NVIDIA Nemotron 3 Super to uniwersalny model rozumowania i rozmów, przeznaczony do współpracujących agentów oraz procesów o dużym wolumenie, w tym automatyzacji zgłoszeń IT. Ma 120 mld parametrów łącznie i aktywuje 12 mld. Jego hybrydowa architektura łączy warstwy Mamba-2, uwagi i Latent Mixture-of-Experts. Warstwy Multi-Token Prediction dodają mechanizm przewidywania przyszłych tokenów i wspierają natywne procedury dekodowania spekulatywnego NVIDIA.
Model przyjmuje tekst i zwraca tekst, w tym wyjaśnienia, projekty odpowiedzi, kod i żądania wywołania narzędzi w odpowiedniej aplikacji połączonej z narzędziami. Jego zamierzone zastosowania obejmują agentów, chatboty, generowanie wspomagane wyszukiwaniem, wykonywanie złożonych instrukcji i rozumowanie w długim kontekście. Przydatne polecenie określa żądany materiał oraz warunki, którym podlega. Na przykład: „Sklasyfikuj ten incydent zgodnie z dostarczoną polityką, wyjaśnij priorytet na podstawie dowodów, przygotuj projekt odpowiedzi i wymień brakujące fakty potrzebne przed zaleceniem poprawki”.
Przy przetwarzaniu zgłoszeń IT dostarcz treść zgłoszenia, istotną historię, szczegóły środowiska i obowiązujące reguły kierowania lub eskalacji. Poproś o osobne pola dla zaobserwowanych objawów, prawdopodobnych przyczyn, proponowanych kontroli i odpowiedzi do użytkownika. To rozróżnienie zapobiega zapisaniu hipotezy jako potwierdzonej diagnozy. Jeśli uruchomione zostanie narzędzie diagnostyczne, wprowadź do rozmowy jego rzeczywisty wynik przed poproszeniem o kolejny krok. Ukończone podsumowanie zgłoszenia powinno określać, co zaobserwowano i rozwiązano oraz jakie pytanie pozostaje otwarte.
Przy RAG i pracy z bazą wiedzy oznacz pobrane fragmenty i określ, czy model ma odpowiadać wyłącznie na ich podstawie. Poproś o odpowiedź z odniesieniami do źródeł, które ją uzasadniają, oraz wskazaniem sprzeczności między materiałami. Praktyczny przykład brzmi: „Porównaj te sekcje instrukcji operacyjnej, wskaż kroki dotyczące dostarczonego środowiska i zwróć uporządkowaną procedurę z kontrolą po każdym ważnym kroku”. Zachowaj wersje i warunki ze źródła; jasna procedura nadal może być błędna, jeśli łączy instrukcje dla niezgodnych środowisk.
W zadaniach z udziałem współpracujących agentów nadaj każdemu etapowi jasny cel i zachowuj użyteczne wyniki pośrednie. Super jest przeznaczony do rozumowania na podstawie obserwacji narzędzi i utrzymywania wieloetapowej rozmowy. Otaczająca aplikacja wykonuje narzędzia i zachowuje stan zadania. Poproś model o wyjaśnienie, co zmienia nowa obserwacja, zachowanie wcześniejszych ustaleń, które nadal obowiązują, i odróżnienie proponowanego działania od zapisanego wyniku. Przy programowaniu dostarcz odpowiednie pliki i oczekiwane zachowanie, a następnie poproś o poprawiony kod, wyjaśnienie zmiany i przypadki potrzebne do jej sprawdzenia.
NVIDIA dokumentuje domyślnie włączone myślenie i tryb bezpośredniej odpowiedzi, w którym myślenie wyłącza się za pomocą szablonu rozmowy. Super ma także opcję rozumowania z małym nakładem, która zużywa mniej tokenów rozumowania niż pełne myślenie i jest sugerowana jako punkt wyjścia przed jawnym dostrajaniem budżetu. Jest to ustawienie Super; nie należy przenosić do niego odrębnej opcji średniego nakładu z Ultra. Wybierz formę końcowej odpowiedzi i pozostaw na nią miejsce po rozumowaniu, szczególnie gdy wynik narzędzia lub złożone porównanie źródeł wymaga wyjaśnienia.
