NVIDIA: Nemotron 3.5 Super VL (free)

Nemotron 3.5 Super VL è un modello multimodale mixture-of-experts aperto di NVIDIA. Appartiene alla famiglia Nemotron ed è posizionato come modello vision-language, con 12B parametri attivi su 120B totali. Su api14 è elencato con il model id nvidia/nemotron-3.5-super-vl:free e la sua categoria principale è text, con text come unico tag di categoria. La data di rilascio del provider è 2026-10-15.

Il modello accetta testo, immagini e video come input, e produce testo come output. La sua context window è di 1.000.000 token, e la lunghezza massima di output è di 131.072 token. Poiché è un design mixture-of-experts con un numero relativamente piccolo di parametri attivi, è costruito per gestire grandi input multimodali senza attivare l'intero set di parametri su ogni token. La combinazione di un contesto molto ampio e input di immagini più video significa che una singola richiesta può trasportare documenti lunghi, screenshot o video insieme al prompt.

Queste capacità indicano alcuni casi d'uso pratici. La comprensione di documenti e screenshot è un adattamento naturale: puoi inviare pagine scansionate, PDF renderizzati come immagini o screenshot di GUI e chiedere estrazione, riassunto o question answering su di essi. L'input video supporta attività come descrivere filmati, rispondere a domande su eventi in una clip o estrarre dati strutturati da sessioni registrate. Il contesto lungo è utile quando il materiale è grande, ad esempio un lungo report più diverse immagini, o una trascrizione prolungata che deve rimanere in una singola richiesta. Il tool calling e gli output strutturati lo rendono utilizzabile come passo di ragionamento all'interno di un agente o di una pipeline di estrazione dati.

Lo chiami tramite l'API compatibile con OpenAI di api14 usando il model id "nvidia/nemotron-3.5-super-vl:free". I parametri di richiesta supportati sono include_reasoning, max_tokens, reasoning, response_format, seed, structured_outputs, temperature, tool_choice, tools e top_p. In pratica questo significa che puoi controllare il campionamento con temperature e top_p, limitare la risposta con max_tokens, rendere le esecuzioni riproducibili con seed, richiedere output JSON o vincolato a uno schema tramite response_format e structured_outputs, ed esporre funzioni al modello con tools e tool_choice. I parametri reasoning e include_reasoning ti permettono di attivare o disattivare il comportamento di ragionamento e decidere se il contenuto di ragionamento viene restituito.

Una cosa da tenere a mente è che l'output è solo testo, quindi il modello non genererà immagini o video. Se il tuo compito è puramente testuale e non richiede visione, un modello solo testo può essere più semplice, ma per input misti di testo, immagini e video con un contesto molto ampio, questo modello copre direttamente quel terreno.