Nemotron 3 Nano 30B A3B — NVIDIA’ning mulohaza yuritishni talab qiladigan va talab qilmaydigan vazifalar uchun yagona profil sifatida ishlab chiqilgan gibrid mixture-of-experts matn modeli. U matn qabul qiladi va matn yaratadi; odatda yakuniy javobdan oldin mulohaza bayonini ishlab chiqadi. Ishlab chiqaruvchining chat shabloni bevosita javoblar uchun shu bayonni o‘chirishi mumkin, biroq tahlildan foyda ko‘radigan murakkabroq topshiriqlarda buning evaziga natija sifati o‘zgarishi mumkin.
Ishlab chiqaruvchi arxitekturasi jami taxminan o‘ttiz milliard parametrli Mamba-2/transformer gibrididir. Uning tuzilishida ellik ikki qatlam bor: yigirma uchta Mamba-2 qatlami, yigirma uchta ekspert qatlami va oltita attention qatlami. Har bir ekspert qatlamida 128 ta yo‘naltiriladigan ekspert va bitta umumiy ekspert mavjud; har token uchun oltita yo‘naltiriladigan ekspert faollashadi.
NVIDIA yigirma besh trillion token asosida o‘qitishni, keyin nazoratli qo‘shimcha o‘qitish va bir nechta muhitda mustahkamlovchi o‘qitishni tasvirlaydi. Dastlabki o‘qitishdan keyingi yo‘nalishlar kod, matematika, tabiiy fanlar, ko‘rsatmalar, tuzilmali chiqishlar, ko‘p bosqichli vositalar va ko‘p navbatli suhbatlarni qamrab oladi. Bular Nano’ning asl xususiyatlari bo‘lib, keyingi 3.5 Lightning relizidagi bir nechta tokenni bashorat qilish imkoniyatidan alohidadir.
Matematika uchun to‘liq shartni va yakuniy natija formatini bering. Kod uchun tegishli funksiya, odatiy kirish misoli, kuzatilgan xato va talab qilinadigan xatti-harakatni taqdim eting. Foydali topshiriq shunday bo‘lishi mumkin: “Bu kirish ma’lumotining amalga oshirilgan kod bo‘ylab qanday o‘tishini kuzating, birinchi noto‘g‘ri shartni aniqlang va uni asoslovchi izoh bilan birga aniq tuzatishni qaytaring.” Oddiy ma’lumot ajratish vazifasida esa faqat belgilangan maydonlarni so‘rash mumkin.
Ishlab chiqaruvchi ingliz, ispan, fransuz, nemis, yapon va italyan tillarini sanab o‘tadi. Javob tilini ko‘rsating va zarur terminlarni o‘zgartirmang. Natija izoh, kod yoki tuzilmali yozuv sifatida foydali bo‘lib qolishi uchun yakuniy materialni oraliq mulohazadan alohida so‘rang.
NVIDIA avval mulohaza matnini oladigan, tugallanmagan bayonni yopadigan va keyin qolgan generatsiya byudjetini yakuniy javobga ishlatadigan namunaviy mijozni namoyish etadi. Bu — ishlab chiqaruvchi mijozidagi amaliy tartib; model nomi o‘z-o‘zidan aniq ichki to‘xtash chegarasini anglatmaydi. Mavjud joyning hammasini tahlilga sarflash o‘rniga, yakuniy javobga joy qoldiradigan javob byudjetini tanlang.
Ishlab chiqaruvchi profili vositalardan foydalanish va tuzilmali chiqishlar uchun o‘qitishni o‘z ichiga oladi. Ilova funksiyalar ta’riflarini taqdim etadi, tanlangan amallarni bajaradi va ularning kuzatuv natijalarini qaytaradi. Bu natijalarni o‘z chaqiruvlari bilan bog‘lab saqlang. Manbaga tayangan javob haqiqatan olingan material yoki hisob-kitobdan foydalanishi mumkin; kodni qayta ishlash esa kuzatilgan tekshiruv natijalariga tayanishi kerak.
Model kartasida uning uzun kontekstli tuzilishi uchun kirish va chiqish profili eng ko‘pi bilan bir million token deb ko‘rsatilgan. Bu ko‘rsatkichlardan tanlangan bajarish sozlamalari va umumiy kontekst byudjeti bilan birga foydalanish kerak; topshiriq, tarix, mulohaza va javob baribir birgalikda joy egallaydi. Katta kontekst oynasi tartibsiz manbalar to‘plamini aniq vazifaga aylantirmaydi.
