NVIDIA Nemotron 3.5 Lightning 是用於推理、對話及專門代理工作流程的語言模型。它的總參數量為 30B，啟用參數量為 3B，採用交錯配置 Mamba-2、混合專家及注意力層的混合架構。Multi-Token Prediction 層為未來 token 加入訓練訊號，並支援模型最佳化的生成方法。模型處理文字並產生文字，包括解釋、程式碼，以及根據所提供資料作出的回答。
製造商說明的應用包括聊天機器人、檢索增強生成、指令遵循及代理。若要根據知識庫回答，請提供問題及相關段落，並加上穩定的來源標籤。請要求模型依據這些段落回答、指出每項重要主張由哪個段落支持，並說明哪些資訊仍未知。例如：「使用這些支援文章，說明兩種安裝方法的差異，並回傳各自的先決條件、步驟及檢查方式。」請讓缺少的先決條件明確可見，避免誘使模型自行杜撰。
處理程式設計工作時，請提供相關程式碼、預期行為及觀察到的錯誤。實用的請求會要求聚焦的修訂，以及受影響案例的說明。若連接工具的代理執行了檢查，請先回傳實際輸出，再要求下一次變更。模型的訓練包括程式碼、多步驟工具使用及結構化輸出任務，但完成的產物仍須符合原始要求。請要求修訂後的程式碼、每項重大變更的理由，以及確認問題已解決所需的觀察結果。
製造商文件記載，預設會啟用思考，也提供透過對話範本關閉思考的直接回答模式。推理模式適合含有多個相依條件的任務；直接回答則可用於簡單的轉換或擷取。製造商在用戶端範例中建議使用 temperature 1.0 及 top-p 0.95。請將這些視為製造商方法中的設定，並明確選擇最終回覆結構，例如精簡解釋、比較表，或先回答再附上支持證據。
模型支援最高 1M-token 的上下文。已發布的 BF16 部署方法也區分了此模型能力，與因記憶體限制而使用 256K 視窗的設定。請依適用的工作視窗準備長篇資料，保留文件結構，並為回覆留下空間。當提示明確指定要找出的關係時，長上下文最有用，例如文件間的矛盾、來源檔案之間的相依關係，或支持某個結論的證據。這不代表應納入無關歷史，也不代表可以假設最終答案能占滿整個視窗。
模型主要著重英語及程式語言，也列出西班牙語、法語、德語、義大利語及日語。請說明所需輸出語言，並在拼寫重要時保留名稱、識別碼及引用的來源術語。處理多語言文件時，請指定要翻譯、摘要還是比較資料；這些請求會產生不同的產物。請要求標示不確定的術語，避免流暢的翻譯悄悄改變技術含義。
NVIDIA 發布主要供客製化與全精度研究使用的 BF16 參考版本，以及另附最佳化推論方法的 NVFP4 版本。比較部署指引時，這項區別很重要：某個版本的硬體設定或吞吐量結果，不會自動描述另一個版本。模型名稱識別 Lightning 系列，而確切的檢查點與服務設定決定所採用的方法。請將模型層級能力，與特定方法的效能及記憶體假設分開看待。
使用工具進行工作時，請提供清楚的函式說明，並回傳每個已執行步驟的實際結果。只有周邊應用程式執行某項建議操作並記錄發生的情況後，該操作才會成為可用的證據。請要求最終答案區分來源觀察、推導結論及尚未完成的檢查。當計算、命令或擷取段落與計畫中的結果衝突時，請利用此衝突修正結論，避免只替未驗證的假設寫出精緻摘要。
", "aboutText": "NVIDIA Nemotron 3.5 Lightning 是用於推理、對話及專門代理工作流程的語言模型。它的總參數量為 30B，啟用參數量為 3B，採用交錯配置 Mamba-2、混合專家及注意力層的混合架構。Multi-Token Prediction 層為未來 token 加入訓練訊號，並支援模型最佳化的生成方法。模型處理文字並產生文字，包括解釋、程式碼，以及根據所提供資料作出的回答。\n\n製造商說明的應用包括聊天機器人、檢索增強生成、指令遵循及代理。若要根據知識庫回答，請提供問題及相關段落，並加上穩定的來源標籤。請要求模型依據這些段落回答、指出每項重要主張由哪個段落支持，並說明哪些資訊仍未知。例如：「使用這些支援文章，說明兩種安裝方法的差異，並回傳各自的先決條件、步驟及檢查方式。」請讓缺少的先決條件明確可見，避免誘使模型自行杜撰。\n\n處理程式設計工作時，請提供相關程式碼、預期行為及觀察到的錯誤。實用的請求會要求聚焦的修訂，以及受影響案例的說明。若連接工具的代理執行了檢查，請先回傳實際輸出，再要求下一次變更。