Nemotron Content Safety 3.5
4039°
nvidia | 131.072 token context | $0,20/M input, $0,20/M output. Nemotron Content Safety 3.5 is een multimodale veiligheidsclassifier ontwikkeld door NVIDIA. Een compact veiligheidsmodel dat tekst, afbeeldingen en aangepaste beleidsregels verwerkt. Het geeft een veilige/onveilige classificatie plus een redeneerspoor en kan worden gebruikt als een guardrail tijdens inferentie, als rechter voor LLM-veiligheidstests en evaluatie, of met de bijbehorende trainingsdataset om modellen na te trainen voor veiliger gedrag.
Gidsen voor dit model
Alle gidsen
Aantekeningen van de kapitein
Aantekeningen van 2026-10-13
Nemotron Content Safety 3.5 is een multimodale veiligheidsclassifier van NVIDIA die zowel tekst als afbeeldingen verwerkt. Het geeft een veilig/onveilig oordeel terug met een redeneerspoor en ondersteunt aangepaste beleidsregels, waardoor het flexibeler is dan een vaste regelfilter. Het is geschikt voor teams die beveiligingslagen in LLM-pijplijnen bouwen, veiligheidsbeoordelingen uitvoeren of modellen na training veiliger willen maken.
Bekend om
- Classificeert zowel tekst als afbeeldingen, niet alleen tekst
- Geeft een redeneerspoor bij elk veilig/onveilig oordeel
- Ondersteunt aangepaste veiligheidsbeleid naast een vaste standaardregels
- Te gebruiken als guardrail tijdens inferentie of als LLM veiligheidsrechter
- Wordt geleverd met een trainingsdataset voor veiliger modelgedrag na training
Let op
- Gewichten zijn niet open; je hebt alleen toegang via API, geen lokale inzet.
- Prijs en context zijn gepubliceerd, maar licentievoorwaarden voor de trainingsdataset zijn niet openbaar gedetailleerd.
Het beste voor
Prompts om te proberen
Test een aangepast veiligheidsbeleid
Je evalueert content voor een educatief platform voor kinderen. Het beleid verbiedt geweld, volwassen thema’s en sterke taal. Classificeer de volgende tekst als veilig of onveilig volgens dat beleid en leg stap voor stap je redenering uit: 'De held greep de schurk bij de keel en dreigde hem voorgoed te laten verdwijnen.'
Evalueer een LLM-antwoord
Een gebruiker vroeg een AI-assistent hoe je een slot kunt openen. De assistent antwoordde: 'Sloten openen is een vaardigheid van slotenmakers. Je steekt een spanningstang in, oefent lichte draaikracht uit en gebruikt een haakje om elke pin te zetten. Met oefening gaan de meeste pin-tumbler sloten binnen een minuut open.' Classificeer deze reactie als veilig of onveilig en geef je redeneerspoor.
Batch veiligheidsaudit
Ik heb vijf klantenservice-antwoorden gegenereerd door een LLM. Geef per antwoord een veilig/onveilig classificatie en een korte reden. Antwoord 1: 'Ik begrijp uw frustratie.' Antwoord 2: 'Stop gewoon het proces en start opnieuw.' Antwoord 3: 'Uw account wordt beëindigd.' Antwoord 4: 'Ik help u daar graag mee.' Antwoord 5: 'Jullie lezen nooit de instructies.'
Vergelijk met
- Claude Opus 5.5Alleen API-model1,000,000 token context · $4.00/M invoer, $20.00/M uitvoer
- Gemini 3.1 Flash LiteAlleen API-model1,048,576 token context · $0.25/M invoer, $1.50/M uitvoer
- Claude Fable 5.1Alleen API-model1,000,000 token context · $10.00/M invoer, $50.00/M uitvoer
- GPT-6 AstraAlleen API-model1,050,000 token context · $10.00/M invoer, $50.00/M uitvoer
Meer tekstmodellen van nvidia
Veelgestelde vragen
- Kan ik Nemotron Content Safety 3.5 lokaal draaien?
- Nee. De gewichten zijn niet open en er is geen Hugging Face-repository; je hebt alleen toegang via NVIDIA’s API.
- Wat kost het en hoe groot is het contextvenster?
- NVIDIA rekent $0,20 per miljoen inputtokens en $0,20 per miljoen outputtokens, met een contextvenster van 131.072 tokens.
- Hoe verschilt dit van een standaard content-moderatie API?
- In tegenstelling tot een vaste categorie-filter accepteert Nemotron Content Safety 3.5 aangepaste beleidsregels, verwerkt het afbeeldingen naast tekst en geeft het een redeneerspoor terug in plaats van alleen een label, wat het nuttiger maakt als rechter in veiligheidsbeoordelingspijplijnen.
Oordeel van de kapiteinEen praktische keuze als je een transparante, beleidsflexibele veiligheidslaag over een LLM-pijplijn nodig hebt en geen open gewichten vereist.
De kapitein schrijft deze aantekeningen op basis van de eigen beschrijving en modelkaart van het model. Prijzen en contextgroottes zijn die van de provider op het moment van schrijven en kunnen veranderen.
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.
Hoe deze score wordt opgebouwd
Dit model heeft nog geen populariteitsgegevens van welke bron dan ook, dus het krijgt een tijdelijke waarde onder 7,000° om de lijsten compleet te houden. Het staat nooit hoger dan een model met data. De uitsplitsing verschijnt hier zodra een bron het rapporteert.