Hujjatlarni manbalar bo‘yicha, kodni esa tegishli chegaralar bo‘yicha tartiblang va topshiriq qachon tugallangan hisoblanishini ayting. Qiymatlarni material bilan, kodni esa u ishlatiladigan ilovada tekshiring. Foydali natija — dalillari va yechilmagan ma’lumotlari belgilangan matnli javob; unda keyingi Nemotron xususiyatlari yoki hisoblash aniqligi haqidagi taxminlarni qo‘shmasdan, aynan Nano nashrining o‘ziga xosligi saqlanadi.
", "aboutText": "Nemotron 3 Nano 30B A3B — NVIDIA’ning mulohaza yuritishni talab qiladigan va talab qilmaydigan vazifalar uchun yagona profil sifatida ishlab chiqilgan gibrid mixture-of-experts matn modeli. U matn qabul qiladi va matn yaratadi; odatda yakuniy javobdan oldin mulohaza bayonini ishlab chiqadi. Ishlab chiqaruvchining chat shabloni bevosita javoblar uchun shu bayonni o‘chirishi mumkin, biroq tahlildan foyda ko‘radigan murakkabroq topshiriqlarda buning evaziga natija sifati o‘zgarishi mumkin.\n\n### Arxitektura va o‘qitish\n\nIshlab chiqaruvchi arxitekturasi jami taxminan o‘ttiz milliard parametrli Mamba-2/transformer gibrididir. Uning tuzilishida ellik ikki qatlam bor: yigirma uchta Mamba-2 qatlami, yigirma uchta ekspert qatlami va oltita attention qatlami. Har bir ekspert qatlamida 128 ta yo‘naltiriladigan ekspert va bitta umumiy ekspert mavjud; har token uchun oltita yo‘naltiriladigan ekspert faollashadi.\n\nNVIDIA yigirma besh trillion token asosida o‘qitishni, keyin nazoratli qo‘shimcha o‘qitish va bir nechta muhitda mustahkamlovchi o‘qitishni tasvirlaydi. Dastlabki o‘qitishdan keyingi yo‘nalishlar kod, matematika, tabiiy fanlar, ko‘rsatmalar, tuzilmali chiqishlar, ko‘p bosqichli vositalar va ko‘p navbatli suhbatlarni qamrab oladi. Bular Nano’ning asl xususiyatlari bo‘lib, keyingi 3.5 Lightning relizidagi bir nechta tokenni bashorat qilish imkoniyatidan alohidadir.\n\n### Mulohazali yoki bevosita vazifani tayyorlash\n\nMatematika uchun to‘liq shartni va yakuniy natija formatini bering. Kod uchun tegishli funksiya, odatiy kirish misoli, kuzatilgan xato va talab qilinadigan xatti-harakatni taqdim eting. Foydali topshiriq shunday bo‘lishi mumkin: “Bu kirish ma’lumotining amalga oshirilgan kod bo‘ylab qanday o‘tishini kuzating, birinchi noto‘g‘ri shartni aniqlang va uni asoslovchi izoh bilan birga aniq tuzatishni qaytaring.” Oddiy ma’lumot ajratish vazifasida esa faqat belgilangan maydonlarni so‘rash mumkin.\n\nIshlab chiqaruvchi ingliz, ispan, fransuz, nemis, yapon va italyan tillarini sanab o‘tadi. Javob tilini ko‘rsating va zarur terminlarni o‘zgartirmang. Natija izoh, kod yoki tuzilmali yozuv sifatida foydali bo‘lib qolishi uchun yakuniy materialni oraliq mulohazadan alohida so‘rang.\n\n### Mulohaza byudjeti bo‘yicha namuna\n\nNVIDIA avval mulohaza matnini oladigan, tugallanmagan bayonni yopadigan va keyin qolgan generatsiya byudjetini yakuniy javobga ishlatadigan namunaviy mijozni namoyish etadi. Bu — ishlab chiqaruvchi mijozidagi amaliy tartib; model nomi o‘z-o‘zidan aniq ichki to‘xtash chegarasini anglatmaydi. Mavjud joyning hammasini tahlilga sarflash o‘rniga, yakuniy javobga joy qoldiradigan javob byudjetini tanlang.\n\n### Vositalar va uzun kontekst\n\nIshlab chiqaruvchi profili vositalardan foydalanish va tuzilmali chiqishlar uchun o‘qitishni o‘z ichiga oladi. Ilova funksiyalar ta’riflarini taqdim etadi, tanlangan amallarni bajaradi va ularning kuzatuv natijalarini qaytaradi. Bu natijalarni o‘z chaqiruvlari bilan bog‘lab saqlang. Manbaga tayangan javob haqiqatan olingan material yoki hisob-kitobdan foydalanishi mumkin; kodni qayta ishlash esa kuzatilgan tekshiruv natijalariga tayanishi kerak.