Introducción
Nemotron 3.5 Super VL es el modelo visión-lenguaje de NVIDIA, lanzado el 15 de octubre de 2026 con 120B de parámetros totales y 12B activos. Aquí es un único endpoint de chat que acepta texto, imágenes y video, procesa hasta 262,144 tokens de entrada y devuelve hasta 262,144 tokens por respuesta, con herramientas, streaming y razonamiento opcional.
| Campo | Valor |
|---|---|
| Entrada | Texto |
| Salida | Texto |
| Presupuesto de entrada | 262,144 tokens |
| Límite de max_tokens | 262,144 |
| Entradas | texto / imágenes / video |
Funciones y aspectos destacados
Diseñado para leer lo que aparece en pantalla
Nemotron 3.5 Super VL combina un modelo de lenguaje con un codificador de visión, así que un gráfico, un formulario, una tabla o una captura de interfaz se leen directamente, sin un paso de OCR aparte. Pide etiquetas, valores, tendencias y lo que no se pueda establecer, e indica a qué imagen se refiere cada pregunta.
Video como parte de la conversación
Un mensaje de usuario puede llevar partes video_url junto con texto e imágenes. NVIDIA describe la entrada de video como fotogramas muestreados, así que sirve mejor para preguntas sobre qué pasó o qué cambió que para un timing exacto fotograma a fotograma.
Razonamiento que puedes apagar
reasoning_effort acepta none, low, medium o high, y por defecto es high. Usa none o low para extracción rápida y descripciones, y high cuando la tarea requiera varios pasos. El razonamiento forma parte de la respuesta, así que deja margen en max_tokens.
Pesos abiertos, alojados tras una sola API
NVIDIA publica el modelo bajo la licencia OpenMDW y está pensado para trabajo con agentes, así que la llamada a herramientas es de primera clase: hasta 128 definiciones de función por solicitud, llamadas paralelas activadas por defecto y resultados devueltos como mensajes de herramienta.
Parámetros de la solicitud
| Parámetro | Obligatorio | Descripción |
|---|---|---|
messages | Sí | Envía a Nemotron 3.5 Super VL la conversación en orden con las fuentes para analizar gráficos y documentos visuales; vincula cada resultado de herramienta con su |
max_tokens | No | En Nemotron 3.5 Super VL, |
reasoning_effort | No | Nemotron 3.5 Super VL acepta none, low, medium, high, con high como valor predeterminado; compara ajustes para analizar gráficos y documentos visuales y revisa el consumo de tok… |
stop | No | Detén la salida de Nemotron 3.5 Super VL con una secuencia o una lista de hasta cuatro; la coincidencia no se incluye en el texto final. mínimo 1 caracteres · mínimo 1 elementos · máximo 4 elementos |
temperature | No | temperature ajusta el muestreo de Nemotron 3.5 Super VL; conserva su valor predeterminado para analizar gráficos y documentos visuales salvo que necesites otro estilo de respuesta. |
top_p | No |
|
tools | No | Define para Nemotron 3.5 Super VL hasta 128 funciones en formato OpenAI para analizar gráficos y documentos visuales; tu aplicación valida los argumentos y ejecuta las operacion… máximo 128 elementos |
parallel_tool_calls | No | Permite que Nemotron 3.5 Super VL proponga varias funciones independientes en un turno; tu aplicación sigue controlando su ejecución. Valor predeterminado: |
tool_choice | No | En Nemotron 3.5 Super VL, |
response_format | No | Pide a Nemotron 3.5 Super VL texto o JSON estructurado para analizar gráficos y documentos visuales y valida los campos que tu aplicación espera recibir. |
Precios
Entrada $0.20 / Salida $0.50 por 1 millón de tokens
Casos de uso
Extraer datos estructurados de documentos
Envía páginas escaneadas, facturas o diapositivas como imágenes y pide los campos en JSON con un response_format o un esquema de herramienta. Indica al modelo que marque los valores que no pueda leer en lugar de adivinarlos, y luego valida el resultado.
Describir y auditar gráficos y paneles
Adjunta un gráfico o una captura de un panel y pide las etiquetas, la tendencia y cualquier cifra que no se pueda establecer a partir de la imagen. Añade una segunda imagen para comparar dos periodos.
Entender una grabación de pantalla
Envía un recorrido corto del producto como video y pide los pasos que se muestran, el error que apareció y en qué momento apareció por primera vez. Para marcas de tiempo exactas, extrae tú los fotogramas y envíalos como imágenes.
Impulsar un agente de visión
Muestra al modelo una captura, deja que solicite una llamada a herramienta como click o search, ejecútala en tu código y devuelve la siguiente captura. Limita el número de pasos del bucle y registra cada llamada.
Guía de prompts y consejos prácticos
Indica a qué imagen se refiere una pregunta
Etiqueta las imágenes y clips en tu texto, por ejemplo: el primer gráfico es Q1 y el segundo es Q2. Mantén tus instrucciones separadas del texto visible dentro de la imagen.
Elige el ajuste de razonamiento según la tarea
El valor por defecto es high. Baja a low o none para extracción, descripciones y clasificación, y mantén high para análisis de varios pasos y bucles de herramientas.
Ajusta el muestreo para la tarea
NVIDIA recomienda temperature 1.0 y
top_p0.95 para texto, y temperature 0.6 contop_p0.95 para trabajo de visión. Aquí se aceptan ambos campos; cambia uno a la vez.Planifica el presupuesto de imágenes
Las imágenes grandes y los videos largos consumen muchos tokens de entrada. Redimensiona las capturas a un tamaño que mantenga legible el texto y envía fotogramas muestreados para clips largos.
Nemotron 3.5 Super VL es el modelo visión-lenguaje de NVIDIA, lanzado el 15 de octubre de 2026 con 120B de parámetros totales y 12B activos. Aquí es un único endpoint de chat que acepta texto, imágenes y video, procesa hasta 262,144 tokens de entrada y devuelve hasta 262,144 tokens por respuesta, con herramientas, streaming y razonamiento opcional.
Adjunta un gráfico a Nemotron 3.5 Super VL y pide sus etiquetas, tendencia y valores que no puedan leerse con certeza. Separa observaciones de estimaciones. Este endpoint visual acepta imágenes y video, pero no audio; genera texto, no una imagen editada. Usa herramientas si hace falta un cálculo o una consulta externa y valida sus argumentos antes de ejecutarlas.
Nemotron 3.5 Super VL elegido toma sus propias decisiones sobre el contenido. En Nemotron 3.5 Super VL: El comportamiento NSFW puede variar; no se garantiza acceso sin restricciones.
Inicio rápido de la API
curl --fail-with-body -sN https://api.spicyapi.ai/v1/chat/completions \
-H "Authorization: Bearer $SPICY_API_KEY" \
-H "Content-Type: application/json" \
-H "Idempotency-Key: $(uuidgen)" \
-d '{
"model": "nvidia/nemotron-3.5-super-vl/chat",
"messages": [
{
"role": "user",
"content": "Summarise the following release notes into three bullet points."
}
],
"stream": true
}' \
| jq --unbuffered -Rrj 'select(startswith("data: ")) | .[6:] | select(. != "[DONE]") | fromjson | if .error then "\n[error] \(.error.message)\n" else (.choices[0].delta.content? // empty) end'
Consulta la referencia de la API para autenticación, el esquema completo, sondeo y gestión de errores.