Model obsługuje kontekst do 1 mln tokenów, natomiast konfiguracja Hugging Face producenta domyślnie używa 256 tys., ponieważ dłuższy kontekst wymaga więcej pamięci. Przy długich danych wejściowych pracuj w granicach właściwej konfiguracji, zachowuj granice dokumentów i oznaczenia źródeł oraz rezerwuj przestrzeń na odpowiedź. Poproś o prześledzenie relacji w materiale, zamiast o nieukierunkowane podsumowanie wszystkiego. Maksimum na poziomie modelu nie jest obietnicą, że każda konfiguracja udostępniania używa tego samego okna.
Producent wymienia języki angielski, francuski, niemiecki, włoski, japoński, hiszpański i chiński. Określ język końcowy, zachowując identyfikatory kodu i terminy źródłowe, które muszą pozostać dokładne. Przy wsparciu wielojęzycznym poproś model o zachowanie znaczenia technicznego i kryteriów eskalacji przy dostosowywaniu sformułowań do czytelnika. Sprawdzaj nieznaną terminologię lub niejednoznaczne dane wejściowe, zamiast traktować płynność jako dowód poprawnej interpretacji.
Użyteczny końcowy rezultat jest zwięzły i możliwy do sprawdzenia: odpowiedź lub poprawiony materiał, uzasadniające go obserwacje, założenia i pozostała praca. W wygenerowanych procedurach sprawdź kontrole względem rzeczywistego środowiska. Przy kodzie porównaj proponowane zmiany z zaobserwowanym zachowaniem. Przy odpowiedzi opartej na źródłach potwierdź, że cytowany fragment uzasadnia twierdzenie. Trening Super w rozumowaniu i pracy agentowej pomaga uporządkować te działania; rzeczywisty wynik ustala się na podstawie materiałów i zapisów wykonania użytych do jego sprawdzenia.
", "aboutText": "NVIDIA Nemotron 3 Super to uniwersalny model rozumowania i rozmów, przeznaczony do współpracujących agentów oraz procesów o dużym wolumenie, w tym automatyzacji zgłoszeń IT. Ma 120 mld parametrów łącznie i aktywuje 12 mld. Jego hybrydowa architektura łączy warstwy Mamba-2, uwagi i Latent Mixture-of-Experts. Warstwy Multi-Token Prediction dodają mechanizm przewidywania przyszłych tokenów i wspierają natywne procedury dekodowania spekulatywnego NVIDIA.\n\nModel przyjmuje tekst i zwraca tekst, w tym wyjaśnienia, projekty odpowiedzi, kod i żądania wywołania narzędzi w odpowiedniej aplikacji połączonej z narzędziami. Jego zamierzone zastosowania obejmują agentów, chatboty, generowanie wspomagane wyszukiwaniem, wykonywanie złożonych instrukcji i rozumowanie w długim kontekście. Przydatne polecenie określa żądany materiał oraz warunki, którym podlega. Na przykład: „Sklasyfikuj ten incydent zgodnie z dostarczoną polityką, wyjaśnij priorytet na podstawie dowodów, przygotuj projekt odpowiedzi i wymień brakujące fakty potrzebne przed zaleceniem poprawki”.\n\nPrzy przetwarzaniu zgłoszeń IT dostarcz treść zgłoszenia, istotną historię, szczegóły środowiska i obowiązujące reguły kierowania lub eskalacji. Poproś o osobne pola dla zaobserwowanych objawów, prawdopodobnych przyczyn, proponowanych kontroli i odpowiedzi do użytkownika. To rozróżnienie zapobiega zapisaniu hipotezy jako potwierdzonej diagnozy. Jeśli uruchomione zostanie narzędzie diagnostyczne, wprowadź do rozmowy jego rzeczywisty wynik przed poproszeniem o kolejny krok. Ukończone podsumowanie zgłoszenia powinno określać, co zaobserwowano i rozwiązano oraz jakie pytanie pozostaje otwarte.\n\nPrzy RAG i pracy z bazą wiedzy oznacz pobrane fragmenty i określ, czy model ma odpowiadać wyłącznie na ich podstawie. Poproś o odpowiedź z odniesieniami do źródeł, które ją uzasadniają, oraz wskazaniem sprzeczności między materiałami. Praktyczny przykład brzmi: „Porównaj te sekcje instrukcji operacyjnej, wskaż kroki dotyczące dostarczonego środowiska i zwróć uporządkowaną procedurę z kontrolą po każdym ważnym kroku”. Zachowaj wersje i warunki ze źródła; jasna procedura nadal może być błędna, jeśli łączy instrukcje dla niezgodnych środowisk.