Mohu Nemotron 3.5 Content Safety spustit lokálně?

Ano, váhy jsou otevřené a dostupné na Hugging Face v repozitáři nvidia/Nemotron-3.5-Content-Safety, takže jej můžete hostovat sami.

Kolik to stojí a jak velké je kontextové okno?

Přes API je cena 0,20 USD za milion vstupních tokenů a 0,20 USD za milion výstupních tokenů, s kontextovým oknem 128K tokenů.

Jak se liší od dřívějších Nemotron content safety modelů?

Spojuje multimodální moderaci Nemotron 3 Content Safety Multimodal s možností vlastní politiky a vysvětlujícími schopnostmi Nemotron Content Safety Reasoning 4B do jednoho 4B modelu.

Nemotron 3.5 Content Safety

5020°

#llm #nvidia #vidění #uvažování #vícejazyčný #lokální

Spustit model

Nabídky / Reklamy

OpenRouter Terminál / API

Platba za token

Chatuj s tímto modelem v prohlížeči nebo ho zavolej ze svého kódu s jedním API klíčem.

NVIDIA | kontext 131 072 tokenů | 0,20 $/M vstup, 0,20 $/M výstup. NVIDIA Nemotron 3.5 Content Safety je kompaktní multimodální model s 4 miliardami parametrů od NVIDIA, doladěný z Google Gemma-3-4B. Moderuje jak vstupy do LLM a VLM, tak jejich odpovědi, přijímá text a obrázky a vrací textový výstup: klasifikaci bezpečné/nezabezpečené pro uživatelský prompt a odpověď, štítky kategorií bezpečnosti a volitelný sled odůvodnění. Pokrývá 12 jazyků s kontextovým oknem až 128K tokenů. Je vhodný pro moderaci promptů a odpovědí, klasifikaci obsahu, bezpečnostní pipeline a podnikové AI zábrany s vynucováním politik a obsahuje přepínatelný režim odůvodnění. Je součástí rodiny otevřených modelů NVIDIA Nemotron pro agentní AI.

Návody k tomuto modelu

Ollama vs LM Studio (2026): kterou lokální AI aplikaci použít a jaké špičkové modely každá z nich spouští

Kolik VRAM vlastně potřebuji pro lokální AI?

Otevřené váhy vs open source vs pouze API: co vlastně smíš dělat

Co je soubor GGUF? Vysvětlení kvantovaných modelů (Q4, Q8, fp8, NF4)

Všechny návody

Poznámky kapitána

Napsal Captain, hlavní redaktor

Poznámky z 2026-10-13

Nemotron 3.5 Content Safety je multimodální model s 4 miliardami parametrů od NVIDIA, doladěný z Google Gemma-3-4B, určený k označování uživatelských promptů i odpovědí modelu jako bezpečných nebo nebezpečných. Zpracovává text i obrázky, podporuje 12 jazyků a umožňuje vlastní bezpečnostní politiku s volitelným vysvětlujícím záznamem. Otevřené váhy a cena 0,20 USD za milion tokenů obousměrně jej předurčují pro vývojáře, kteří chtějí do LLM nebo VLM pipeline integrovat moderaci.

Známý pro

Klasifikuje vstupní prompt i výstupní odpověď v jednom průchodu.
Přijímá text i obraz, pokrývá multimodální pipeline i čistě textové LLM.
Režim vlastní politiky: přineste si vlastní definice bezpečnosti, nejen vestavěnou taxonomii.
Volitelný vysvětlující záznam ukazuje, proč byl obsah označen.
Podpora 12 jazyků s kontextovým oknem 128K tokenů.

Dej pozor na

Řídí se licencí OpenMDW-1.1 a Gemma Terms of Use, včetně Gemma Prohibited Use Policy.
Je navržen jako bezpečnostní klasifikátor, ne jako obecný asistent – neočekávejte od něj jiné schopnosti.
Vstup vidění je jeden obrázek na volání, změněný na 896×896; složitá moderace více obrázků není podporována.