\n\nModel kartasida uning uzun kontekstli tuzilishi uchun kirish va chiqish profili eng ko‘pi bilan bir million token deb ko‘rsatilgan. Bu ko‘rsatkichlardan tanlangan bajarish sozlamalari va umumiy kontekst byudjeti bilan birga foydalanish kerak; topshiriq, tarix, mulohaza va javob baribir birgalikda joy egallaydi. Katta kontekst oynasi tartibsiz manbalar to‘plamini aniq vazifaga aylantirmaydi.\n\nHujjatlarni manbalar bo‘yicha, kodni esa tegishli chegaralar bo‘yicha tartiblang va topshiriq qachon tugallangan hisoblanishini ayting. Qiymatlarni material bilan, kodni esa u ishlatiladigan ilovada tekshiring. Foydali natija — dalillari va yechilmagan ma’lumotlari belgilangan matnli javob; unda keyingi Nemotron xususiyatlari yoki hisoblash aniqligi haqidagi taxminlarni qo‘shmasdan, aynan Nano nashrining o‘ziga xosligi saqlanadi.", "editorialOverlay": { "copy_fields": { "practical_html": "Ingliz tilidagi texnik misol
Trace an inclusive-range defect\n\nTrace this Python code for start=2 and end=4: values = []\nfor n in range(start, end):\n values.append(n)\n The caller expects both endpoints included. Explain the first mismatch and propose a focused correction preserving ascending integer inputs. Include tests for 2 through 4 and equal endpoints, and state how descending inputs should be handled.A short trace, an inclusive-range correction, two tests and an explicit descending-input assumption.The equal-endpoint test yields one included value, and the changed bound does not omit end.nvidia/nemotron-3-nano-30b-a3bNemotron 3 Nano — NVIDIA’ning mulohaza yuritish va bevosita javoblar uchun mo‘ljallangan gibrid Mamba-2/transformer matn modeli. Ishlab chiqaruvchining taxminan 30B parametrli profili uzun kontekstli savollar, dasturlash, tuzilmali vazifalar va vositalarni qo‘llab-quvvatlaydi; fikrlashni sozlash va mulohaza uzunligini boshqarish uchun namunaviy usul mavjud.
Bu tavsif model imkoniyatlarini yoritadi. Ailoot da tanlangan usul uchun mavjud kirish, chiqish va parametrlar quyida keltirilgan.
Nemotron 3 Nano 30B A3B — NVIDIA’ning mulohaza yuritishni talab qiladigan va talab qilmaydigan vazifalar uchun yagona profil sifatida ishlab chiqilgan gibrid mixture-of-experts matn modeli. U matn qabul qiladi va matn yaratadi; odatda yakuniy javobdan oldin mulohaza bayonini ishlab chiqadi. Ishlab chiqaruvchining chat shabloni bevosita javoblar uchun shu bayonni o‘chirishi mumkin, biroq tahlildan foyda ko‘radigan murakkabroq topshiriqlarda buning evaziga natija sifati o‘zgarishi mumkin.
Ishlab chiqaruvchi arxitekturasi jami taxminan o‘ttiz milliard parametrli Mamba-2/transformer gibrididir. Uning tuzilishida ellik ikki qatlam bor: yigirma uchta Mamba-2 qatlami, yigirma uchta ekspert qatlami va oltita attention qatlami. Har bir ekspert qatlamida 128 ta yo‘naltiriladigan ekspert va bitta umumiy ekspert mavjud; har token uchun oltita yo‘naltiriladigan ekspert faollashadi.
NVIDIA yigirma besh trillion token asosida o‘qitishni, keyin nazoratli qo‘shimcha o‘qitish va bir nechta muhitda mustahkamlovchi o‘qitishni tasvirlaydi. Dastlabki o‘qitishdan keyingi yo‘nalishlar kod, matematika, tabiiy fanlar, ko‘rsatmalar, tuzilmali chiqishlar, ko‘p bosqichli vositalar va ko‘p navbatli suhbatlarni qamrab oladi. Bular Nano’ning asl xususiyatlari bo‘lib, keyingi 3.5 Lightning relizidagi bir nechta tokenni bashorat qilish imkoniyatidan alohidadir.
