NVIDIA: Nemotron 3.5 Content Safety

NVIDIA Nemotron 3.5 Content Safety è un modello guardrail multimodale compatto da 4B parametri di NVIDIA, ottimizzato a partire da Google Gemma-3-4B. È progettato specificamente per la moderazione dei contenuti anziché per la conversazione generica, e si colloca nella categoria testo su api14. Il suo compito è fungere da livello di sicurezza attorno ad altri modelli, controllando ciò che entra e ciò che esce.

Il modello accetta input di testo e immagini e restituisce output di testo, quindi può moderare sia pipeline solo testo sia pipeline visione-linguaggio. Modera gli input e le risposte di LLM e VLM, il che significa che puoi collocarlo su entrambi i lati di una chiamata di generazione. La finestra di contesto è di 131072 token, e l'output massimo è di 117964 token. I parametri supportati includono temperature, top_p, top_k, min_p, frequency_penalty, presence_penalty, repetition_penalty, logit_bias, stop, seed, max_tokens, reasoning e include_reasoning.

I casi d'uso pratici derivano direttamente da questo design. Puoi filtrare i prompt degli utenti prima che raggiungano un modello di chat o visione, classificare le risposte del modello prima che vengano mostrate agli utenti finali, ed eseguire lo stesso modello su contenuti sia testuali sia visivi in un'unica passata di moderazione. Poiché gestisce immagini oltre al testo, si adatta a pipeline in cui gli utenti caricano screenshot, foto o altro materiale visivo insieme a input scritti. I team che costruiscono assistenti, piattaforme community o strumenti interni possono usarlo come punto di controllo coerente delle policy invece di scrivere classificatori separati per ciascuna modalità.

Tramite api14 lo chiami con l'API compatibile con OpenAI usando l'id del modello "nvidia/nemotron-3.5-content-safety". Punta il tuo client OpenAI esistente all'URL di base di api14, invia una richiesta di chat completion con quell'id del modello e includi il contenuto che vuoi moderare. I parametri di richiesta elencati sopra sono supportati, quindi puoi regolare il campionamento con temperature, top_p, top_k o min_p, controllare la ripetizione con frequency_penalty, presence_penalty e repetition_penalty, limitare l'output con max_tokens e stop, e usare seed per la riproducibilità. I parametri reasoning e include_reasoning sono disponibili se vuoi che il ragionamento del modello venga mostrato nella risposta.

Tieni presente a cosa serve questo modello. È un modello guardrail da 4B, non un assistente generico, quindi compiti come scrittura estesa, ragionamento complesso o chat aperta sono serviti meglio da un modello di testo generico. Usa Nemotron 3.5 Content Safety quando l'obiettivo è la classificazione e l'applicazione delle policy su input di testo e immagini, e abbinalo a un modello di generazione quando hai bisogno sia di moderazione sia di produzione di contenuti nella stessa pipeline.