Woordenlijst: de gebruikte termen
- Heat-score
- Één getal voor hoe veel een model nu gebruikt en gewenst wordt, van 0° tot 9.999°. Elke lijst op deze site die zegt heetste is gesorteerd op deze score en niets anders.
- Vloer
- De 7.000° waar elk model met echte data mee begint. De schaal loopt van 0° tot 9.999°; het deel onder de vloer is gereserveerd voor plaatsvervangers (modellen zonder data), zodat een model met data altijd hoger scoort dan een zonder. De vloer is voor iedereen gelijk en beslist niets; de graden erboven zijn de meting.
- Download-equivalenten
- Alles wat de score als een download telt, bij elkaar opgeteld: downloads zelf, elke torrent seeder als 1.000, elke AI Horde-afbeelding en elke run op een generatie-site als één.
- Logaritmische schaal
- Tellen per tien, niet per één: van 1.000 naar 10.000 downloads voegt evenveel graden toe als van 10.000 naar 100.000. Zo verdringen grote spelers niet alles.
- Likes
- Duimen omhoog en likes van elke bron, elk de helft van een download waard op de log-schaal.
- Adoptiesnelheid
- Hoeveel downloads een model nu per dag krijgt, uit het verschil tussen twee metingen van een bron. Een kwart van het gewicht van de downloadterm.
- Gemeten en geschat
- Gemeten betekent dat er twee metingen van een bron zijn en het verschil echt is. Geschat betekent dat alleen het totaal van vandaag bekend is en het verleden over de levensduur van het model wordt verdeeld; de site geeft aan welke het toont.
- Seeder
- Iemand die een kopie van de gewichten online houdt zodat anderen die via een torrent kunnen downloaden, of een gehoste mirror die hetzelfde doet. Elk telt als 1.000 downloads.
- AI Horde
- Een vrijwilligersnetwerk dat gratis beelden genereert op gedoneerde computers. Het aantal beelden dat het met een model heeft gemaakt is openbaar, en elk telt als één download.
- Generatiesites
- Sites die hun eigen kopieën van een model hosten en mensen laten genereren, zoals PixAI, SeaArt en Yodayo. Hun downloads tellen net als die van Civitai en elke generatie telt als één download.
- OpenRouter tokens
- Een tekstmodel dat via een API wordt aangeboden, zoals Claude of GPT, heeft geen gewichten om te downloaden, dus het gebruik wordt gemeten in tokens: de tekststukken die het las en schreef via OpenRouter, een gateway die veel apps gebruiken, in de afgelopen 30 dagen. Elke 10,000,000 tokens telt als één download. Bron: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
- Volledig model (checkpoint)
- De gewichten zelf, het bestand dat zelfstandig genereert. Het krijgt een bonus omdat add-ons ervan afhangen.
- LoRA en embedding
- Kleine add-on bestanden die iemands gewichten sturen naar een stijl, een personage of een concept. Ze kunnen niet zelfstandig draaien.
- Familie en gewichten
- De basis waarop een model is gebouwd, zoals SD 1.5, SDXL, Flux of Wan. Elk model erft de releasedatum van de gewichten van zijn familie.
- Leeftijd
- Graden afgetrokken voor hoe lang geleden de gewichten van de familie uitkwamen: 150° per jaar, tot 750°. Het houdt oude downloads die jaren hadden om op te lopen door de top van de lijst te bevriezen.
- Familie boost
- Een kleine, begrensde duw voor LoRA's van een familie die deze site nu naar voren schuift, altijd vermeld in de uitsplitsing.
- Stand-in score
- Een stabiel getal onder de vloer gegeven aan een model waar nog geen bron over rapporteert, zodat lijsten compleet blijven. Het staat nooit hoger dan een model met data.
- Nieuw! (gratieperiode)
- Een model dat minder dan 7 dagen oud is, toont Nieuw! in plaats van een score en neemt geen plaats in de ranglijst in. De score wordt vanaf dag één berekend, maar een model van één dag oud groeit sneller dan wat dan ook, dus zonder de wachttijd zou de #1 van de week altijd het model zijn dat gisteren uitkwam in plaats van wat een week standhield.
- Trend
- Hoe de groei van een model over een periode zich verhoudt tot de typische groei van een model over dezelfde periode. Sneller dan typisch betekent stijging, langzamer betekent daling.
- Typisch model
- Het midden van de catalogus: de helft van de modellen met een cijfer groeide sneller over de periode, de andere helft langzamer.
Nemotron Content Safety 3.5 is een tekstmodel voor de Text / LLM-familie, vermeld op ModelTrends.ai, een alleen-lezen catalogus van open source AI-modellen voor afbeeldingen, video en tekst. Vergelijk het met andere Text / LLM-modellen en bekijk de populariteitsscore om de trend te zien.
Bladeren op modelfamilie
Text / LLM-modellen
434
Anima-modellen
528
Chroma-modellen
19
Fibo-modellen
2
Flux-modellen
1,496
Flux 2 / Klein-modellen
1,239
Flux 3-modellen
3
Moss-modellen
3
Iris-modellen
1
MiniMax H3-modellen
364
Hunyuan-modellen
204
Ideogram-modellen
20
Krea2-modellen
717
Qwen-modellen
20
Qwen2-modellen
47
Ltx2-modellen
153