\n\nW zadaniach z udziałem współpracujących agentów nadaj każdemu etapowi jasny cel i zachowuj użyteczne wyniki pośrednie. Super jest przeznaczony do rozumowania na podstawie obserwacji narzędzi i utrzymywania wieloetapowej rozmowy. Otaczająca aplikacja wykonuje narzędzia i zachowuje stan zadania. Poproś model o wyjaśnienie, co zmienia nowa obserwacja, zachowanie wcześniejszych ustaleń, które nadal obowiązują, i odróżnienie proponowanego działania od zapisanego wyniku. Przy programowaniu dostarcz odpowiednie pliki i oczekiwane zachowanie, a następnie poproś o poprawiony kod, wyjaśnienie zmiany i przypadki potrzebne do jej sprawdzenia.\n\nNVIDIA dokumentuje domyślnie włączone myślenie i tryb bezpośredniej odpowiedzi, w którym myślenie wyłącza się za pomocą szablonu rozmowy. Super ma także opcję rozumowania z małym nakładem, która zużywa mniej tokenów rozumowania niż pełne myślenie i jest sugerowana jako punkt wyjścia przed jawnym dostrajaniem budżetu. Jest to ustawienie Super; nie należy przenosić do niego odrębnej opcji średniego nakładu z Ultra. Wybierz formę końcowej odpowiedzi i pozostaw na nią miejsce po rozumowaniu, szczególnie gdy wynik narzędzia lub złożone porównanie źródeł wymaga wyjaśnienia.\n\nModel obsługuje kontekst do 1 mln tokenów, natomiast konfiguracja Hugging Face producenta domyślnie używa 256 tys., ponieważ dłuższy kontekst wymaga więcej pamięci. Przy długich danych wejściowych pracuj w granicach właściwej konfiguracji, zachowuj granice dokumentów i oznaczenia źródeł oraz rezerwuj przestrzeń na odpowiedź. Poproś o prześledzenie relacji w materiale, zamiast o nieukierunkowane podsumowanie wszystkiego. Maksimum na poziomie modelu nie jest obietnicą, że każda konfiguracja udostępniania używa tego samego okna.\n\nProducent wymienia języki angielski, francuski, niemiecki, włoski, japoński, hiszpański i chiński. Określ język końcowy, zachowując identyfikatory kodu i terminy źródłowe, które muszą pozostać dokładne. Przy wsparciu wielojęzycznym poproś model o zachowanie znaczenia technicznego i kryteriów eskalacji przy dostosowywaniu sformułowań do czytelnika. Sprawdzaj nieznaną terminologię lub niejednoznaczne dane wejściowe, zamiast traktować płynność jako dowód poprawnej interpretacji.\n\nUżyteczny końcowy rezultat jest zwięzły i możliwy do sprawdzenia: odpowiedź lub poprawiony materiał, uzasadniające go obserwacje, założenia i pozostała praca. W wygenerowanych procedurach sprawdź kontrole względem rzeczywistego środowiska. Przy kodzie porównaj proponowane zmiany z zaobserwowanym zachowaniem. Przy odpowiedzi opartej na źródłach potwierdź, że cytowany fragment uzasadnia twierdzenie. Trening Super w rozumowaniu i pracy agentowej pomaga uporządkować te działania; rzeczywisty wynik ustala się na podstawie materiałów i zapisów wykonania użytych do jego sprawdzenia.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "f97f9c6a993dbc1da103f175c3491b41e525ae733aededadb1510c6eabfbcd10", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "pl", "methods": [ { "html": "nvidia/nemotron-3-super-120b-a12b:freeNVIDIA Nemotron 3 Super to tekstowy model rozumowania i rozmów ze 120 mld parametrów łącznie i 12 mld parametrów aktywnych. Jest przeznaczony do współpracujących agentów, zadań o dużym wolumenie, takich jak przetwarzanie zgłoszeń IT, użycia narzędzi i RAG, z udokumentowanymi przez NVIDIA trybami myślenia, bezpośredniej odpowiedzi i rozumowania z małym nakładem.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
NVIDIA Nemotron 3 Super to uniwersalny model rozumowania i rozmów, przeznaczony do współpracujących agentów oraz procesów o dużym wolumenie, w tym automatyzacji zgłoszeń IT. Ma 120 mld parametrów łącznie i aktywuje 12 mld. Jego hybrydowa architektura łączy warstwy Mamba-2, uwagi i Latent Mixture-of-Experts. Warstwy Multi-Token Prediction dodają mechanizm przewidywania przyszłych tokenów i wspierają natywne procedury dekodowania spekulatywnego NVIDIA.