模型的訓練包括程式碼、多步驟工具使用及結構化輸出任務，但完成的產物仍須符合原始要求。請要求修訂後的程式碼、每項重大變更的理由，以及確認問題已解決所需的觀察結果。\n\n製造商文件記載，預設會啟用思考，也提供透過對話範本關閉思考的直接回答模式。推理模式適合含有多個相依條件的任務；直接回答則可用於簡單的轉換或擷取。製造商在用戶端範例中建議使用 temperature 1.0 及 top-p 0.95。請將這些視為製造商方法中的設定，並明確選擇最終回覆結構，例如精簡解釋、比較表，或先回答再附上支持證據。\n\n模型支援最高 1M-token 的上下文。已發布的 BF16 部署方法也區分了此模型能力，與因記憶體限制而使用 256K 視窗的設定。請依適用的工作視窗準備長篇資料，保留文件結構，並為回覆留下空間。當提示明確指定要找出的關係時，長上下文最有用，例如文件間的矛盾、來源檔案之間的相依關係，或支持某個結論的證據。這不代表應納入無關歷史，也不代表可以假設最終答案能占滿整個視窗。\n\n模型主要著重英語及程式語言，也列出西班牙語、法語、德語、義大利語及日語。請說明所需輸出語言，並在拼寫重要時保留名稱、識別碼及引用的來源術語。處理多語言文件時，請指定要翻譯、摘要還是比較資料；這些請求會產生不同的產物。請要求標示不確定的術語，避免流暢的翻譯悄悄改變技術含義。\n\nNVIDIA 發布主要供客製化與全精度研究使用的 BF16 參考版本，以及另附最佳化推論方法的 NVFP4 版本。比較部署指引時，這項區別很重要：某個版本的硬體設定或吞吐量結果，不會自動描述另一個版本。模型名稱識別 Lightning 系列，而確切的檢查點與服務設定決定所採用的方法。請將模型層級能力，與特定方法的效能及記憶體假設分開看待。\n\n使用工具進行工作時，請提供清楚的函式說明，並回傳每個已執行步驟的實際結果。只有周邊應用程式執行某項建議操作並記錄發生的情況後，該操作才會成為可用的證據。請要求最終答案區分來源觀察、推導結論及尚未完成的檢查。當計算、命令或擷取段落與計畫中的結果衝突時，請利用此衝突修正結論，避免只替未驗證的假設寫出精緻摘要。", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "c333dde78e84e8db99f3d3b8d9285b296d7d64e76eec61494cd3e9a59ed5f105", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "zh-hant-tw", "methods": [ { "html": "nvidia/nemotron-3.5-lightning:freeNVIDIA Nemotron 3.5 Lightning 是文字推理與對話模型，總參數量為 30B，啟用參數量為 3B。其 Mamba–MoE 混合架構支援長上下文分析、程式設計及以工具為基礎的工作流程，製造商的對話範本並記載了思考與直接回答模式。
此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項，依所選方法列於下方。
NVIDIA Nemotron 3.5 Lightning 是用於推理、對話及專門代理工作流程的語言模型。它的總參數量為 30B，啟用參數量為 3B，採用交錯配置 Mamba-2、混合專家及注意力層的混合架構。Multi-Token Prediction 層為未來 token 加入訓練訊號，並支援模型最佳化的生成方法。模型處理文字並產生文字，包括解釋、程式碼，以及根據所提供資料作出的回答。
製造商說明的應用包括聊天機器人、檢索增強生成、指令遵循及代理。若要根據知識庫回答，請提供問題及相關段落，並加上穩定的來源標籤。請要求模型依據這些段落回答、指出每項重要主張由哪個段落支持，並說明哪些資訊仍未知。例如：「使用這些支援文章，說明兩種安裝方法的差異，並回傳各自的先決條件、步驟及檢查方式。」請讓缺少的先決條件明確可見，避免誘使模型自行杜撰。
處理程式設計工作時，請提供相關程式碼、預期行為及觀察到的錯誤。實用的請求會要求聚焦的修訂，以及受影響案例的說明。若連接工具的代理執行了檢查，請先回傳實際輸出，再要求下一次變更。模型的訓練包括程式碼、多步驟工具使用及結構化輸出任務，但完成的產物仍須符合原始要求。請要求修訂後的程式碼、每項重大變更的理由，以及確認問題已解決所需的觀察結果。
