндісін, байқалған әрекетті және күтілетін нәтижені қосыңыз; сонда жауапты нақты жағдаймен салыстыруға болады.\n\nҮлкен контекст терезесі байланысты материалдарды бір сұрауға орналастыруға көмектеседі. Контекст көлемінің өзі анық тапсырманы алмастырмайды: нұсқауларды бастапқы деректерден бөліп, қандай шешім не құжат алғыңыз келетінін алдын ала көрсеткен пайдалы.\n\n### Контекст және қосылу тәсілдері\n\nAiloot-та бұл нұсқаға 1000000 токендік терезе және 131072 токенге дейінгі жауап шегі көрсетілген. Диалог тарихы, нұсқаулар, бастапқы материалдар мен жауап ортақ контексті пайдаланады; ұзын сұрау дайындағанда нәтижеге орын қалдырыңыз.\n\nМодель Chat Completions, Responses және Messages арқылы қолжетімді. Бұл нұсқаның қолжетімді сценарийі — кірісте мәтін, шығыста мәтін; құжаттар мәтіндік мазмұн ретінде беріледі.",
    "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": "Пайымдауға, кодпен жұмысқа және көлемді материалдарды талдауға арналған NVIDIA моделімен мәтіндік диалог."
  },
  "renderer_schema": {
    "method_order": "rawModel.methods-ordinal",
    "prices": "exact-native-DTO-units-and-selected-renderer-html"
  },
  "representation": "exact-public-dto-and-native-renderer-html",
  "schema": "ailoot-static-model-facts-v1",
  "schema_version": 1,
  "shortText": "Пайымдауға, кодпен жұмысқа және көлемді материалдарды талдауға арналған NVIDIA моделімен мәтіндік диалог.",
  "source": {
    "audit_sha256": "8eb15c13c7603796c799b805564724c86d73b042527c021e0bf180e1f0203dff",
    "bridge_map_sha256": "8eb15c13c7603796c799b805564724c86d73b042527c021e0bf180e1f0203dff",
    "projection_audit": {
      "parent_manifest_sha256": "dfd3a7a4bc6f960e128026cae1f98f769d1503ffa1c6cf0ccf80066382dbbb9e",
      "raw_model_json_sha256": "5e9f67b449708ad33a006f2781c84867de92a452d2af9df211739f2a749dbc54",
      "renderer_sha256": "c4a9685c73b4ea4d57c8bbf85dbb5a5225b4f584bf13aca286c250cc74300f20"
    },
    "projection_kind": "catalogue-refresh-native-dto-v1",
    "raw_model_json_sha256": "5e9f67b449708ad33a006f2781c84867de92a452d2af9df211739f2a749dbc54",
    "renderer_sha256": "c4a9685c73b4ea4d57c8bbf85dbb5a5225b4f584bf13aca286c250cc74300f20"
  },
  "sourceRevision": "4ffb6f9928146568c5cadb6b076aa637e33ed74d96036181bb454a83e9ef53d6"
}