Model przyjmuje tekst i zwraca tekst, w tym wyjaśnienia, projekty odpowiedzi, kod i żądania wywołania narzędzi w odpowiedniej aplikacji połączonej z narzędziami. Jego zamierzone zastosowania obejmują agentów, chatboty, generowanie wspomagane wyszukiwaniem, wykonywanie złożonych instrukcji i rozumowanie w długim kontekście. Przydatne polecenie określa żądany materiał oraz warunki, którym podlega. Na przykład: „Sklasyfikuj ten incydent zgodnie z dostarczoną polityką, wyjaśnij priorytet na podstawie dowodów, przygotuj projekt odpowiedzi i wymień brakujące fakty potrzebne przed zaleceniem poprawki”.
Przy przetwarzaniu zgłoszeń IT dostarcz treść zgłoszenia, istotną historię, szczegóły środowiska i obowiązujące reguły kierowania lub eskalacji. Poproś o osobne pola dla zaobserwowanych objawów, prawdopodobnych przyczyn, proponowanych kontroli i odpowiedzi do użytkownika. To rozróżnienie zapobiega zapisaniu hipotezy jako potwierdzonej diagnozy. Jeśli uruchomione zostanie narzędzie diagnostyczne, wprowadź do rozmowy jego rzeczywisty wynik przed poproszeniem o kolejny krok. Ukończone podsumowanie zgłoszenia powinno określać, co zaobserwowano i rozwiązano oraz jakie pytanie pozostaje otwarte.
Przy RAG i pracy z bazą wiedzy oznacz pobrane fragmenty i określ, czy model ma odpowiadać wyłącznie na ich podstawie. Poproś o odpowiedź z odniesieniami do źródeł, które ją uzasadniają, oraz wskazaniem sprzeczności między materiałami. Praktyczny przykład brzmi: „Porównaj te sekcje instrukcji operacyjnej, wskaż kroki dotyczące dostarczonego środowiska i zwróć uporządkowaną procedurę z kontrolą po każdym ważnym kroku”. Zachowaj wersje i warunki ze źródła; jasna procedura nadal może być błędna, jeśli łączy instrukcje dla niezgodnych środowisk.
W zadaniach z udziałem współpracujących agentów nadaj każdemu etapowi jasny cel i zachowuj użyteczne wyniki pośrednie. Super jest przeznaczony do rozumowania na podstawie obserwacji narzędzi i utrzymywania wieloetapowej rozmowy. Otaczająca aplikacja wykonuje narzędzia i zachowuje stan zadania. Poproś model o wyjaśnienie, co zmienia nowa obserwacja, zachowanie wcześniejszych ustaleń, które nadal obowiązują, i odróżnienie proponowanego działania od zapisanego wyniku. Przy programowaniu dostarcz odpowiednie pliki i oczekiwane zachowanie, a następnie poproś o poprawiony kod, wyjaśnienie zmiany i przypadki potrzebne do jej sprawdzenia.
NVIDIA dokumentuje domyślnie włączone myślenie i tryb bezpośredniej odpowiedzi, w którym myślenie wyłącza się za pomocą szablonu rozmowy. Super ma także opcję rozumowania z małym nakładem, która zużywa mniej tokenów rozumowania niż pełne myślenie i jest sugerowana jako punkt wyjścia przed jawnym dostrajaniem budżetu. Jest to ustawienie Super; nie należy przenosić do niego odrębnej opcji średniego nakładu z Ultra. Wybierz formę końcowej odpowiedzi i pozostaw na nią miejsce po rozumowaniu, szczególnie gdy wynik narzędzia lub złożone porównanie źródeł wymaga wyjaśnienia.
