NVIDIA: Nemotron 3.5 Content Safety (free)

Nemotron 3.5 Content Safety är NVIDIAs skyddsmodell med 4 miljarder parametrar, finjusterad från Gemma-3-4B. Dess dokumenterade användningsområden är moderering av prompter och svar, innehållsklassificering och arbetsflöden för säkerhetspolicy. NVIDIA beskriver utdata som bedömer en användarprompt och ett svar som säkra eller osäkra, lägger till etiketter för säkerhetskategorier och valfritt inkluderar ett resonemangsspår. Bedömningen är modellutdata som applikationen ska utvärdera och tillämpa. Varje meddelande har role med värdet system, developer, user eller assistant och content som en vanlig sträng. Det valfria fältet name är en sträng; begränsa varje meddelande till dessa fält. Skicka stream:false eller utelämna stream.

Använd det exakta modell-ID:t nvidia/nemotron-3.5-content-safety:free med POST /v1/chat/completions och en icke-tom messages-array. Placera materialet som ska bedömas som text i content och skilj användarprompten från modellsvaret när båda granskas. Ett praktiskt modereringssteg kan märka upp dessa två avsnitt uttryckligen och be modellen identifiera relevanta kategorier samtidigt som bedömningen hålls knuten till det tillhandahållna innehållet.

Denna Ailoot-utgåva accepterar text och returnerar text. För en granskningskö förbereder du det faktiska inlägget, utkastet till supportmeddelande eller det genererade svar som behöver bedömas, tillsammans med omgivande kontext som påverkar dess betydelse. Håll applikationsbeslut, till exempel att skicka ett flaggat objekt till mänsklig granskning, i ditt eget arbetsflöde. Medieindata, inställningar för verktygsanrop och uttryckliga cacheinställningar ligger utanför denna utgåvas förfrågningsprofil.

Modellsidan anger ett kontextfönster på 128 000 tokens och upp till 8 192 tokens för genererade svar. Ailoot kräver också att hela UTF-8-kodade JSON-kroppen i förfrågan, inklusive instruktioner och fältnamn, ryms inom 128 000 byte. För ett uttryckligt utdatatak sätter du exakt ett av max_tokens eller max_completion_tokens till ett positivt heltal från 1 till och med 8 192. Om inget anges vidarebefordrar Ailoot ett utdatatak på 4 096 tokens. Ta hänsyn till hela samtalet och den bedömning du begär. Modellbeskrivningen anger täckning av 12 språk; bevara den ursprungliga ordalydelsen när utvärderingen beror på källspråket. Om din applikation förväntar sig särskilda etiketter tolkar och validerar du den returnerade texten mot dina valda hanteringsregler. Ett begärt svar som ser ut som JSON garanterar inte schematvingad utdata.

Använd stream:false för ett fullständigt JSON-svar från samtalet. Läs choices[].message.content, bevara varje returnerat choice och eventuella medföljande reasoning-fält och behåll finish_reason och usage. Lagra bedömningen med exakt den prompt och det svar som den utvärderar så att beslutet kan granskas senare. En bedömning av en text gäller den tillhandahållna texten och kontexten; utvärdera ett väsentligt ändrat svar som ett eget objekt.

Förbered material som inte innehåller konfidentiell information, enligt denna kostnadsfria utgåvas dokumenterade användningsvillkor. Om förfrågan avslutas utan en fullständig bedömning behåller du den ursprungliga förfrågningsidentifieraren och returnerade data medan du kontrollerar det befintliga försöket. Denna modellbeskrivning dokumenterar ett direkt samtalsresultat och tillhandahåller inget separat asynkront jobb eller arbetsflöde för avbrytande.