製造商文件記載，預設會啟用思考，也提供透過對話範本關閉思考的直接回答模式。推理模式適合含有多個相依條件的任務；直接回答則可用於簡單的轉換或擷取。製造商在用戶端範例中建議使用 temperature 1.0 及 top-p 0.95。請將這些視為製造商方法中的設定，並明確選擇最終回覆結構，例如精簡解釋、比較表，或先回答再附上支持證據。
模型支援最高 1M-token 的上下文。已發布的 BF16 部署方法也區分了此模型能力，與因記憶體限制而使用 256K 視窗的設定。請依適用的工作視窗準備長篇資料，保留文件結構，並為回覆留下空間。當提示明確指定要找出的關係時，長上下文最有用，例如文件間的矛盾、來源檔案之間的相依關係，或支持某個結論的證據。這不代表應納入無關歷史，也不代表可以假設最終答案能占滿整個視窗。
模型主要著重英語及程式語言，也列出西班牙語、法語、德語、義大利語及日語。請說明所需輸出語言，並在拼寫重要時保留名稱、識別碼及引用的來源術語。處理多語言文件時，請指定要翻譯、摘要還是比較資料；這些請求會產生不同的產物。請要求標示不確定的術語，避免流暢的翻譯悄悄改變技術含義。
NVIDIA 發布主要供客製化與全精度研究使用的 BF16 參考版本，以及另附最佳化推論方法的 NVFP4 版本。比較部署指引時，這項區別很重要：某個版本的硬體設定或吞吐量結果，不會自動描述另一個版本。模型名稱識別 Lightning 系列，而確切的檢查點與服務設定決定所採用的方法。請將模型層級能力，與特定方法的效能及記憶體假設分開看待。
使用工具進行工作時，請提供清楚的函式說明，並回傳每個已執行步驟的實際結果。只有周邊應用程式執行某項建議操作並記錄發生的情況後，該操作才會成為可用的證據。請要求最終答案區分來源觀察、推導結論及尚未完成的檢查。當計算、命令或擷取段落與計畫中的結果衝突時，請利用此衝突修正結論，避免只替未驗證的假設寫出精緻摘要。
POST /v1/chat/completionstexttext| 欄位 | 類型 | 要求 | 值與限制 | 預設值 |
|---|---|---|---|---|
欄位model | 類型string | 要求必填 | 值與限制 nvidia/nemotron-3.5-lightning:free | 預設值— |
欄位messages | 類型array | 要求必填 | 值與限制 | 預設值— |
欄位stream | 類型boolean | 要求選填 | 值與限制 false | 預設值false |
欄位max_tokens | 類型integer | 要求選填 | 值與限制 最小值: 1 最大值: 65,536 | 預設值— |
欄位max_completion_tokens | 類型integer | 要求選填 | 值與限制 最小值: 1 最大值: 65,536 | 預設值— |
欄位n | 類型integer | 要求選填 | 值與限制 最小值: 1 最大值: 128 | 預設值— |
欄位temperature | 類型number | 要求選填 | 值與限制 | 預設值— |
欄位top_p | 類型number | 要求選填 | 值與限制 | 預設值— |
欄位seed | 類型integer | 要求選填 | 值與限制 | 預設值— |
欄位stop | 類型 | 要求選填 | 值與限制 | 預設值— |
欄位frequency_penalty | 類型number | 要求選填 | 值與限制 | 預設值— |
欄位presence_penalty | 類型number | 要求選填 | 值與限制 | 預設值— |
欄位user | 類型string | 要求選填 | 值與限制 | 預設值— |
| 參數 | 規格 |
|---|---|
參數content_type | 規格application/json |
參數required | 規格model, messages |
參數optional | 規格stream, max_tokens, max_completion_tokens, n, temperature, top_p, seed, stop, frequency_penalty, presence_penalty, user |
