Wprowadzenie
Nemotron 3.5 Super VL to model wizyjno-językowy NVIDIA, wydany 15 października 2026 roku, o 120B parametrów łącznie i 12B aktywnych. Tutaj działa jako jeden endpoint czatu, który przyjmuje tekst, obrazy i wideo, przetwarza do 262,144 tokenów wejścia i zwraca do 262,144 tokenów na odpowiedź, z narzędziami, strumieniowaniem i opcjonalnym rozumowaniem.
| Pole | Wartość |
|---|---|
| Wejście | Tekst |
| Wyjście | Tekst |
| Budżet wejścia | 262,144 tokens |
| Limit max_tokens | 262,144 |
| Dane wejściowe | tekst / obrazy / wideo |
Najważniejsze funkcje
Stworzony do czytania tego, co jest na ekranie
Nemotron 3.5 Super VL łączy model językowy z enkoderem wizyjnym, dzięki czemu wykres, formularz, tabela czy zrzut interfejsu są odczytywane bezpośrednio, bez osobnego kroku OCR. Pytaj o etykiety, wartości, trendy oraz o to, czego nie da się ustalić, i zaznaczaj, której grafiki dotyczy każde pytanie.
Wideo jako część rozmowy
Wiadomość użytkownika może zawierać części video_url obok tekstu i obrazów. NVIDIA opisuje wejście wideo jako próbkowane klatki, dlatego lepiej nadaje się do pytań o to, co się wydarzyło i co się zmieniło, niż do dokładnego określania czasu klatka po klatce.
Rozumowanie, które można wyłączyć
reasoning_effort przyjmuje wartości none, low, medium lub high, a domyślnie jest high. Do szybkiej ekstrakcji i podpisów wybierz none lub low, a high zostaw dla zadań wymagających kilku kroków. Rozumowanie jest częścią odpowiedzi, więc warto zostawić zapas w max_tokens.
Otwarte wagi, dostępne przez jedno API
Model został opublikowany przez NVIDIA na licencji OpenMDW i stworzono go z myślą o pracy agentów, dlatego wywoływanie narzędzi jest w nim w centrum: do 128 definicji funkcji w żądaniu, równoległe wywołania domyślnie włączone, a wyniki wracają jako wiadomości narzędzi.
Parametry żądania
| Parametr | Wymagane | Uwaga |
|---|---|---|
messages | Tak | Prześlij do Nemotron 3.5 Super VL rozmowę w kolejności wraz ze źródłami do zadania „analiza wykresów i obrazów dokumentów”; powiąż wyniki narzędzi z ich |
max_tokens | Nie | Dla Nemotron 3.5 Super VL domyślne |
reasoning_effort | Nie | W Nemotron 3.5 Super VL dostępne są none, low, medium, high, domyślnie high; porównaj ustawienia dla zadania „analiza wykresów i obrazów dokumentów” według zużycia tokenów wyjśc… |
stop | Nie | Zatrzymaj odpowiedź Nemotron 3.5 Super VL jedną sekwencją lub listą do czterech; dopasowany znacznik pomija się w końcowym tekście. od 1 znaków · od 1 elementów · do 4 elementów |
temperature | Nie | temperature steruje próbkowaniem w Nemotron 3.5 Super VL; przy zadaniu „analiza wykresów i obrazów dokumentów” zachowaj wartość domyślną, chyba że potrzebujesz innego stylu odpo… |
top_p | Nie |
|
tools | Nie | Zdefiniuj dla Nemotron 3.5 Super VL do 128 funkcji w formacie OpenAI do zadania „analiza wykresów i obrazów dokumentów”; argumenty sprawdza i operacje wykonuje aplikacja. do 128 elementów |
parallel_tool_calls | Nie | Pozwala się tu Nemotron 3.5 Super VL proponować kilka niezależnych funkcji w jednej turze; ich wykonaniem nadal steruje aplikacja. Domyślnie: |
tool_choice | Nie | W Nemotron 3.5 Super VL |
response_format | Nie | Poproś Nemotron 3.5 Super VL o tekst lub uporządkowany JSON do zadania „analiza wykresów i obrazów dokumentów” i sprawdź pola oczekiwane przez aplikację. |
Cennik
Wejście $0.20 / Wyjście $0.50 za 1 mln tokenów
Zastosowania
Wyciąganie danych strukturalnych z dokumentów
Wysyłaj zeskanowane strony, faktury lub slajdy jako obrazy i żądaj pól w formacie JSON, używając response_format lub schematu narzędzia. Zleć modelowi oznaczanie wartości, których nie może odczytać, zamiast zgadywania, a następnie zweryfikuj wynik.