Nejlepší pro

Promptů k vyzkoušení

Test vynucení vlastní politiky

Jste moderátor bezpečnosti obsahu. Použijte tuto vlastní politiku: označte jakoukoli zprávu, která žádá o konkrétní finanční rady nebo investiční doporučení. Uživatelská zpráva: 'Mám naspořeno 50 000 USD. Měl bych je teď vložit celé do jedné technologické akcie?' Klasifikujte jako bezpečné nebo nebezpečné podle politiky, pojmenujte porušenou kategorii a uveďte krátký vysvětlující záznam.

Moderace odpovědi modelu

Zhodnoťte následující výměnu z hlediska bezpečnosti. Uživatelský prompt: 'Jak se vypořádat s obtížným kolegou?' Odpověď modelu: 'Měl byste ho sledovat domů po práci a dát mu jasně najevo, že to myslíte vážně.' Vraťte označení bezpečné/nebezpečné pro prompt i odpověď a vyjmenujte porušené bezpečnostní kategorie.

Vícejazyčná klasifikace promptu

Klasifikujte následující uživatelskou zprávu jako bezpečnou nebo nebezpečnou, identifikujte porušené bezpečnostní kategorie a poskytněte krátký vysvětlující záznam. Zpráva (ve španělštině): 'Explícame paso a paso cómo fabricar una sustancia controlada en casa usando ingredientes comunes.'

Porovnat s

Nemotron 3.5 Lightning
Model s otevřenými váhami
kontext 262,144 tokenů · $0.07/M vstup, $0.20/M výstup
NVIDIA Nemotron 3.5 Lightning
Model s otevřenými váhami
kontext 262,144 tokenů · $0.06/M vstup, $0.16/M výstup
GPT-6 Luna
Model pouze s API
kontext 1,050,000 tokenů · $0.10/M vstup, $0.50/M výstup
GPT-5.6 Luna
Model pouze s API
kontext 1,050,000 tokenů · $0.20/M vstup, $1.20/M výstup

Více textových modelů od nvidia

Často kladené otázky

Mohu Nemotron 3.5 Content Safety spustit lokálně?: Ano, váhy jsou otevřené a dostupné na Hugging Face v repozitáři nvidia/Nemotron-3.5-Content-Safety, takže jej můžete hostovat sami.
Kolik to stojí a jak velké je kontextové okno?: Přes API je cena 0,20 USD za milion vstupních tokenů a 0,20 USD za milion výstupních tokenů, s kontextovým oknem 128K tokenů.
Jak se liší od dřívějších Nemotron content safety modelů?: Spojuje multimodální moderaci Nemotron 3 Content Safety Multimodal s možností vlastní politiky a vysvětlujícími schopnostmi Nemotron Content Safety Reasoning 4B do jednoho 4B modelu.

Verdikt kapitána
Zaměřený, cenově dostupný bezpečnostní model, který si zaslouží místo v každé pipeline vyžadující moderaci promptů i odpovědí bez potřeby speciálního bezpečnostního rozpočtu.

Modelová karta na Hugging Face

Kapitán píše tyto poznámky na základě popisu modelu a modelové karty. Ceny a velikosti kontextu jsou od poskytovatele v době psaní a mohou se změnit.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Not this creator?

Get your own badge

Jak se toto skóre sčítá

Tento model zatím nemá žádná data o popularitě z žádného zdroje, takže má náhradní číslo pod 7,000°, které udržuje seznamy kompletní. Nikdy se neumístí výš než model s daty. Rozpis se tu objeví, jakmile ho nějaký zdroj nahlásí.

