NVIDIA: Nemotron 3.5 Super VL

NVIDIA Nemotron 3.5 Super VL هو نموذج متعدد الوسائط مفتوح من نوع mixture-of-experts من NVIDIA. يحتوي على 12B معلمة نشطة من إجمالي 120B، لذا يتم تفعيل جزء فقط من الشبكة لكل token بينما يحتفظ النموذج الكامل بقدرة واسعة. وهو مدرج على api14 ضمن فئة النصوص، وتاريخ إصدار المزود هو 2026-10-15.

يقبل النموذج النص والصور والفيديو كمدخلات، ويعيد النص. تغطي هذه التركيبة المستندات ولقطات شاشة واجهة المستخدم الرسومية والفيديو إلى جانب المطالبات العادية، لذا يمكن لطلب واحد أن يمزج تعليمات مكتوبة مع مواد بصرية. نافذة السياق هي 1,048,576 tokens، والحد الأقصى للمخرجات هو 235,929 tokens. لذلك تكون المدخلات الطويلة عملية: حزم متعددة المستندات، أو تسلسلات لقطات شاشة ممتدة، أو سياق طويل مستخرج من الفيديو يمكن أن يتسع دون تقليم مكثف، كما يناسب سقف المخرجات الكبير المهام التي تحتاج إلى نتيجة مكتوبة كبيرة بدلا من إجابة قصيرة.

تشير هذه القدرات إلى استخدامات محددة قليلة. يعد فهم لقطات الشاشة مناسبا بشكل طبيعي لوكلاء واجهة المستخدم الرسومية واختبار الواجهات وسير عمل الدعم حيث يكون المدخل صورة لشاشة بدلا من بيانات منظمة. تناسب معالجة المستندات الاستخراج والتلخيص والإجابة على الأسئلة عبر ملفات ممسوحة ضوئيا أو ذات تخطيط معقد. يدعم إدخال الفيديو الوصف والأسئلة على مستوى الخط الزمني ومراجعة المحتوى. ولأن النموذج يتعامل أيضا مع النص العادي، يمكن أن يخدم كنقطة نهاية واحدة لخطوط المعالجة التي كانت ستقسم عمل الرؤية واللغة على نظامين.

يمكنك استدعاؤه عبر واجهة API المتوافقة مع OpenAI من api14 باستخدام معرف النموذج "nvidia/nemotron-3.5-super-vl". معلمات الطلب المدعومة هي frequency_penalty و include_reasoning و logit_bias و logprobs و max_tokens و min_p و presence_penalty و reasoning و repetition_penalty و response_format و seed و stop و structured_outputs و temperature و tool_choice و tools و top_k و top_logprobs و top_p. يتوفر كل من استدعاء الأدوات والمخرجات المنظمة، وهذا مهم إذا كان النموذج يعمل داخل حلقة وكيل أو يحتاج إلى إصدار نتائج قابلة للقراءة آليا. يمكن طلب الاستدلال وإظهاره عبر include_reasoning، ويمكن ضبط أخذ العينات باستخدام إعدادات temperature و top_p و top_k والعقوبات المعتادة.

القيد الرئيسي الذي يجب تذكره هو أن المخرجات نصية فقط، لذا لا يمكن للنموذج توليد الصور أو الفيديو. إذا كانت مهمتك نصية بحتا ولا تستفيد من الإدخال البصري، فقد يكون نموذج نصي أصغر أبسط وأسرع في التشغيل. وإذا كنت تحتاج إلى توليد الصور أو الفيديو بدلا من فهمه، فهذا النموذج ليس الخيار المناسب. أما لفهم النص والصور والفيديو المختلط مع سياق كبير جدا، فهو خيار افتراضي معقول.