Source: https://ailoot.ai/models/nb/nvidia-nemotron-3-5-super-vl-free/ Canonical: https://ailoot.ai/models/nb/nvidia-nemotron-3-5-super-vl-free/ Language: nb # NVIDIA: Nemotron 3.5 Super VL (free) [Markdown](https://ailoot.ai/models/nb/nvidia-nemotron-3-5-super-vl-free/index.md) · [JSON](https://ailoot.ai/models/nb/nvidia-nemotron-3-5-super-vl-free/facts.json) ## [NVIDIA: Nemotron 3.5 Super VL (free)](https://ailoot.ai/models/nb/nvidia-nemotron-3-5-super-vl-free/) `nvidia/nemotron-3.5-super-vl:free` NVIDIATekstInndata 0,00 USD / 1KUtdata 0,00 USD / 1K Tekstdialog med en NVIDIA-modell for resonnering, kodearbeid og analyse av omfattende materiale. ### Resonnering, kode og arbeid med lang tekst Nemotron 3.5 Super VL er en NVIDIA-modell for oppgaver der flere resonneringstrinn må knyttes sammen, programkode må forstås eller omfattende materiale må behandles. Dette modellkortet i Ailoot gir tekstdialog: Du sender inn instruksjoner, grunndata og meldingshistorikk, og modellen returnerer et tekstsvar. Den kan brukes til analyse av teknisk dokumentasjon, sammenligning av krav, utarbeiding av kodeforklaringer og analyse av tekstrapporter. I forespørselen er det nyttig å angi målet, legge ved nødvendig materiale og bestemme resultatformatet, for eksempel en konklusjonsliste med begrunnelser, en plan for programendring eller en sammenligning av flere løsninger. ### Oppbygning og spesialisering Den opprinnelige Super VL er en visuell språkmodell fra NVIDIA med C-RADIO-enkoder, også beregnet på forståelse av dokumenter og video. På dette modellkortet i Ailoot er tekstarbeid tilgjengelig; kildematerialet sendes som tekstinnhold. Modellens grunnlag kombinerer Mamba-2, Transformer og Mixture of Experts-arkitektur. Av rundt 120 milliarder parametere aktiveres omtrent 12 milliarder per behandlingstrinn. Dette beskriver modellens oppbygning og må vurderes separat fra den faktiske hastigheten på en konkret forespørsel. Treningen brukte kodearkiver, par av oppgaver og kodeendringer, byggelogger, problemløsningsforløp i flere trinn og langkontekstmateriale. Videre trening kombinerte kodearbeid, resonnering, instruksjoner og dialog. Denne spesialiseringen er nyttig ved sammensatte oppgaver der grunnlagsopplysninger først må knyttes sammen og deretter presenteres som et resultat. ### Slik forbereder du oppgaven For dokumentanalyse formulerer du først spørsmålet og kriteriene for informasjonsutvalg, og legger deretter ved teksten med deloverskrifter. Hvis kilder skal sammenlignes, gir du dem korte merkelapper og ber om at konklusjoner knyttes til disse. For en kodeoppgave legger du til relevant programutdrag, observert oppførsel og forventet resultat. Da kan svaret sammenholdes med det konkrete tilfellet. Det store kontekstvinduet gjør det enklere å samle sammenhengende materiale i én forespørsel. Omfanget erstatter ikke en tydelig oppgavebeskrivelse. Skill instruksjoner fra grunndata og angi på forhånd hvilken løsning eller hvilket dokument du vil ha. ### Kontekst og tilkoblingsmåter I Ailoot er det oppgitt et vindu på 1000000 tokener og en svargrense på 131072 tokener for denne varianten. Samtalehistorikk, instruksjoner, kildemateriale og svar deler konteksten. La det være rom for resultatet når du forbereder en lang forespørsel. Modellen er tilgjengelig gjennom Chat Completions, Responses og Messages. Den tilgjengelige arbeidsmåten for denne varianten er tekst inn og tekst ut; dokumenter sendes som tekstinnhold. ### Tilgjengelig via Ailoot API Inndatatyper `text` Utdatatyper `text` Kontekst 1 000 000 *tokener* Maks. svar 131 072 *tokener* Inndata 0,00 USD */ 1K* Utdata 0,00 USD */ 1K* Inndatatyper `text` Utdatatyper `text` Kontekst 1 000 000 *tokener* Maks. svar 131 072 *tokener* Inndata 0,00 USD */ 1K* Utdata 0,00 USD */ 1K* Inndatatyper `text` Utdatatyper `text` Kontekst 1 000 000 *tokener* Maks. svar 131 072 *tokener* Inndata 0,00 USD */ 1K* Utdata 0,00 USD */ 1K* `nvidia/nemotron-3.5-super-vl:free` · JSON ``` {"about":"### Resonnering, kode og arbeid med lang tekst\n\nNemotron 3.5 Super VL er en NVIDIA-modell for oppgaver der flere resonneringstrinn må knyttes sammen, programkode må forstås eller omfattende materiale må behandles. Dette modellkortet i Ailoot gir tekstdialog: Du sender inn instruksjoner, grunndata og meldingshistorikk, og modellen returnerer et tekstsvar.