NVIDIA: Nemotron 3.5 Super VL (free)

Nemotron 3.5 Super VL est un modèle multimodal ouvert de type mélange d'experts de NVIDIA. Il appartient à la famille Nemotron et est positionné comme un modèle vision-langage, avec 12B de paramètres actifs sur 120B au total. Sur api14, il est répertorié sous l'identifiant de modèle nvidia/nemotron-3.5-super-vl:free et sa catégorie principale est text, avec text comme seule étiquette de catégorie. La date de publication par le fournisseur est le 2026-10-15.

Le modèle accepte le texte, les images et la vidéo en entrée, et produit du texte en sortie. Sa fenêtre de contexte est de 1 000 000 de tokens, et la longueur maximale de sortie est de 131 072 tokens. Comme il s'agit d'une conception de type mélange d'experts avec un nombre relativement faible de paramètres actifs, il est conçu pour traiter de grandes entrées multimodales sans activer l'ensemble complet des paramètres à chaque token. La combinaison d'un contexte très étendu et d'une entrée image plus vidéo signifie qu'une seule requête peut transporter de longs documents, des captures d'écran ou de la vidéo en plus du prompt.

Ces capacités correspondent à quelques cas d'usage pratiques. La compréhension de documents et de captures d'écran est un usage naturel : vous pouvez envoyer des pages scannées, des PDF rendus sous forme d'images, ou des captures d'écran d'interface graphique et demander une extraction, un résumé ou des réponses à des questions à leur sujet. L'entrée vidéo prend en charge des tâches telles que la description de séquences, la réponse à des questions sur des événements dans un clip, ou l'extraction de données structurées à partir de sessions enregistrées. Le contexte long est utile lorsque le matériel est volumineux, par exemple un long rapport accompagné de plusieurs images, ou une longue transcription qui doit rester dans une seule requête. L'appel d'outils et les sorties structurées le rendent utilisable comme étape de raisonnement au sein d'un agent ou d'un pipeline d'extraction de données.

Vous l'appelez via l'API compatible OpenAI d'api14 en utilisant l'identifiant de modèle "nvidia/nemotron-3.5-super-vl:free". Les paramètres de requête pris en charge sont include_reasoning, max_tokens, reasoning, response_format, seed, structured_outputs, temperature, tool_choice, tools et top_p. En pratique, cela signifie que vous pouvez contrôler l'échantillonnage avec temperature et top_p, limiter la réponse avec max_tokens, rendre les exécutions reproductibles avec seed, demander une sortie JSON ou contrainte par schéma via response_format et structured_outputs, et exposer des fonctions au modèle avec tools et tool_choice. Les paramètres reasoning et include_reasoning vous permettent d'activer ou de désactiver le comportement de raisonnement et de décider si le contenu de raisonnement est renvoyé.

Une chose à garder à l'esprit est que la sortie est uniquement du texte, donc le modèle ne générera pas d'images ni de vidéo. Si votre tâche est purement textuelle et ne nécessite pas de vision, un modèle texte uniquement peut être plus simple, mais pour une entrée mixte texte, image et vidéo avec un contexte très étendu, ce modèle couvre directement ce besoin.