NVIDIA: Nemotron 3.5 Super VL (free)

Nemotron 3.5 Super VL, NVIDIA का एक ओपन मल्टीमॉडल मिश्रण-ऑफ-एक्सपर्ट्स मॉडल है। यह Nemotron परिवार से संबंधित है और इसे एक विज़न-लैंग्वेज मॉडल के रूप में स्थान दिया गया है, जिसमें कुल 120B में से 12B सक्रिय पैरामीटर हैं। api14 पर यह मॉडल आईडी nvidia/nemotron-3.5-super-vl:free के अंतर्गत सूचीबद्ध है और इसकी मुख्य श्रेणी text है, जिसमें text ही एकमात्र श्रेणी टैग है। प्रदाता की रिलीज़ तिथि 2026-10-15 है।

मॉडल इनपुट के रूप में text, images और video स्वीकार करता है, और आउटपुट के रूप में text उत्पन्न करता है। इसकी कॉन्टेक्स्ट विंडो 1,000,000 टोकन है, और अधिकतम आउटपुट लंबाई 131,072 टोकन है। चूंकि यह मिश्रण-ऑफ-एक्सपर्ट्स डिज़ाइन है जिसमें अपेक्षाकृत कम सक्रिय पैरामीटर संख्या है, इसे बड़े मल्टीमॉडल इनपुट को संभालने के लिए बनाया गया है, बिना हर टोकन पर पूरे पैरामीटर सेट को सक्रिय किए। बहुत बड़े कॉन्टेक्स्ट और image तथा video इनपुट का संयोजन意味着 एक ही अनुरोध में प्रॉम्प्ट के साथ लंबे दस्तावेज़, स्क्रीनशॉट या वीडियो भेजे जा सकते हैं।

ये क्षमताएं कुछ व्यावहारिक उपयोग मामलों की ओर संकेत करती हैं। दस्तावेज़ और स्क्रीनशॉट की समझ एक स्वाभाविक उपयुक्तता है: आप स्कैन किए गए पृष्ठ, छवियों के रूप में प्रस्तुत PDF, या GUI स्क्रीनशॉट भेज सकते हैं और उनसे निष्कर्षण, सारांशीकरण या प्रश्नोत्तर के लिए कह सकते हैं। Video इनपुट ऐसे कार्यों का समर्थन करता है जैसे फुटेज का वर्णन करना, किसी क्लिप में घटनाओं के बारे में प्रश्नों का उत्तर देना, या रिकॉर्ड किए गए सत्रों से संरचित डेटा निकालना। लंबा कॉन्टेक्स्ट तब उपयोगी होता है जब सामग्री बड़ी हो, उदाहरण के लिए एक लंबी रिपोर्ट के साथ कई छवियां, या एक लंबा ट्रांसक्रिप्ट जिसे एक ही अनुरोध में रखा जाना चाहिए। Tool calling और structured outputs इसे किसी एजेंट या डेटा निष्कर्षण पाइपलाइन के भीतर तर्क चरण के रूप में उपयोग करने योग्य बनाते हैं।

आप इसे api14 के OpenAI-संगत API के माध्यम से मॉडल आईडी "nvidia/nemotron-3.5-super-vl:free" का उपयोग करके कॉल करते हैं। समर्थित अनुरोध पैरामीटर हैं include_reasoning, max_tokens, reasoning, response_format, seed, structured_outputs, temperature, tool_choice, tools, और top_p। व्यवहार में इसका अर्थ है कि आप temperature और top_p के साथ सैंपलिंग नियंत्रित कर सकते हैं, max_tokens के साथ उत्तर को सीमित कर सकते हैं, seed के साथ रन को पुनरुत्पादनीय बना सकते हैं, response_format और structured_outputs के माध्यम से JSON या स्कीमा-प्रतिबंधित आउटपुट का अनुरोध कर सकते हैं, और tools तथा tool_choice के साथ मॉडल को फ़ंक्शन उपलब्ध करा सकते हैं। reasoning और include_reasoning पैरामीटर आपको तर्क व्यवहार को चालू या बंद करने और यह तय करने देते हैं कि तर्क सामग्री लौटाई जाए या नहीं।

एक बात ध्यान में रखें कि आउटपुट केवल text है, इसलिए मॉडल images या video उत्पन्न नहीं करेगा। यदि आपका कार्य पूरी तरह से text है और विज़न की आवश्यकता नहीं है, तो केवल-text वाला मॉडल सरल हो सकता है, लेकिन बहुत बड़े कॉन्टेक्स्ट के साथ मिश्रित text, image और video इनपुट के लिए, यह मॉडल सीधे उस क्षेत्र को कवर करता है।