\n\nDen kan brukes til analyse av teknisk dokumentasjon, sammenligning av krav, utarbeiding av kodeforklaringer og analyse av tekstrapporter. I forespørselen er det nyttig å angi målet, legge ved nødvendig materiale og bestemme resultatformatet, for eksempel en konklusjonsliste med begrunnelser, en plan for programendring eller en sammenligning av flere løsninger.\n\n### Oppbygning og spesialisering\n\nDen opprinnelige Super VL er en visuell språkmodell fra NVIDIA med C-RADIO-enkoder, også beregnet på forståelse av dokumenter og video. På dette modellkortet i Ailoot er tekstarbeid tilgjengelig; kildematerialet sendes som tekstinnhold.\n\nModellens grunnlag kombinerer Mamba-2, Transformer og Mixture of Experts-arkitektur. Av rundt 120 milliarder parametere aktiveres omtrent 12 milliarder per behandlingstrinn. Dette beskriver modellens oppbygning og må vurderes separat fra den faktiske hastigheten på en konkret forespørsel.\n\nTreningen brukte kodearkiver, par av oppgaver og kodeendringer, byggelogger, problemløsningsforløp i flere trinn og langkontekstmateriale. Videre trening kombinerte kodearbeid, resonnering, instruksjoner og dialog. Denne spesialiseringen er nyttig ved sammensatte oppgaver der grunnlagsopplysninger først må knyttes sammen og deretter presenteres som et resultat.\n\n### Slik forbereder du oppgaven\n\nFor dokumentanalyse formulerer du først spørsmålet og kriteriene for informasjonsutvalg, og legger deretter ved teksten med deloverskrifter. Hvis kilder skal sammenlignes, gir du dem korte merkelapper og ber om at konklusjoner knyttes til disse. For en kodeoppgave legger du til relevant programutdrag, observert oppførsel og forventet resultat. Da kan svaret sammenholdes med det konkrete tilfellet.\n\nDet store kontekstvinduet gjør det enklere å samle sammenhengende materiale i én forespørsel. Omfanget erstatter ikke en tydelig oppgavebeskrivelse. Skill instruksjoner fra grunndata og angi på forhånd hvilken løsning eller hvilket dokument du vil ha.\n\n### Kontekst og tilkoblingsmåter\n\nI Ailoot er det oppgitt et vindu på 1000000 tokener og en svargrense på 131072 tokener for denne varianten. Samtalehistorikk, instruksjoner, kildemateriale og svar deler konteksten. La det være rom for resultatet når du forbereder en lang forespørsel.\n\nModellen er tilgjengelig gjennom Chat Completions, Responses og Messages. Den tilgjengelige arbeidsmåten for denne varianten er tekst inn og tekst ut; dokumenter sendes som tekstinnhold.","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-modell for resonnering, kodearbeid og analyse av omfattende materiale."} ``` ## Spørsmål Hvordan velger jeg en modell til oppgaven min? Avklar først hvilke inndata og utdata du trenger: tekst, bilder, lyd eller video. Sammenlign deretter kompatible API-metoder, den eksakte modell-ID-en eller modellen aliaset peker til nå, pris og faktureringsenhet. GET /v1/models er gratis og viser modellene som er tilgjengelige for nøkkelen din. Støtter hver modell alle API-metoder og medietyper? Bruk API-metodene og typene inndata/utdata som er oppført på modellkortet. Støtte for tekst, bilder, lyd eller video avhenger av den valgte modellen og metoden; se det aktuelle eksemplet på en forespørsel før du sender dataene dine. Hva er forskjellen på en modell-ID og et alias? En eksakt modell-ID identifiserer en bestemt modell. Et alias peker til en modell, og målmodellen kan endres. Sjekk i katalogen hvilken modell aliaset peker til nå; bruk den eksakte ID-en når integrasjonen din krever en bestemt modell. Hvordan sammenligner jeg priser før jeg sender en forespørsel? Se modellkortet for pris og faktureringsenhet for den valgte API-metoden. Sammenlign samme enhet og samme type inndata/utdata; forespørselshistorikken viser faktisk bruk og belastet beløp. Hva gir abonnementet? Rabatt på tokenkjøp for jevnlig bruk. Velg etter forespørselsvolum; vilkår og abonnementspris vises ved bestilling. Hvordan bruker jeg kampanjekode opptil 50% rabatt? Oppgi koden ved tokenkjøp. Beløpet beregnes etter kampanjevilkårene; rabattstørrelsen vises før betaling. ## Ailoot · Selskapet og dets prosjektportefølje Ailoot bygger på etablert driftserfaring, en stor kundebase, stabil tjeneste og løpende KPI-kontroll. Selskapet og dets prosjektportefølje: millioner av kunder; månedlig salg for milliarder. Ailoot bruker denne driftserfaringen til API-tilgang til AI-funksjoner i kundenes produkter, agenter, applikasjoner og automatiseringer.