參數material_types | 規格text |
參數conditions | 規格Use 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 1000000 bytes. |
生命週期： synchronous_json
費率資訊不會增加請求選項。支援的參數列於所選方法中。
| 設定 | 費率表 | 費用 |
|---|---|---|
| 設定基礎 token 費率 | 費率表基本費率 | 費用 輸入 · 輸入 Token $0 / 1K Token 輸出 · 輸出 Token $0 / 1K Token 輸入 · 讀取快取 — / 1K Token 輸入 · 寫入快取 — / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
set -eu\n: "${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-3.5-lightning: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
請保留所有完整傳回的回應、檔案與內容區塊。
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-3.5-lightning:free
請使用上方列出的 API 方法路徑。
nvidia/nemotron-3.5-lightning:freeNVIDIA Nemotron 3.5 Lightning 是文字推理與對話模型，總參數量為 30B，啟用參數量為 3B。其 Mamba–MoE 混合架構支援長上下文分析、程式設計及以工具為基礎的工作流程，製造商的對話範本並記載了思考與直接回答模式。
此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項，依所選方法列於下方。
NVIDIA Nemotron 3.5 Lightning 是用於推理、對話及專門代理工作流程的語言模型。它的總參數量為 30B，啟用參數量為 3B，採用交錯配置 Mamba-2、混合專家及注意力層的混合架構。Multi-Token Prediction 層為未來 token 加入訓練訊號，並支援模型最佳化的生成方法。模型處理文字並產生文字，包括解釋、程式碼，以及根據所提供資料作出的回答。
製造商說明的應用包括聊天機器人、檢索增強生成、指令遵循及代理。若要根據知識庫回答，請提供問題及相關段落，並加上穩定的來源標籤。請要求模型依據這些段落回答、指出每項重要主張由哪個段落支持，並說明哪些資訊仍未知。例如：「使用這些支援文章，說明兩種安裝方法的差異，並回傳各自的先決條件、步驟及檢查方式。」請讓缺少的先決條件明確可見，避免誘使模型自行杜撰。
處理程式設計工作時，請提供相關程式碼、預期行為及觀察到的錯誤。實用的請求會要求聚焦的修訂，以及受影響案例的說明。若連接工具的代理執行了檢查，請先回傳實際輸出，再要求下一次變更。模型的訓練包括程式碼、多步驟工具使用及結構化輸出任務，但完成的產物仍須符合原始要求。請要求修訂後的程式碼、每項重大變更的理由，以及確認問題已解決所需的觀察結果。
製造商文件記載，預設會啟用思考，也提供透過對話範本關閉思考的直接回答模式。推理模式適合含有多個相依條件的任務；直接回答則可用於簡單的轉換或擷取。製造商在用戶端範例中建議使用 temperature 1.0 及 top-p 0.95。請將這些視為製造商方法中的設定，並明確選擇最終回覆結構，例如精簡解釋、比較表，或先回答再附上支持證據。
模型支援最高 1M-token 的上下文。已發布的 BF16 部署方法也區分了此模型能力，與因記憶體限制而使用 256K 視窗的設定。請依適用的工作視窗準備長篇資料，保留文件結構，並為回覆留下空間。當提示明確指定要找出的關係時，長上下文最有用，例如文件間的矛盾、來源檔案之間的相依關係，或支持某個結論的證據。這不代表應納入無關歷史，也不代表可以假設最終答案能占滿整個視窗。