Matematika uchun to‘liq shartni va yakuniy natija formatini bering. Kod uchun tegishli funksiya, odatiy kirish misoli, kuzatilgan xato va talab qilinadigan xatti-harakatni taqdim eting. Foydali topshiriq shunday bo‘lishi mumkin: “Bu kirish ma’lumotining amalga oshirilgan kod bo‘ylab qanday o‘tishini kuzating, birinchi noto‘g‘ri shartni aniqlang va uni asoslovchi izoh bilan birga aniq tuzatishni qaytaring.” Oddiy ma’lumot ajratish vazifasida esa faqat belgilangan maydonlarni so‘rash mumkin.
Ishlab chiqaruvchi ingliz, ispan, fransuz, nemis, yapon va italyan tillarini sanab o‘tadi. Javob tilini ko‘rsating va zarur terminlarni o‘zgartirmang. Natija izoh, kod yoki tuzilmali yozuv sifatida foydali bo‘lib qolishi uchun yakuniy materialni oraliq mulohazadan alohida so‘rang.
NVIDIA avval mulohaza matnini oladigan, tugallanmagan bayonni yopadigan va keyin qolgan generatsiya byudjetini yakuniy javobga ishlatadigan namunaviy mijozni namoyish etadi. Bu — ishlab chiqaruvchi mijozidagi amaliy tartib; model nomi o‘z-o‘zidan aniq ichki to‘xtash chegarasini anglatmaydi. Mavjud joyning hammasini tahlilga sarflash o‘rniga, yakuniy javobga joy qoldiradigan javob byudjetini tanlang.
Ishlab chiqaruvchi profili vositalardan foydalanish va tuzilmali chiqishlar uchun o‘qitishni o‘z ichiga oladi. Ilova funksiyalar ta’riflarini taqdim etadi, tanlangan amallarni bajaradi va ularning kuzatuv natijalarini qaytaradi. Bu natijalarni o‘z chaqiruvlari bilan bog‘lab saqlang. Manbaga tayangan javob haqiqatan olingan material yoki hisob-kitobdan foydalanishi mumkin; kodni qayta ishlash esa kuzatilgan tekshiruv natijalariga tayanishi kerak.
Model kartasida uning uzun kontekstli tuzilishi uchun kirish va chiqish profili eng ko‘pi bilan bir million token deb ko‘rsatilgan. Bu ko‘rsatkichlardan tanlangan bajarish sozlamalari va umumiy kontekst byudjeti bilan birga foydalanish kerak; topshiriq, tarix, mulohaza va javob baribir birgalikda joy egallaydi. Katta kontekst oynasi tartibsiz manbalar to‘plamini aniq vazifaga aylantirmaydi.
Hujjatlarni manbalar bo‘yicha, kodni esa tegishli chegaralar bo‘yicha tartiblang va topshiriq qachon tugallangan hisoblanishini ayting. Qiymatlarni material bilan, kodni esa u ishlatiladigan ilovada tekshiring. Foydali natija — dalillari va yechilmagan ma’lumotlari belgilangan matnli javob; unda keyingi Nemotron xususiyatlari yoki hisoblash aniqligi haqidagi taxminlarni qo‘shmasdan, aynan Nano nashrining o‘ziga xosligi saqlanadi.
POST /v1/chat/completionstexttext| Maydon | Tur | Talab | Qiymatlar va cheklovlar | Standart |
|---|---|---|---|---|
Maydonmodel | Turstring | TalabMajburiy | Qiymatlar va cheklovlar nvidia/nemotron-3-nano-30b-a3b | Standart— |
Maydonmessages | Turmessage[] | TalabMajburiy | Qiymatlar va cheklovlar Elementlarning eng kam soni: 1 | Standart— |
Maydonmessages[].role | Turstring | TalabMajburiy | Qiymatlar va cheklovlar Namunalar: system, user, assistant, tool, function Shartlar: Bu rollar manba kodining moslik turlarida ochiq ifodalangan; aniq rollar to‘plami har bir modelga xos bo‘lib qoladi. Modelga bogʻliq | Standart— |
Maydonmessages[].content | Turstring|content_part[]|null | TalabIxtiyoriy | Qiymatlar va cheklovlar | Standart— |
Maydonmessages[].tool_calls | Turtool_call[] | TalabIxtiyoriy | Qiymatlar va cheklovlar | Standart— |
Maydonmessages[].tool_call_id | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar Quyidagi holatda qo‘llanadi: role=tool; haqiqatan qaytarilgan IDdan foydalaning | Standart— |
Maydonmessages[].name | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar | Standart— |
Maydonmessages[].reasoning_content | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar Quyidagi holatda qo‘llanadi: Ushbu model foydalanganda, haqiqatan qaytarilgan fikrlash ma’lumotlarini keyingi so‘rovda qayta yuboring | Standart— |
