NVIDIA: Nemotron 3.5 Content Safety

NVIDIA Nemotron 3.5 Content Safety är en kompakt multimodell skyddsmodell med 4B parametrar från NVIDIA, finjusterad från Google Gemma-3-4B. Den är utformad specifikt för innehållsmoderering snarare än allmän konversation, och den finns i textkategorin på api14. Dess uppgift är att fungera som ett säkerhetslager runt andra modeller, och kontrollera vad som går in i dem och vad som kommer tillbaka ut.

Modellen tar emot text- och bildindata och returnerar textutdata, så den kan moderera både textbaserade pipelines och vision-language-pipelines. Den modererar indata till och svar från LLM:er och VLM:er, vilket innebär att du kan placera den på endera sidan av ett genereringsanrop. Kontextfönstret är 131072 tokens, och maximal utdata är 117964 tokens. Parametrar som stöds inkluderar temperature, top_p, top_k, min_p, frequency_penalty, presence_penalty, repetition_penalty, logit_bias, stop, seed, max_tokens, reasoning och include_reasoning.

Praktiska användningsfall följer direkt av den designen. Du kan granska användarprompter innan de når en chatt- eller visionsmodell, klassificera modellsvar innan de visas för slutanvändare, och köra samma modell över både text- och bildinnehåll i en enda modereringsomgång. Eftersom den hanterar bilder såväl som text passar den i pipelines där användare laddar upp skärmbilder, foton eller annat visuellt material tillsammans med skriftliga indata. Team som bygger assistenter, communityplattformar eller interna verktyg kan använda den som en konsekvent policykontrollpunkt i stället för att skriva separata klassificerare för varje modalitet.

Via api14 anropar du den med det OpenAI-kompatibla API:et med modell-id:t "nvidia/nemotron-3.5-content-safety". Rikta din befintliga OpenAI-klient mot api14:s bas-URL, skicka en chat completion-begäran med det modell-id:t, och inkludera innehållet du vill moderera. Begäransparametrarna som listas ovan stöds, så du kan justera sampling med temperature, top_p, top_k eller min_p, kontrollera upprepning med frequency_penalty, presence_penalty och repetition_penalty, begränsa utdata med max_tokens och stop, och använda seed för reproducerbarhet. Parametrarna reasoning och include_reasoning är tillgängliga om du vill att modellens resonemang visas i svaret.

Tänk på vad den här modellen är till för. Det är en skyddsmodell med 4B parametrar, inte en allmän assistent, så uppgifter som långformigt skrivande, komplex resonemang eller öppen chatt hanteras bättre av en allmän textmodell. Använd Nemotron 3.5 Content Safety när målet är klassificering och policyefterlevnad över text- och bildindata, och kombinera den med en genereringsmodell när du behöver både moderering och innehållsproduktion i samma pipeline.