Model obsługuje kontekst do 1 mln tokenów, natomiast konfiguracja Hugging Face producenta domyślnie używa 256 tys., ponieważ dłuższy kontekst wymaga więcej pamięci. Przy długich danych wejściowych pracuj w granicach właściwej konfiguracji, zachowuj granice dokumentów i oznaczenia źródeł oraz rezerwuj przestrzeń na odpowiedź. Poproś o prześledzenie relacji w materiale, zamiast o nieukierunkowane podsumowanie wszystkiego. Maksimum na poziomie modelu nie jest obietnicą, że każda konfiguracja udostępniania używa tego samego okna.
Producent wymienia języki angielski, francuski, niemiecki, włoski, japoński, hiszpański i chiński. Określ język końcowy, zachowując identyfikatory kodu i terminy źródłowe, które muszą pozostać dokładne. Przy wsparciu wielojęzycznym poproś model o zachowanie znaczenia technicznego i kryteriów eskalacji przy dostosowywaniu sformułowań do czytelnika. Sprawdzaj nieznaną terminologię lub niejednoznaczne dane wejściowe, zamiast traktować płynność jako dowód poprawnej interpretacji.
Użyteczny końcowy rezultat jest zwięzły i możliwy do sprawdzenia: odpowiedź lub poprawiony materiał, uzasadniające go obserwacje, założenia i pozostała praca. W wygenerowanych procedurach sprawdź kontrole względem rzeczywistego środowiska. Przy kodzie porównaj proponowane zmiany z zaobserwowanym zachowaniem. Przy odpowiedzi opartej na źródłach potwierdź, że cytowany fragment uzasadnia twierdzenie. Trening Super w rozumowaniu i pracy agentowej pomaga uporządkować te działania; rzeczywisty wynik ustala się na podstawie materiałów i zapisów wykonania użytych do jego sprawdzenia.
POST /v1/chat/completionstexttext| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity nvidia/nemotron-3-super-120b-a12b:free | Domyślnie— |
Polemessages | Typarray | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polestream | Typboolean | WymaganieOpcjonalne | Wartości i limity false | Domyślniefalse |
Polemax_tokens | Typinteger | WymaganieOpcjonalne | Wartości i limity Minimum: 1 Maksimum: 235 929 | Domyślnie— |
Polemax_completion_tokens | Typinteger | WymaganieOpcjonalne | Wartości i limity Minimum: 1 Maksimum: 235 929 | Domyślnie— |
Polen | Typinteger | WymaganieOpcjonalne | Wartości i limity Minimum: 1 Maksimum: 128 | Domyślnie— |
Poletemperature | Typnumber | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Poletop_p | Typnumber | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Poleseed | Typinteger | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polestop | Typ | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polefrequency_penalty | Typnumber | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polepresence_penalty | Typnumber | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Poleuser | Typstring | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages |
Parametroptional | Kontraktstream, max_tokens, max_completion_tokens, n, temperature, top_p, seed, stop, frequency_penalty, presence_penalty, user |
Parametrmaterial_types | Kontrakttext |
Parametrconditions | KontraktUse literal text messages only. Cache controls, tools, image/audio/video content and streamed responses are unavailable for this method., The complete encoded JSON request must not exceed 262144 bytes. |
Cykl życia: synchronous_json
Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.
| Konfiguracja | Tabela stawek | Opłata |
|---|---|---|
| KonfiguracjaBazowe stawki za tokeny | Tabela stawekStawka podstawowa | Opłata Wejście · Tokeny wejściowe $0 / 1K tokenów Wyjście · Tokeny wyjściowe $0 / 1K tokenów Wejście · Odczyt cache — / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "nvidia/nemotron-3-super-120b-a12b:free", "messages": [{"role": "user", "content": "Summarize the supplied text in three concise points."}], "stream": false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\nJSON
Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.
Retain the complete response, all actual results, original identifiers, usage and response headers.
Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.