Maydonmessages[].reasoning_details | Turobject|array | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonmax_tokens | Turinteger | TalabIxtiyoriy | Qiymatlar va cheklovlar Eng kam: 1 Modelga bogʻliq | Standart— |
Maydonmax_completion_tokens | Turinteger | TalabIxtiyoriy | Qiymatlar va cheklovlar Eng kam: 1 Modelga bogʻliq | Standart— |
Maydonstream | Turboolean | TalabIxtiyoriy | Qiymatlar va cheklovlar | Standartfalse |
Maydonstream_options.include_usage | Turboolean | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydontemperature | Turnumber | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydontop_p | Turnumber | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonstop | Turstring|string[] | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydontools | Turfunction_tool[] | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydontools[].type | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar function Modelga bogʻliq | Standart— |
Maydontools[].function.name | Turstring | TalabMajburiy | Qiymatlar va cheklovlar Quyidagi holatda qo‘llanadi: Funksiya vositasi taqdim etilgan | Standart— |
Maydontools[].function.description | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar | Standart— |
Maydontools[].function.parameters | TurJSON_schema | TalabIxtiyoriy | Qiymatlar va cheklovlar | Standart— |
Maydontool_choice | Turstring|object | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonparallel_tool_calls | Turboolean | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonresponse_format | Turobject | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonreasoning_effort | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonreasoning | Turobject | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonservice_tier | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydoninstructions | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar Moslik maydoni | Standart— |
Maydonfunctions | Turfunction[] | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonfunction_call | Turstring|object | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonprompt_cache_options | Turobject | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonmodalities | Turstring[] | TalabIxtiyoriy | Qiymatlar va cheklovlar text | Standart— |
Maydonprovider | Turobject | TalabIxtiyoriy | Qiymatlar va cheklovlar Shartlar: Ushbu Ultra matn marshrutida provider.options rad etiladi | Standart— |
Maydoncache_control.ttl | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar Shartlar: Haqiqiy prompt-kesh joylarida 1h rad etiladi | Standart— |
Matn · UTF8 matni
messages[].content
| Parametr | Parametr talablari |
|---|---|
Parametrcontent_type | Parametr talablariapplication/json |
Parametrrequired | Parametr talablarimodel, messages |
Parametrmaterial_types | Parametr talablaritext |
Parametrmessages | Parametr talablarirole/content tuzilishidagi xabarlar massivi |
Parametrfile_material | Parametr talablariHaqiqiy UTF-8 hujjati aynan matn sifatida kiritiladi; fayl IDsi faraz qilinmaydi |
Parametroptional_controls | Parametr talablaristream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrcontrol_scope | Parametr talablariModelga xos; foydalanuvchi funksiya vositalari hostingdagi vositalardan farq qiladi |
Parametroutput_modalities | Parametr talablaritext |
Parametrhosted_operations | Parametr talablarifalse |
Parametrmultimodal_input_binding | Parametr talablarinull |
Hayot sikli: synchronous_or_streamed
Aniq model IDsini messages bilan yuboring.
Kontekst uzunligi chiqishning yuqori chegarasi emas.
Matn fayli aynan matnni taqdim etishi mumkin; tasvir, audio va fayl obyekti kirishlari aniq bog‘lashni talab qiladi.
Tarif ma’lumotlari so‘rov imkoniyatlarini qo‘shmaydi. Qo‘llab-quvvatlanadigan parametrlar tanlangan usulda ko‘rsatilgan.
Har bir to‘lovni ko‘rsatilgan shartlarga moslang. Har bir muqobil sozlamalar to‘plami uchun bitta tarifdan foydalaning.