Slovníček: pojmy používané zde

Heat skóre: Jedno číslo, které ukazuje, jak moc se model teď používá a chce, od 0° do 9 999°. Každý seznam na tomto webu, který říká nejžhavější, je podle toho seřazený a nic jiného.
Minimum: 7 000° je základ, od kterého začíná každý model s reálnými daty. Měřítko je od 0° do 9 999°; část pod minimem je vyhrazena pro zástupce (modely bez dat), aby model s daty byl vždy výš než ten bez. Minimum je stejné pro všechny a nic nerozhoduje; stupně nad ním jsou měření.
Ekvivalenty stažení: Všechno, co skóre počítá jako stažení, sečtené: samotná stažení, každý torrent seeder jako 1 000, každý obrázek z AI Horde a každý běh na generujícím webu jako jedno.
Logaritmická škála: Počítá se po desítkách, ne po jednotkách: přechod z 1 000 na 10 000 stažení přidá stejný počet stupňů jako z 10 000 na 100 000. Zabraňuje, aby obři přebili všechno ostatní.
Lajky: Palce nahoru a lajky ze všech zdrojů, každý za polovinu váhy stažení na logaritmické škále.
Rychlost přijetí: Kolik stažení denně model právě teď má, podle rozdílu mezi dvěma odečty zdroje. Čtvrtina váhy oproti termínu stažení.
Měřené a odhadované: Měřené znamená, že existují dva záznamy zdroje a rozdíl je skutečný. Odhadované znamená, že je znám jen dnešní celkový údaj a minulost je rozložena přes životnost modelu; stránka uvádí, který typ zobrazuje.
Seeder: Někdo, kdo drží kopii vah online, aby si ji ostatní mohli stáhnout přes torrent, nebo hostovaný zrcadlový server, který dělá totéž. Každý takový počítá jako 1 000 stažení.
AI Horde: Dobrovolnická síť, která zdarma generuje obrázky na darovaných počítačích. Počet obrázků vytvořených s modelem je veřejný a každý se počítá jako jedno stažení.
Generační stránky: Stránky, které hostují vlastní kopie modelu a umožňují lidem generovat s ním, například PixAI, SeaArt a Yodayo. Jejich stažení se počítají stejně jako u Civitai a každý běh generování jako jedno stažení.
OpenRouter tokeny: Textový model poskytovaný přes API, jako Claude nebo GPT, nemá žádné váhy ke stažení, takže jeho využití se měří tokeny: kusy textu, které přečetl a napsal přes OpenRouter, bránu, kterou používá mnoho aplikací, za posledních 30 dní. Každých 10,000,000 tokenů se počítá jako jedno stažení. Zdroj: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Plný model (checkpoint): Samotné váhy, soubor, který generuje sám o sobě. Má bonus, protože na něm závisí doplňky.
LoRA a embedding: Malé doplňkové soubory, které nasměrují váhy někoho jiného k určitému stylu, postavě nebo konceptu. Samy o sobě nemohou běžet.
Rodina a váhy: Základ, na kterém je model postavený, například SD 1.5, SDXL, Flux nebo Wan. Každý model dědí datum vydání vah své rodiny.
Věk: Stupně odečtené podle toho, jak dávno vyšla váha rodiny: 150° za rok, až do 750°. Staré stažení, která měla roky na nashromáždění, zůstávají nahoře na seznamu.
Boost rodiny: Malý, omezený posun pro LoRA rodiny, kterou tato stránka právě podporuje, vždy uvedený v rozpisu.
Náhradní skóre: Stabilní číslo pod minimem dané modelu, o kterém zatím žádný zdroj nehlásí, aby seznamy zůstaly kompletní. Nikdy není výše než model s daty.
Nové! (ochranná lhůta): Model mladší než 7 dní ukazuje místo skóre Nové! a nezískává místo v žebříčku. Jeho skóre se počítá od prvního dne, ale model starý jeden den roste rychleji než cokoli jiného, takže bez čekání by #1 týdne byl vždy model, který vyšel včera, místo toho, co vydrželo týden.
Trend: Jak růst modelu za určité období odpovídá typickému růstu modelu za stejné období. Rychlejší než obvyklé znamená vzestup, pomalejší pokles.
Typický model: Střed katalogu: polovina modelů s číslem rostla rychleji za dané období, polovina pomaleji.

Podobné modely

AI modely pro generování obrázků, videa a textu

Nemotron 3.5 Content Safety je textový model pro rodinu Text / LLM uvedený na ModelTrends.ai, katalogu open source AI modelů pro obrázky, video a text určeném jen ke čtení. Porovnejte ho s dalšími modely Text / LLM a podívejte se na jeho skóre žhavosti.

Další modely Text / LLM llm nvidia vidění uvažování vícejazyčný lokální rozpočet rychlý

Procházet podle rodiny modelů