Ailoot Ultra nvidia/nemotron-3-super-120b-a12b:free
Użyj ścieżek metod podanych powyżej.
nvidia/nemotron-3-super-120b-a12b:freeNVIDIA Nemotron 3 Super to tekstowy model rozumowania i rozmów ze 120 mld parametrów łącznie i 12 mld parametrów aktywnych. Jest przeznaczony do współpracujących agentów, zadań o dużym wolumenie, takich jak przetwarzanie zgłoszeń IT, użycia narzędzi i RAG, z udokumentowanymi przez NVIDIA trybami myślenia, bezpośredniej odpowiedzi i rozumowania z małym nakładem.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
NVIDIA Nemotron 3 Super to uniwersalny model rozumowania i rozmów, przeznaczony do współpracujących agentów oraz procesów o dużym wolumenie, w tym automatyzacji zgłoszeń IT. Ma 120 mld parametrów łącznie i aktywuje 12 mld. Jego hybrydowa architektura łączy warstwy Mamba-2, uwagi i Latent Mixture-of-Experts. Warstwy Multi-Token Prediction dodają mechanizm przewidywania przyszłych tokenów i wspierają natywne procedury dekodowania spekulatywnego NVIDIA.
Model przyjmuje tekst i zwraca tekst, w tym wyjaśnienia, projekty odpowiedzi, kod i żądania wywołania narzędzi w odpowiedniej aplikacji połączonej z narzędziami. Jego zamierzone zastosowania obejmują agentów, chatboty, generowanie wspomagane wyszukiwaniem, wykonywanie złożonych instrukcji i rozumowanie w długim kontekście. Przydatne polecenie określa żądany materiał oraz warunki, którym podlega. Na przykład: „Sklasyfikuj ten incydent zgodnie z dostarczoną polityką, wyjaśnij priorytet na podstawie dowodów, przygotuj projekt odpowiedzi i wymień brakujące fakty potrzebne przed zaleceniem poprawki”.
Przy przetwarzaniu zgłoszeń IT dostarcz treść zgłoszenia, istotną historię, szczegóły środowiska i obowiązujące reguły kierowania lub eskalacji. Poproś o osobne pola dla zaobserwowanych objawów, prawdopodobnych przyczyn, proponowanych kontroli i odpowiedzi do użytkownika. To rozróżnienie zapobiega zapisaniu hipotezy jako potwierdzonej diagnozy. Jeśli uruchomione zostanie narzędzie diagnostyczne, wprowadź do rozmowy jego rzeczywisty wynik przed poproszeniem o kolejny krok. Ukończone podsumowanie zgłoszenia powinno określać, co zaobserwowano i rozwiązano oraz jakie pytanie pozostaje otwarte.
Przy RAG i pracy z bazą wiedzy oznacz pobrane fragmenty i określ, czy model ma odpowiadać wyłącznie na ich podstawie. Poproś o odpowiedź z odniesieniami do źródeł, które ją uzasadniają, oraz wskazaniem sprzeczności między materiałami. Praktyczny przykład brzmi: „Porównaj te sekcje instrukcji operacyjnej, wskaż kroki dotyczące dostarczonego środowiska i zwróć uporządkowaną procedurę z kontrolą po każdym ważnym kroku”. Zachowaj wersje i warunki ze źródła; jasna procedura nadal może być błędna, jeśli łączy instrukcje dla niezgodnych środowisk.
W zadaniach z udziałem współpracujących agentów nadaj każdemu etapowi jasny cel i zachowuj użyteczne wyniki pośrednie. Super jest przeznaczony do rozumowania na podstawie obserwacji narzędzi i utrzymywania wieloetapowej rozmowy. Otaczająca aplikacja wykonuje narzędzia i zachowuje stan zadania. Poproś model o wyjaśnienie, co zmienia nowa obserwacja, zachowanie wcześniejszych ustaleń, które nadal obowiązują, i odróżnienie proponowanego działania od zapisanego wyniku. Przy programowaniu dostarcz odpowiednie pliki i oczekiwane zachowanie, a następnie poproś o poprawiony kod, wyjaśnienie zmiany i przypadki potrzebne do jej sprawdzenia.