| Sozlama | Tariflar jadvali | Kontekst tokenlari soni bundan ko‘p | Kontekst tokenlari soni bundan oshmaydi, chegara kiradi | To‘lov |
|---|---|---|---|---|
| SozlamaTokenlar uchun bazaviy tariflar | Tariflar jadvaliAsosiy tarif | Kontekst tokenlari soni bundan ko‘p— | Kontekst tokenlari soni bundan oshmaydi, chegara kiradiYuqori chegara yo‘q | To‘lov Kirish · Kirish tokenlari $0.0001 / 1K token Chiqish · Chiqish tokenlari $0.0004 / 1K token Kirish · Keshdan o‘qish — / 1K token Kirish · Keshga yozish — / 1K token Kirish · Keshga yozish, 1 soat — / 1K token |
| SozlamaSo‘rov uzunligi bo‘yicha 1-daraja | Tariflar jadvali— | Kontekst tokenlari soni bundan ko‘p0 | Kontekst tokenlari soni bundan oshmaydi, chegara kiradiYuqori chegara yo‘q | To‘lov Kirish · Kirish tokenlari $0.0001 / 1K token Chiqish · Chiqish tokenlari $0.0004 / 1K token Kirish · Keshdan o‘qish — / 1K token Kirish · Keshga yozish — / 1K token Kirish · Keshga yozish, 1 soat — / 1K token |
Ailoot so‘rovdan oldin taxminiy summani band qiladi. Natijadan keyin o‘lchangan sarf asosidagi yakuniy to‘lovni yechadi. Oqimli javob bo‘yicha yakuniy hisob-kitob yakuniy sarf yozuviga asoslanadi. Summani band qilish va to‘lovni hisoblash tartibi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "nvidia/nemotron-3-nano-30b-a3b", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\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\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='nvidia/nemotron-3-nano-30b-a3b',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='nvidia/nemotron-3-nano-30b-a3b',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson yoki SSE
Qaytarilgan har bir to‘liq javob, fayl va kontent qismini saqlang.
Har bir javob variantini va uning kontenti, vosita chaqiruvlari hamda fikrlash ma’lumotlarini saqlang. SSEda o‘zgarish qismlarini variant va vosita indeksi bo‘yicha yig‘ing, yakuniy tugash sababi va sarf ma’lumotlarini saqlang.
So‘rov va javob IDlari hamda sarlavhalarini saqlang. Matn vazifasini olish uchun umumiy URL taqdim etilmagan.
| Maydon | Tur |
|---|---|
Maydonchoices[].index | Turinteger |
Maydonchoices[].message.content | Turstring|null |
Maydonchoices[].message.tool_calls | Turtool_call[] |
Maydonchoices[].message.reasoning_content | Turstring |
Maydonchoices[].message.reasoning_details | Turobject|array |
Maydonchoices[].finish_reason | Turstring|null |
Maydonusage | Turobject |
| Javob | Shart | Keyingi qadam |
|---|---|---|
Javob400 · invalid_request_error | ShartMajburiy maydonlar, material ifodasi yoki parametr qiymati noto‘g‘ri | Keyingi qadamYangi yaratish so‘rovidan oldin ko‘rsatilgan maydonlarni tuzating. |
Ailoot Ultra nvidia/nemotron-3-nano-30b-a3b
Yuqorida ko‘rsatilgan usul yo‘llaridan foydalaning.
nvidia/nemotron-3-nano-30b-a3bNemotron 3 Nano — NVIDIA’ning mulohaza yuritish va bevosita javoblar uchun mo‘ljallangan gibrid Mamba-2/transformer matn modeli. Ishlab chiqaruvchining taxminan 30B parametrli profili uzun kontekstli savollar, dasturlash, tuzilmali vazifalar va vositalarni qo‘llab-quvvatlaydi; fikrlashni sozlash va mulohaza uzunligini boshqarish uchun namunaviy usul mavjud.
Bu tavsif model imkoniyatlarini yoritadi. Ailoot da tanlangan usul uchun mavjud kirish, chiqish va parametrlar quyida keltirilgan.
Nemotron 3 Nano 30B A3B — NVIDIA’ning mulohaza yuritishni talab qiladigan va talab qilmaydigan vazifalar uchun yagona profil sifatida ishlab chiqilgan gibrid mixture-of-experts matn modeli. U matn qabul qiladi va matn yaratadi; odatda yakuniy javobdan oldin mulohaza bayonini ishlab chiqadi. Ishlab chiqaruvchining chat shabloni bevosita javoblar uchun shu bayonni o‘chirishi mumkin, biroq tahlildan foyda ko‘radigan murakkabroq topshiriqlarda buning evaziga natija sifati o‘zgarishi mumkin.
Ishlab chiqaruvchi arxitekturasi jami taxminan o‘ttiz milliard parametrli Mamba-2/transformer gibrididir. Uning tuzilishida ellik ikki qatlam bor: yigirma uchta Mamba-2 qatlami, yigirma uchta ekspert qatlami va oltita attention qatlami. Har bir ekspert qatlamida 128 ta yo‘naltiriladigan ekspert va bitta umumiy ekspert mavjud; har token uchun oltita yo‘naltiriladigan ekspert faollashadi.
