Introduction
Nemotron 3.5 Super VL est le modèle vision-langage de NVIDIA, publié le 15 octobre 2026 avec 120B de paramètres au total et 12B actifs. Ici, c’est un seul point de terminaison de chat qui accepte texte, images et vidéo, traite jusqu’à 262,144 tokens en entrée et renvoie jusqu’à 262,144 tokens par réponse, avec outils, streaming et raisonnement optionnel.
| Champ | Valeur |
|---|---|
| Entrée | Texte |
| Sortie | Texte |
| Budget d’entrée | 262,144 tokens |
| Plafond de max_tokens | 262,144 |
| Entrées | Nemotron 3.5 Super VL : du texte / des images / de la vidéo |
Fonctionnalités et points forts
Conçu pour lire ce qui est à l’écran
Nemotron 3.5 Super VL associe un modèle de langage à un encodeur visuel : un graphique, un formulaire, un tableau ou une capture d’interface est lu directement, sans étape OCR séparée. Demandez les étiquettes, les valeurs, les tendances et ce qui ne peut pas être établi, et précisez à quelle image chaque question se rapporte.
La vidéo fait partie de la conversation
Un message utilisateur peut contenir des parties video_url à côté du texte et des images. NVIDIA décrit l’entrée vidéo comme une suite d’images échantillonnées : elle convient donc mieux aux questions sur ce qui s’est passé ou ce qui a changé qu’à un timing image par image.
Un raisonnement que vous pouvez désactiver
reasoning_effort accepte none, low, medium ou high, avec high par défaut. Utilisez none ou low pour l’extraction rapide et les légendes, high lorsque la tâche demande plusieurs étapes. Le raisonnement fait partie de la réponse : prévoyez donc une marge confortable pour max_tokens.
Poids ouverts, hébergés derrière une seule API
Le modèle est publié par NVIDIA sous licence OpenMDW et conçu pour les agents : l’appel d’outils est central, avec jusqu’à 128 définitions de fonctions par requête, appels parallèles activés par défaut et résultats renvoyés sous forme de messages d’outil.
Paramètres de requête
| Paramètre | Obligatoire | Description |
|---|---|---|
messages | Oui | Envoyez à Nemotron 3.5 Super VL une conversation ordonnée avec les sources pour l’analyse de graphiques et de documents visuels ; associez les résultats d’outils à leur |
max_tokens | Non | Pour Nemotron 3.5 Super VL, |
reasoning_effort | Non | Nemotron 3.5 Super VL accepte none, low, medium, high, avec high par défaut ; comparez les réglages sur l’analyse de graphiques et de documents visuels en suivant les tokens de… |
stop | Non | Arrêtez Nemotron 3.5 Super VL avec une séquence ou une liste de quatre au maximum ; le marqueur reconnu ne figure pas dans le texte final. 1 caractères minimum · 1 éléments minimum · 4 éléments maximum |
temperature | Non | temperature règle l’échantillonnage de Nemotron 3.5 Super VL ; gardez la valeur par défaut pour l’analyse de graphiques et de documents visuels sauf si un autre style de réponse… |
top_p | Non |
|
tools | Non | Définissez pour Nemotron 3.5 Super VL jusqu’à 128 fonctions au format OpenAI pour l’analyse de graphiques et de documents visuels ; votre application vérifie les arguments et ré… 128 éléments maximum |
parallel_tool_calls | Non | Ce réglage autorise Nemotron 3.5 Super VL à proposer plusieurs fonctions indépendantes dans un même tour ; l’application garde la maîtrise de leur exécution. Valeur par défaut: |
tool_choice | Non | Pour Nemotron 3.5 Super VL, |
response_format | Non | Demandez à Nemotron 3.5 Super VL du texte ou du JSON structuré pour l’analyse de graphiques et de documents visuels, puis vérifiez les champs du JSON dans votre application. |
Tarification
Entrée $0.20 / Sortie $0.50 par 1 million de tokens
Cas d’utilisation
Extraire des données structurées de documents
Envoyez pages numérisées, factures ou diapositives sous forme d’images et demandez les champs en JSON via un response_format ou un schéma d’outil. Indiquez au modèle de signaler les valeurs illisibles plutôt que de les deviner, puis validez le résultat.
Décrire et auditer graphiques et tableaux de bord
Joignez un graphique ou une capture de tableau de bord et demandez les étiquettes, la tendance et tout chiffre qui ne peut pas être établi à partir de l’image. Ajoutez une seconde image pour comparer deux périodes.
Comprendre un enregistrement d’écran
Envoyez une courte démonstration de produit en vidéo et demandez les étapes montrées, l’erreur apparue et l’endroit où elle s’est produite en premier. Pour des horodatages exacts, extrayez vous-même les images et envoyez-les comme images.
Faire fonctionner un agent visuel
Montrez au modèle une capture d’écran, laissez-le demander un appel d’outil comme click ou search, exécutez-le dans votre code et renvoyez la capture suivante. Limitez le nombre d’étapes de boucle et journalisez chaque appel.
Guide de prompt et conseils pratiques
Indiquer à quelle image se rapporte une question
Étiquetez images et clips dans votre texte, par exemple : le premier graphique est Q1, le second Q2. Séparez vos consignes du texte visible à l’intérieur de l’image.
Choisir le réglage de raisonnement adapté à la tâche
La valeur par défaut est high. Passez à low ou none pour l’extraction, les légendes et la classification, et gardez high pour l’analyse en plusieurs étapes et les boucles d’outils.
Régler l’échantillonnage selon la tâche
NVIDIA recommande temperature 1.0 et
top_p0.95 pour le texte, et temperature 0.6 avectop_p0.95 pour les tâches de vision. Les deux champs sont acceptés ici ; ne modifiez qu’un seul à la fois.Prévoir le budget d’images
Les grandes images et les longues vidéos consomment beaucoup de tokens en entrée. Redimensionnez les captures pour que le texte reste lisible, et envoyez des images échantillonnées pour les longs clips.
Nemotron 3.5 Super VL est le modèle vision-langage de NVIDIA, publié le 15 octobre 2026 avec 120B de paramètres au total et 12B actifs. Ici, c’est un seul point de terminaison de chat qui accepte texte, images et vidéo, traite jusqu’à 262,144 tokens en entrée et renvoie jusqu’à 262,144 tokens par réponse, avec outils, streaming et raisonnement optionnel.
Joignez un graphique à Nemotron 3.5 Super VL et demandez les libellés, la tendance et les valeurs impossibles à lire avec certitude. Séparez observations et estimations. Cet endpoint visuel accepte images et vidéos, mais pas l’audio ; il renvoie du texte, pas une image retouchée. Réservez les outils aux calculs ou recherches externes et vérifiez leurs arguments avant exécution.
Nemotron 3.5 Super VL choisi prend ses propres décisions sur le contenu. Avec Nemotron 3.5 Super VL : Son comportement NSFW peut varier ; aucun accès sans restriction n’est garanti.
Démarrage rapide de l’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'
La référence API détaille l’authentification, le schéma complet, le polling et la gestion des erreurs.