NVIDIA dokumentuje domyślnie włączone myślenie i tryb bezpośredniej odpowiedzi, w którym myślenie wyłącza się za pomocą szablonu rozmowy. Super ma także opcję rozumowania z małym nakładem, która zużywa mniej tokenów rozumowania niż pełne myślenie i jest sugerowana jako punkt wyjścia przed jawnym dostrajaniem budżetu. Jest to ustawienie Super; nie należy przenosić do niego odrębnej opcji średniego nakładu z Ultra. Wybierz formę końcowej odpowiedzi i pozostaw na nią miejsce po rozumowaniu, szczególnie gdy wynik narzędzia lub złożone porównanie źródeł wymaga wyjaśnienia.
Model obsługuje kontekst do 1 mln tokenów, natomiast konfiguracja Hugging Face producenta domyślnie używa 256 tys., ponieważ dłuższy kontekst wymaga więcej pamięci. Przy długich danych wejściowych pracuj w granicach właściwej konfiguracji, zachowuj granice dokumentów i oznaczenia źródeł oraz rezerwuj przestrzeń na odpowiedź. Poproś o prześledzenie relacji w materiale, zamiast o nieukierunkowane podsumowanie wszystkiego. Maksimum na poziomie modelu nie jest obietnicą, że każda konfiguracja udostępniania używa tego samego okna.
Producent wymienia języki angielski, francuski, niemiecki, włoski, japoński, hiszpański i chiński. Określ język końcowy, zachowując identyfikatory kodu i terminy źródłowe, które muszą pozostać dokładne. Przy wsparciu wielojęzycznym poproś model o zachowanie znaczenia technicznego i kryteriów eskalacji przy dostosowywaniu sformułowań do czytelnika. Sprawdzaj nieznaną terminologię lub niejednoznaczne dane wejściowe, zamiast traktować płynność jako dowód poprawnej interpretacji.
Użyteczny końcowy rezultat jest zwięzły i możliwy do sprawdzenia: odpowiedź lub poprawiony materiał, uzasadniające go obserwacje, założenia i pozostała praca. W wygenerowanych procedurach sprawdź kontrole względem rzeczywistego środowiska. Przy kodzie porównaj proponowane zmiany z zaobserwowanym zachowaniem. Przy odpowiedzi opartej na źródłach potwierdź, że cytowany fragment uzasadnia twierdzenie. Trening Super w rozumowaniu i pracy agentowej pomaga uporządkować te działania; rzeczywisty wynik ustala się na podstawie materiałów i zapisów wykonania użytych do jego sprawdzenia.
POST /v1/messagestexttext| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity nvidia/nemotron-3-super-120b-a12b:free | Domyślnie— |
Polemessages | Typarray | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polestream | Typboolean | WymaganieOpcjonalne | Wartości i limity false | Domyślniefalse |
Polesystem | Typstring | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polemax_tokens | Typinteger | WymaganieWymagane | Wartości i limity Minimum: 1 Maksimum: 235 929 | Domyślnie— |
Poletemperature | Typnumber | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Poletop_p | Typnumber | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Poletop_k | Typinteger | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polestop_sequences | Typarray | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polemetadata | Typobject | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages, max_tokens |
Parametroptional | Kontraktstream, system, temperature, top_p, top_k, stop_sequences, metadata |
Parametrmaterial_types | Kontrakttext |
Parametrconditions | KontraktUse literal text messages only. Cache controls, tools, image/audio/video content and streamed responses are unavailable for this method., The complete encoded JSON request must not exceed 262144 bytes. |
Cykl życia: synchronous_json
Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.
| Konfiguracja | Tabela stawek | Opłata |
|---|---|---|
| KonfiguracjaBazowe stawki za tokeny | Tabela stawekStawka podstawowa | Opłata Wejście · Tokeny wejściowe $0 / 1K tokenów Wyjście · Tokeny wyjściowe $0 / 1K tokenów Wejście · Odczyt cache — / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "nvidia/nemotron-3-super-120b-a12b:free", "messages": [{"role": "user", "content": "Summarize the supplied text in three concise points."}], "stream": false, "max_tokens": 256}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\nJSON
Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.
Retain the complete response, all actual results, original identifiers, usage and response headers.
Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.
Ailoot Ultra nvidia/nemotron-3-super-120b-a12b:free
Użyj ścieżek metod podanych powyżej.