Nemotron 3.5 Super VL to model NVIDIA do zadań wymagających połączenia kilku etapów rozumowania, zrozumienia kodu programu lub przetworzenia obszernych materiałów. W Ailoot ta karta udostępnia dialog tekstowy: przekazujesz instrukcje, dane źródłowe i historię wiadomości, a model zwraca odpowiedź tekstową.
Można go wykorzystać do analizy dokumentacji technicznej, porównywania wymagań, przygotowywania objaśnień kodu i analizy raportów tekstowych. W zapytaniu warto określić cel, dołączyć potrzebne materiały i zdefiniować formę wyniku, na przykład listę wniosków z uzasadnieniem, plan zmiany programu lub porównanie kilku rozwiązań.
Źródłowy Super VL to model wizyjno-językowy NVIDIA z enkoderem wizualnym C-RADIO, przeznaczony również do rozumienia dokumentów i wideo. Ta karta Ailoot udostępnia jego pracę z tekstem; materiały źródłowe przekazuje się jako treść tekstową.
Podstawa modelu łączy Mamba-2, Transformer i architekturę Mixture of Experts. Spośród około 120 miliardów parametrów w kroku przetwarzania aktywuje się około 12 miliardów. To budowa modelu, którą należy rozpatrywać osobno od rzeczywistej szybkości konkretnego zapytania.
W uczeniu wykorzystano repozytoria programistyczne, pary zadań i zmian kodu, dzienniki kompilacji, wieloetapowe ścieżki rozwiązywania zadań i materiały dla długiego kontekstu. Dalsze uczenie łączyło pracę z kodem, rozumowaniem, instrukcjami i dialogiem. Taka specjalizacja przydaje się przy złożonym zadaniu, w którym informacje źródłowe trzeba najpierw powiązać, a następnie opracować wynik.
Przy analizie dokumentu najpierw określ pytanie i kryteria wyboru informacji, a następnie dołącz tekst z nagłówkami sekcji. Jeśli trzeba porównać źródła, nadaj im krótkie oznaczenia i poproś o powiązanie z nimi wniosków. Dla zadania z kodem dodaj odpowiedni fragment programu, obserwowane zachowanie i oczekiwany wynik, aby odpowiedź można było zestawić z konkretnym przypadkiem.
Duże okno kontekstowe pomaga umieścić powiązane materiały w jednym zapytaniu. Sam rozmiar kontekstu nie zastępuje jasnego zadania: warto oddzielić instrukcje od danych źródłowych i wcześniej określić, jakie rozwiązanie lub dokument chcesz otrzymać.
W Ailoot dla tego wariantu podano okno 1000000 tokenów i limit odpowiedzi do 131072 tokenów. Historia rozmowy, instrukcje, materiały źródłowe i odpowiedź korzystają ze wspólnego kontekstu; przy długim zapytaniu zostaw miejsce na wynik.
Model jest dostępny przez Chat Completions, Responses i Messages. Dostępny scenariusz tego wariantu to tekst na wejściu i tekst na wyjściu; dokumenty przekazuje się jako treść tekstową.
", "aboutText": "### Rozumowanie, kod i praca z długim tekstem\n\nNemotron 3.5 Super VL to model NVIDIA do zadań wymagających połączenia kilku etapów rozumowania, zrozumienia kodu programu lub przetworzenia obszernych materiałów. W Ailoot ta karta udostępnia dialog tekstowy: przekazujesz instrukcje, dane źródłowe i historię wiadomości, a model zwraca odpowiedź tekstową.\n\nMożna go wykorzystać do analizy dokumentacji technicznej, porównywania wymagań, przygotowywania objaśnień kodu i analizy raportów tekstowych. W zapytaniu warto określić cel, dołączyć potrzebne materiały i zdefiniować formę wyniku, na przykład listę wniosków z uzasadnieniem, plan zmiany programu lub porównanie kilku rozwiązań.\n\n### Budowa i specjalizacja\n\nŹródłowy Super VL to model wizyjno-językowy NVIDIA z enkoderem wizualnym C-RADIO, przeznaczony również do rozumienia dokumentów i wideo. Ta karta Ailoot udostępnia jego pracę z tekstem; materiały źródłowe przekazuje się jako treść tekstową.\n\nPodstawa modelu łączy Mamba-2, Transformer i architekturę Mixture of Experts. Spośród około 120 miliardów parametrów w kroku przetwarzania aktywuje się około 12 miliardów. To budowa modelu, którą należy rozpatrywać osobno od rzeczywistej szybkości konkretnego zapytania.\n\nW uczeniu wykorzystano repozytoria programistyczne, pary zadań i zmian kodu, dzienniki kompilacji, wieloetapowe ścieżki rozwiązywania zadań i materiały dla długiego kontekstu. Dalsze uczenie łączyło pracę z kodem, rozumowaniem, instrukcjami i dialogiem. Taka specjalizacja przydaje się przy złożonym zadaniu, w którym informacje źródłowe trzeba najpierw powiązać, a następnie opracować wynik.\n\n### Jak przygotować zadanie\n\nPrzy analizie dokumentu najpierw określ pytanie i kryteria wyboru informacji, a następnie dołącz tekst z nagłówkami sekcji. Jeśli trzeba porównać źródła, nadaj im krótkie oznaczenia i poproś o powiązanie z nimi wniosków. Dla zadania z kodem dodaj odpowiedni fragment programu, obserwowane zachowanie i oczekiwany wynik, aby odpowiedź można było zestawić z konkretnym przypadkiem.\n\nDuże okno kontekstowe pomaga umieścić powiązane materiały w jednym zapytaniu. Sam rozmiar kontekstu nie zastępuje jasnego zadania: warto oddzielić instrukcje od danych źródłowych i wcześniej określić, jakie rozwiązanie lub dokument chcesz otrzymać.\n\n### Kontekst i sposoby podłączenia\n\nW Ailoot dla tego wariantu podano okno 1000000 tokenów i limit odpowiedzi do 131072 tokenów. Historia rozmowy, instrukcje, materiały źródłowe i odpowiedź korzystają ze wspólnego kontekstu; przy długim zapytaniu zostaw miejsce na wynik.\n\nModel jest dostępny przez Chat Completions, Responses i Messages. Dostępny scenariusz tego wariantu to tekst na wejściu i tekst na wyjściu; dokumenty przekazuje się jako treść tekstową.", "locale": "pl", "methods": [ { "html": "POST /v1/messagestexttextPOST /v1/responsestexttextPOST /v1/chat/completionstexttext