NVIDIA: Nemotron 3.5 Super VL (free)

Nemotron 3.5 Super VL is een open multimodaal mixture-of-experts model van NVIDIA. Het behoort tot de Nemotron-familie en is gepositioneerd als een vision-language model, met 12B actieve parameters van in totaal 120B. Op api14 staat het vermeld onder het model-id nvidia/nemotron-3.5-super-vl:free en de hoofdcategorie is tekst, met tekst als enige categorietag. De releasedatum van de provider is 2026-10-15.

Het model accepteert tekst, afbeeldingen en video als invoer, en produceert tekst als uitvoer. Het contextvenster is 1.000.000 tokens en de maximale uitvoerlengte is 131.072 tokens. Omdat het een mixture-of-experts ontwerp is met een relatief klein aantal actieve parameters, is het gebouwd om grote multimodale invoer te verwerken zonder bij elke token de volledige parameterset te activeren. De combinatie van een zeer grote context en afbeelding- plus video-invoer betekent dat een enkel verzoek lange documenten, screenshots of video samen met de prompt kan bevatten.

Die mogelijkheden wijzen op een paar praktische use cases. Het begrijpen van documenten en screenshots is een natuurlijke fit: je kunt gescande pagina's, als afbeelding weergegeven PDF's of GUI-screenshots sturen en om extractie, samenvatting of vraagbeantwoording daarover vragen. Video-invoer ondersteunt taken zoals het beschrijven van beeldmateriaal, het beantwoorden van vragen over gebeurtenissen in een clip, of het halen van gestructureerde data uit opgenomen sessies. De lange context is nuttig wanneer het materiaal groot is, bijvoorbeeld een lang rapport plus meerdere afbeeldingen, of een lang transcript dat in één verzoek moet blijven. Tool calling en gestructureerde uitvoer maken het bruikbaar als de redeneerstap binnen een agent of een data-extractiepijplijn.

Je roept het aan via de OpenAI-compatibele API van api14 met het model-id "nvidia/nemotron-3.5-super-vl:free". De ondersteunde verzoekparameters zijn include_reasoning, max_tokens, reasoning, response_format, seed, structured_outputs, temperature, tool_choice, tools en top_p. In de praktijk betekent dat je sampling kunt sturen met temperature en top_p, het antwoord kunt beperken met max_tokens, runs reproduceerbaar kunt maken met seed, JSON of door een schema beperkte uitvoer kunt aanvragen via response_format en structured_outputs, en functies aan het model kunt aanbieden met tools en tool_choice. De parameters reasoning en include_reasoning laten je redeneergedrag aan- of uitzetten en bepalen of redeneerinhoud wordt teruggegeven.

Een ding om in gedachten te houden is dat de uitvoer alleen tekst is, dus het model genereert geen afbeeldingen of video. Als je taak puur tekstueel is en geen vision nodig heeft, kan een tekst-only model eenvoudiger zijn, maar voor gemengde tekst-, afbeelding- en video-invoer met een zeer grote context dekt dit model dat terrein direct.