NVIDIA yigirma besh trillion token asosida o‘qitishni, keyin nazoratli qo‘shimcha o‘qitish va bir nechta muhitda mustahkamlovchi o‘qitishni tasvirlaydi. Dastlabki o‘qitishdan keyingi yo‘nalishlar kod, matematika, tabiiy fanlar, ko‘rsatmalar, tuzilmali chiqishlar, ko‘p bosqichli vositalar va ko‘p navbatli suhbatlarni qamrab oladi. Bular Nano’ning asl xususiyatlari bo‘lib, keyingi 3.5 Lightning relizidagi bir nechta tokenni bashorat qilish imkoniyatidan alohidadir.
Matematika uchun to‘liq shartni va yakuniy natija formatini bering. Kod uchun tegishli funksiya, odatiy kirish misoli, kuzatilgan xato va talab qilinadigan xatti-harakatni taqdim eting. Foydali topshiriq shunday bo‘lishi mumkin: “Bu kirish ma’lumotining amalga oshirilgan kod bo‘ylab qanday o‘tishini kuzating, birinchi noto‘g‘ri shartni aniqlang va uni asoslovchi izoh bilan birga aniq tuzatishni qaytaring.” Oddiy ma’lumot ajratish vazifasida esa faqat belgilangan maydonlarni so‘rash mumkin.
Ishlab chiqaruvchi ingliz, ispan, fransuz, nemis, yapon va italyan tillarini sanab o‘tadi. Javob tilini ko‘rsating va zarur terminlarni o‘zgartirmang. Natija izoh, kod yoki tuzilmali yozuv sifatida foydali bo‘lib qolishi uchun yakuniy materialni oraliq mulohazadan alohida so‘rang.
NVIDIA avval mulohaza matnini oladigan, tugallanmagan bayonni yopadigan va keyin qolgan generatsiya byudjetini yakuniy javobga ishlatadigan namunaviy mijozni namoyish etadi. Bu — ishlab chiqaruvchi mijozidagi amaliy tartib; model nomi o‘z-o‘zidan aniq ichki to‘xtash chegarasini anglatmaydi. Mavjud joyning hammasini tahlilga sarflash o‘rniga, yakuniy javobga joy qoldiradigan javob byudjetini tanlang.
Ishlab chiqaruvchi profili vositalardan foydalanish va tuzilmali chiqishlar uchun o‘qitishni o‘z ichiga oladi. Ilova funksiyalar ta’riflarini taqdim etadi, tanlangan amallarni bajaradi va ularning kuzatuv natijalarini qaytaradi. Bu natijalarni o‘z chaqiruvlari bilan bog‘lab saqlang. Manbaga tayangan javob haqiqatan olingan material yoki hisob-kitobdan foydalanishi mumkin; kodni qayta ishlash esa kuzatilgan tekshiruv natijalariga tayanishi kerak.
Model kartasida uning uzun kontekstli tuzilishi uchun kirish va chiqish profili eng ko‘pi bilan bir million token deb ko‘rsatilgan. Bu ko‘rsatkichlardan tanlangan bajarish sozlamalari va umumiy kontekst byudjeti bilan birga foydalanish kerak; topshiriq, tarix, mulohaza va javob baribir birgalikda joy egallaydi. Katta kontekst oynasi tartibsiz manbalar to‘plamini aniq vazifaga aylantirmaydi.
Hujjatlarni manbalar bo‘yicha, kodni esa tegishli chegaralar bo‘yicha tartiblang va topshiriq qachon tugallangan hisoblanishini ayting. Qiymatlarni material bilan, kodni esa u ishlatiladigan ilovada tekshiring. Foydali natija — dalillari va yechilmagan ma’lumotlari belgilangan matnli javob; unda keyingi Nemotron xususiyatlari yoki hisoblash aniqligi haqidagi taxminlarni qo‘shmasdan, aynan Nano nashrining o‘ziga xosligi saqlanadi.
POST /v1/messagestextjson, sse| Maydon | Tur | Talab | Qiymatlar va cheklovlar | Standart |
|---|---|---|---|---|
Maydonmodel | Turstring | TalabMajburiy | Qiymatlar va cheklovlar nvidia/nemotron-3-nano-30b-a3b | Standart— |
Maydonmessages | Turmessage[] | TalabMajburiy | Qiymatlar va cheklovlar | Standart— |
Maydonmessages[].role | Turstring | TalabMajburiy | Qiymatlar va cheklovlar user, assistant | Standart— |
Maydonmessages[].content | Turstring | TalabMajburiy | Qiymatlar va cheklovlar | Standart— |
Maydonmax_tokens | Turinteger | TalabMajburiy | Qiymatlar va cheklovlar | Standart— |
Maydonstream | Turboolean | TalabIxtiyoriy | Qiymatlar va cheklovlar | Standartfalse |
Matn · UTF-8 matni
messages[].content satri
| Parametr | Parametr talablari |
|---|---|
Parametrcontent_type | Parametr talablariapplication/json |
Parametrrequired | Parametr talablarimodel, messages, max_tokens |
Parametroptional_controls | Parametr talablaristream |
Parametrmaterial_types | Parametr talablaritext |
Parametrtext_file_material | Parametr talablariHaqiqiy UTF-8 hujjatini o‘qing va uning matnini ko‘rsatilgan kirish yoki xabar kontenti satriga joylashtiring. |
Hayot sikli: synchronous_or_streamed
Tarif ma’lumotlari so‘rov imkoniyatlarini qo‘shmaydi. Qo‘llab-quvvatlanadigan parametrlar tanlangan usulda ko‘rsatilgan.
