Introduzione
Nemotron 3.5 Super VL è il modello vision-language di NVIDIA, rilasciato il 15 ottobre 2026 con 120B parametri totali e 12B attivi. Qui è un unico endpoint di chat che accetta testo, immagini e video, legge fino a 262,144 token di input e restituisce fino a 262,144 token per risposta, con strumenti, streaming e ragionamento opzionale.
| Campo | Valore |
|---|---|
| Input | Testo |
| Output | Testo |
| Budget di input | 262,144 tokens |
| Limite di max_tokens | 262,144 |
Caratteristiche principali
Progettato per leggere ciò che c’è sullo schermo
Nemotron 3.5 Super VL unisce un modello linguistico a un encoder visivo, quindi grafici, moduli, tabelle e screenshot di interfacce vengono letti direttamente, senza un passaggio OCR separato. Chiedi etichette, valori, tendenze e ciò che non può essere stabilito, e indica a quale immagine si riferisce ogni domanda.
Il video come parte della conversazione
Un messaggio utente può contenere parti video_url accanto a testo e immagini. NVIDIA descrive l’input video come fotogrammi campionati: è adatto a domande su cosa è successo o cosa è cambiato, più che a una temporizzazione esatta fotogramma per fotogramma.
Ragionamento che puoi disattivare
reasoning_effort accetta none, low, medium o high, con high come predefinito. Usa none o low per estrazioni rapide e didascalie, high quando il compito richiede più passaggi. Il ragionamento fa parte della risposta, quindi lascia margine in max_tokens.
Pesi aperti, ospitati dietro un’unica API
Il modello è pubblicato da NVIDIA con licenza OpenMDW ed è pensato per il lavoro con agenti, quindi la chiamata di strumenti è una funzione di primo piano: fino a 128 definizioni di funzione per richiesta, chiamate parallele attive di default e risultati restituiti come messaggi di strumento.
Parametri della richiesta
| Parametro | Obbligatorio | Nota |
|---|---|---|
messages | Sì | Invia a Nemotron 3.5 Super VL la conversazione in ordine con le fonti per analizzare grafici e documenti visivi; associa ogni risultato degli strumenti al relativo |
max_tokens | No | Per Nemotron 3.5 Super VL, |
reasoning_effort | No | Nemotron 3.5 Super VL accetta none, low, medium, high, con high come valore predefinito; confronta le impostazioni per analizzare grafici e documenti visivi osservando i token d… |
stop | No | Ferma l’uscita di Nemotron 3.5 Super VL con una sequenza o un elenco di massimo quattro; il marcatore riconosciuto non compare nel testo finale. almeno 1 caratteri · almeno 1 elementi · al massimo 4 elementi |
temperature | No | temperature regola il campionamento di Nemotron 3.5 Super VL; mantieni il valore predefinito per analizzare grafici e documenti visivi salvo che ti serva un altro stile di rispo… |
top_p | No |
|
tools | No | Definisci per Nemotron 3.5 Super VL fino a 128 funzioni in formato OpenAI per analizzare grafici e documenti visivi; la tua applicazione convalida gli argomenti ed esegue le ope… al massimo 128 elementi |
parallel_tool_calls | No | Consente a Nemotron 3.5 Super VL di proporre più funzioni indipendenti in un turno; la tua applicazione continua a controllarne l’esecuzione. Predefinito: |
tool_choice | No | Per Nemotron 3.5 Super VL, |
response_format | No | Chiedi a Nemotron 3.5 Super VL testo o JSON strutturato per analizzare grafici e documenti visivi e verifica i campi attesi dalla tua applicazione. |
Prezzi
Input $0.20 / Output $0.50 per 1 milione di token
Casi d’uso
Estrarre dati strutturati dai documenti
Invia pagine scansionate, fatture o slide come immagini e chiedi i campi in JSON con un response_format o uno schema di strumento. Indica al modello di segnalare i valori che non riesce a leggere invece di tirare a indovinare, poi verifica il risultato.
Descrivere e verificare grafici e dashboard
Allega un grafico o lo screenshot di una dashboard e chiedi etichette, tendenza e qualsiasi cifra che non si possa ricavare dall’immagine. Aggiungi una seconda immagine per confrontare due periodi.
Capire una registrazione dello schermo
Invia un breve tutorial del prodotto come video e chiedi i passaggi mostrati, l’errore comparso e il punto in cui è apparso per la prima volta. Per marcature temporali esatte, estrai tu i fotogrammi e inviali come immagini.
Alimentare un agente visivo
Mostra al modello uno screenshot, lascia che richieda una chiamata di strumento come click o search, eseguila nel tuo codice e rimanda lo screenshot successivo. Limita il numero di passaggi del ciclo e registra ogni chiamata.
Consigli avanzati
Indicare a quale immagine si riferisce una domanda
Etichetta immagini e clip nel testo, per esempio: il primo grafico è Q1, il secondo è Q2. Tieni le istruzioni separate dal testo visibile all’interno dell’immagine.
Scegliere il livello di ragionamento in base al compito
Il predefinito è high. Scendi a low o none per estrazione, didascalie e classificazione, e mantieni high per analisi a più passaggi e cicli di strumenti.
Impostare il campionamento per il compito
NVIDIA consiglia temperature 1.0 e
top_p0.95 per il testo, e temperature 0.6 contop_p0.95 per il lavoro visivo. Entrambi i campi sono accettati qui; modificane uno alla volta.Pianificare il budget delle immagini
Immagini grandi e video lunghi consumano molti token di input. Ridimensiona gli screenshot a una dimensione che mantenga leggibile il testo e invia fotogrammi campionati per le clip lunghe.
Nemotron 3.5 Super VL è il modello vision-language di NVIDIA, rilasciato il 15 ottobre 2026 con 120B parametri totali e 12B attivi. Qui è un unico endpoint di chat che accetta testo, immagini e video, legge fino a 262,144 token di input e restituisce fino a 262,144 token per risposta, con strumenti, streaming e ragionamento opzionale.
Allega un grafico a Nemotron 3.5 Super VL e chiedi etichette, andamento e valori non leggibili con certezza. Separa osservazioni e stime. Questo endpoint visivo accetta immagini e video, non audio, e restituisce testo anziché un’immagine modificata. Usa gli strumenti per calcoli o ricerche esterne e verifica gli argomenti prima di eseguirli.
Il modello selezionato decide quali contenuti accettare. Per Nemotron 3.5 Super VL: Il comportamento NSFW può variare; non è garantito un accesso senza restrizioni.
Avvio rapido dell’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'
Nel riferimento dell’API trovi autenticazione, schema completo, polling e gestione degli errori.