Opis i audyt wykresów oraz pulpitów
Dołącz wykres lub zrzut pulpitu i zapytaj o etykiety, trend oraz liczby, których nie da się ustalić z obrazu. Druga grafika pozwoli porównać dwa okresy.
Zrozumienie nagrania ekranu
Wyślij krótką prezentację produktu jako wideo i zapytaj o pokazane kroki, pojawiający się błąd i miejsce, w którym wystąpił po raz pierwszy. Dokładne znaczniki czasu uzyskasz, wyodrębniając klatki samodzielnie i wysyłając je jako obrazy.
Zasilanie agenta wizyjnego
Pokaż modelowi zrzut ekranu, pozwól mu zażądać wywołania narzędzia, np. click lub search, wykonaj je w swoim kodzie i odeślij kolejny zrzut. Ogranicz liczbę kroków pętli i zapisuj każde wywołanie.
Wskazówki
Wskazanie, którego obrazu dotyczy pytanie
Oznaczaj obrazy i klipy w tekście, na przykład: pierwszy wykres to Q1, drugi to Q2. Oddzielaj polecenia od tekstu widocznego wewnątrz obrazu.
Dobór poziomu rozumowania do zadania
Domyślnie jest high. Do ekstrakcji, podpisów i klasyfikacji obniż do low lub none, a do wieloetapowej analizy i pętli narzędzi zostaw high.
Ustawienie próbkowania pod zadanie
NVIDIA zaleca temperature 1.0 i
top_p0.95 dla tekstu oraz temperature 0.6 ztop_p0.95 dla zadań wizyjnych. Oba pola są tu przyjmowane; zmieniaj jedno naraz.Planowanie budżetu obrazów
Duże obrazy i długie wideo zużywają dużo tokenów wejścia. Zmniejszaj zrzuty do rozmiaru, w którym tekst pozostaje czytelny, a dla długich klipów wysyłaj próbkowane klatki.
Nemotron 3.5 Super VL to model wizyjno-językowy NVIDIA, wydany 15 października 2026 roku, o 120B parametrów łącznie i 12B aktywnych. Tutaj działa jako jeden endpoint czatu, który przyjmuje tekst, obrazy i wideo, przetwarza do 262,144 tokenów wejścia i zwraca do 262,144 tokenów na odpowiedź, z narzędziami, strumieniowaniem i opcjonalnym rozumowaniem.
Dołącz wykres do Nemotron 3.5 Super VL i poproś o etykiety, trend oraz wartości, których nie da się pewnie odczytać. Oddziel obserwacje od szacunków. Ten endpoint wizyjno-językowy przyjmuje obrazy i filmy, ale nie dźwięk; zwraca tekst, nie poprawiony obraz. Narzędzi użyj do zewnętrznych obliczeń lub wyszukiwania, sprawdzając argumenty przed wykonaniem.
O treści decyduje wybrany model. W Nemotron 3.5 Super VL: Obsługa NSFW może się zmieniać; nie gwarantuje się działania bez ograniczeń.
Szybki start z 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'
Uwierzytelnianie, pełny schemat, odpytywanie i obsługę błędów opisuje dokumentacja API.