NVIDIA: Nemotron 3.5 Super VL (free)

Nemotron 3.5 Super VL ist ein offenes multimodales Mixture-of-Experts-Modell von NVIDIA. Es gehört zur Nemotron-Familie und ist als Vision-Language-Modell positioniert, mit 12B aktiven Parametern von insgesamt 120B. Auf api14 ist es unter der Modell-ID nvidia/nemotron-3.5-super-vl:free gelistet, und seine Hauptkategorie ist Text, wobei Text das einzige Kategorie-Tag ist. Das Veröffentlichungsdatum des Anbieters ist der 2026-10-15.

Das Modell akzeptiert Text, Bilder und Video als Eingabe und erzeugt Text als Ausgabe. Sein Kontextfenster beträgt 1.000.000 Token, und die maximale Ausgabelänge beträgt 131.072 Token. Da es sich um ein Mixture-of-Experts-Design mit einer relativ kleinen Anzahl aktiver Parameter handelt, ist es darauf ausgelegt, große multimodale Eingaben zu verarbeiten, ohne bei jedem Token den vollständigen Parametersatz zu aktivieren. Die Kombination aus einem sehr großen Kontext und Bild- plus Videoeingabe bedeutet, dass eine einzelne Anfrage lange Dokumente, Screenshots oder Videos zusammen mit dem Prompt transportieren kann.

Diese Fähigkeiten deuten auf einige praktische Anwendungsfälle hin. Das Verstehen von Dokumenten und Screenshots passt natürlich: Sie können gescannte Seiten, als Bilder gerenderte PDFs oder GUI-Screenshots senden und um Extraktion, Zusammenfassung oder Beantwortung von Fragen dazu bitten. Die Videoeingabe unterstützt Aufgaben wie das Beschreiben von Filmmaterial, das Beantworten von Fragen zu Ereignissen in einem Clip oder das Herausziehen strukturierter Daten aus aufgezeichneten Sitzungen. Der lange Kontext ist nützlich, wenn das Material groß ist, zum Beispiel ein langer Bericht plus mehrere Bilder oder ein langes Transkript, das in einer einzigen Anfrage bleiben muss. Tool-Aufrufe und strukturierte Ausgaben machen es nutzbar als Denkschritt innerhalb eines Agenten oder einer Datenextraktions-Pipeline.

Sie rufen es über die OpenAI-kompatible API von api14 mit der Modell-ID "nvidia/nemotron-3.5-super-vl:free" auf. Die unterstützten Anfrageparameter sind include_reasoning, max_tokens, reasoning, response_format, seed, structured_outputs, temperature, tool_choice, tools und top_p. In der Praxis bedeutet das, dass Sie die Stichprobenentnahme mit temperature und top_p steuern, die Antwort mit max_tokens begrenzen, Läufe mit seed reproduzierbar machen, JSON- oder schema-beschränkte Ausgabe über response_format und structured_outputs anfordern und Funktionen für das Modell mit tools und tool_choice bereitstellen können. Die Parameter reasoning und include_reasoning ermöglichen es Ihnen, das Reasoning-Verhalten ein- oder auszuschalten und zu entscheiden, ob Reasoning-Inhalt zurückgegeben wird.

Eines sollten Sie beachten: Die Ausgabe ist nur Text, das Modell erzeugt also keine Bilder oder Videos. Wenn Ihre Aufgabe rein textbasiert ist und keine Vision benötigt, könnte ein reines Textmodell einfacher sein, aber für gemischte Text-, Bild- und Videoeingabe mit einem sehr großen Kontext deckt dieses Modell diesen Bereich direkt ab.