Har bir to‘lovni ko‘rsatilgan shartlarga moslang. Har bir muqobil sozlamalar to‘plami uchun bitta tarifdan foydalaning.
| Sozlama | Tariflar jadvali | Kontekst tokenlari soni bundan ko‘p | Kontekst tokenlari soni bundan oshmaydi, chegara kiradi | To‘lov |
|---|---|---|---|---|
| SozlamaTokenlar uchun bazaviy tariflar | Tariflar jadvaliAsosiy tarif | Kontekst tokenlari soni bundan ko‘p— | Kontekst tokenlari soni bundan oshmaydi, chegara kiradiYuqori chegara yo‘q | To‘lov Kirish · Kirish tokenlari $0.0001 / 1K token Chiqish · Chiqish tokenlari $0.0004 / 1K token Kirish · Keshdan o‘qish — / 1K token Kirish · Keshga yozish — / 1K token Kirish · Keshga yozish, 1 soat — / 1K token |
| SozlamaSo‘rov uzunligi bo‘yicha 1-daraja | Tariflar jadvali— | Kontekst tokenlari soni bundan ko‘p0 | Kontekst tokenlari soni bundan oshmaydi, chegara kiradiYuqori chegara yo‘q | To‘lov Kirish · Kirish tokenlari $0.0001 / 1K token Chiqish · Chiqish tokenlari $0.0004 / 1K token Kirish · Keshdan o‘qish — / 1K token Kirish · Keshga yozish — / 1K token Kirish · Keshga yozish, 1 soat — / 1K token |
Ailoot so‘rovdan oldin taxminiy summani band qiladi. Natijadan keyin o‘lchangan sarf asosidagi yakuniy to‘lovni yechadi. Oqimli javob bo‘yicha yakuniy hisob-kitob yakuniy sarf yozuviga asoslanadi. Summani band qilish va to‘lovni hisoblash tartibi →
{\n "model": "nvidia/nemotron-3-nano-30b-a3b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'nvidia/nemotron-3-nano-30b-a3b', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'nvidia/nemotron-3-nano-30b-a3b', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON yoki SSE
Qaytarilgan har bir to‘liq javob, fayl va kontent qismini saqlang.
Barcha kontent bloklari, fikrlash imzolari va haqiqiy vosita ishlatish IDlarini saqlang. SSE bloklarining barcha o‘zgarish qismlarini yig‘ing; birinchi matn bloki to‘liq chiqish emas.
So‘rov va javob IDlari hamda sarlavhalarini saqlang. Matn vazifasini olish uchun umumiy URL taqdim etilmagan.
| Maydon | Tur |
|---|---|
Maydonid | Turstring |
Maydonmodel | Turstring |
Maydoncontent[] | Turtext|thinking|tool_use|other content block |
Maydonstop_reason | Turstring|null |
Maydonusage | Turobject |
| Javob | Shart | Keyingi qadam |
|---|---|---|
Javob400 · invalid_request_error | ShartMajburiy maydonlar, material ifodasi yoki parametr qiymati noto‘g‘ri | Keyingi qadamYangi yaratish so‘rovidan oldin ko‘rsatilgan maydonlarni tuzating. |
Ailoot Ultra nvidia/nemotron-3-nano-30b-a3b
Yuqorida ko‘rsatilgan usul yo‘llaridan foydalaning.
Ingliz tilidagi texnik misol
Trace an inclusive-range defect\n\nTrace this Python code for start=2 and end=4: values = []\nfor n in range(start, end):\n values.append(n)\n The caller expects both endpoints included. Explain the first mismatch and propose a focused correction preserving ascending integer inputs. Include tests for 2 through 4 and equal endpoints, and state how descending inputs should be handled.A short trace, an inclusive-range correction, two tests and an explicit descending-input assumption.The equal-endpoint test yields one included value, and the changed bound does not omit end.