模型主要著重英語及程式語言，也列出西班牙語、法語、德語、義大利語及日語。請說明所需輸出語言，並在拼寫重要時保留名稱、識別碼及引用的來源術語。處理多語言文件時，請指定要翻譯、摘要還是比較資料；這些請求會產生不同的產物。請要求標示不確定的術語，避免流暢的翻譯悄悄改變技術含義。
NVIDIA 發布主要供客製化與全精度研究使用的 BF16 參考版本，以及另附最佳化推論方法的 NVFP4 版本。比較部署指引時，這項區別很重要：某個版本的硬體設定或吞吐量結果，不會自動描述另一個版本。模型名稱識別 Lightning 系列，而確切的檢查點與服務設定決定所採用的方法。請將模型層級能力，與特定方法的效能及記憶體假設分開看待。
使用工具進行工作時，請提供清楚的函式說明，並回傳每個已執行步驟的實際結果。只有周邊應用程式執行某項建議操作並記錄發生的情況後，該操作才會成為可用的證據。請要求最終答案區分來源觀察、推導結論及尚未完成的檢查。當計算、命令或擷取段落與計畫中的結果衝突時，請利用此衝突修正結論，避免只替未驗證的假設寫出精緻摘要。
POST /v1/messagestexttext| 欄位 | 類型 | 要求 | 值與限制 | 預設值 |
|---|---|---|---|---|
欄位model | 類型string | 要求必填 | 值與限制 nvidia/nemotron-3.5-lightning:free | 預設值— |
欄位messages | 類型array | 要求必填 | 值與限制 | 預設值— |
欄位stream | 類型boolean | 要求選填 | 值與限制 false | 預設值false |
欄位system | 類型string | 要求選填 | 值與限制 | 預設值— |
欄位max_tokens | 類型integer | 要求必填 | 值與限制 最小值: 1 最大值: 65,536 | 預設值— |
欄位temperature | 類型number | 要求選填 | 值與限制 | 預設值— |
欄位top_p | 類型number | 要求選填 | 值與限制 | 預設值— |
欄位top_k | 類型integer | 要求選填 | 值與限制 | 預設值— |
欄位stop_sequences | 類型array | 要求選填 | 值與限制 | 預設值— |
欄位metadata | 類型object | 要求選填 | 值與限制 | 預設值— |
| 參數 | 規格 |
|---|---|
參數content_type | 規格application/json |
參數required | 規格model, messages, max_tokens |
參數optional | 規格stream, system, temperature, top_p, top_k, stop_sequences, metadata |
參數material_types | 規格text |
參數conditions | 規格Use 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 1000000 bytes. |
生命週期： synchronous_json
費率資訊不會增加請求選項。支援的參數列於所選方法中。
| 設定 | 費率表 | 費用 |
|---|---|---|
| 設定基礎 token 費率 | 費率表基本費率 | 費用 輸入 · 輸入 Token $0 / 1K Token 輸出 · 輸出 Token $0 / 1K Token 輸入 · 讀取快取 — / 1K Token 輸入 · 寫入快取 — / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
set -eu\n: "${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-3.5-lightning: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
請保留所有完整傳回的回應、檔案與內容區塊。
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-3.5-lightning:free
請使用上方列出的 API 方法路徑。