Can I run Switchyard locally or download the weights?

Non. Switchyard n'a pas de poids ouverts ni de dépôt Hugging Face ; il fonctionne comme une couche de routage via l'API OpenRouter.

What does Switchyard actually cost?

NVIDIA n'a pas publié de tarification claire par token ; la facturation est gérée par OpenRouter et appliquée au modèle sous-jacent sélectionné par Switchyard pour chaque requête.

How is Switchyard different from a normal model?

Ce n'est pas un modèle — c'est un routeur. Il inspecte votre requête et la transmet à l'un des deux modèles que vous spécifiez, en choisissant selon le coût ou la popularité, sans générer de sortie lui-même.

Switchyard

5383°

#llm #nvidia #agents #budget

Lancer ce modèle

Offres / Pub

OpenRouter Terminal / API

Payer par token

Discute avec ce modèle dans le navigateur ou appelle-le depuis ton code avec une clé API.

NVIDIA | contexte de 1 000 000 tokens | -1 000 000,00 $/M entrée, -1 000 000,00 $/M sortie. Switchyard est un routeur de modèles open-source qui bascule entre plusieurs modèles pour optimiser le coût des requêtes. Par défaut, il utilise les données du marché OpenRouter pour sélectionner les modèles les plus populaires à faible et haut coût. Vous pouvez passer deux choix dans le paramètre models ainsi que spécifier n'importe quel algorithme de routage proposé par Switchyard. Détails dans la documentation SwitchyardOpens in new tab. OpenRouter applique ensuite son routage fournisseur normal, ses solutions de secours et sa facturation pour le modèle choisi.

Guides pour ce modèle

Poids ouverts vs open source vs API uniquement : ce que tu peux vraiment faire

Les 10 alternatives à ChatGPT les moins chères en 2026 : modèles locaux gratuits, offres gratuites et forfaits à prix fixe

Tous les guides

Notes du capitaine

Écrit par Captain, le rédacteur maison

Notes du 2026-10-13

Switchyard est le routeur de modèles open-source de NVIDIA qui se place devant d'autres modèles et choisit le moins cher ou le plus populaire pour chaque requête, en utilisant par défaut les données du marché OpenRouter. Vous fournissez deux modèles candidats et un algorithme de routage ; Switchyard décide lequel traite l'appel. Il convient aux développeurs qui veulent optimiser automatiquement les coûts entre modèles sans réécrire leur logique applicative.

Connu pour

Routage des requêtes entre deux modèles pour minimiser automatiquement les coûts.
Utilise les données de marché en temps réel d'OpenRouter pour classer les options populaires à faible et haut coût.
Accepte des paires de modèles personnalisées et des algorithmes de routage interchangeables.
Transmet sans changement le routage fournisseur, les solutions de secours et la facturation d'OpenRouter.

Attention à

Ce n'est pas un modèle en soi — la qualité de sortie dépend entièrement du modèle sélectionné.
Les données de tarification affichent des valeurs négatives ; les coûts réels par token ne sont pas publiés par NVIDIA.
Pas de poids ouverts ni de dépôt Hugging Face ; vous l'utilisez uniquement via l'API OpenRouter.

Idéal pour

Agents et utilisation d'outils

Budget

Prompts à essayer

Tester le routage sensible au coût

I need to summarise customer support tickets in bulk. Route this to the cheapest capable model available. Here is a sample ticket: 'My order arrived damaged and the packaging was torn. I want a replacement sent before Friday. Order number 48821.'

Comparer les décisions de routage

Send the same prompt to both your low-cost and high-cost model options and return each response labelled with the model name and its estimated cost for this request: Explain the difference between supervised and unsupervised machine learning in two sentences.

Répartition entre enjeux élevés et budget

I have two task types: quick classification (label this review as positive or negative: 'The battery life is terrible but the screen is gorgeous') and a detailed analysis task (write a 200-word competitive analysis of that same product). Route each to the appropriate cost tier and explain your routing choice.

Comparer avec

NVIDIA Nemotron 3 Super 120B A12B
Modèle à poids ouverts
Contexte de 262,144 tokens · entrée $0.09/M, sortie $0.40/M
NVIDIA Nemotron 3.5 Lightning
Modèle à poids ouverts
Contexte de 262,144 tokens · entrée $0.06/M, sortie $0.16/M
Nemotron 3 Ultra
Modèle à poids ouverts
Contexte de 262,144 tokens · entrée $0.60/M, sortie $2.40/M
Nemotron 3.5 Lightning
Modèle à poids ouverts
Contexte de 262,144 tokens · entrée $0.07/M, sortie $0.20/M

Plus de modèles de texte de nvidia

Questions fréquentes

Can I run Switchyard locally or download the weights?: Non. Switchyard n'a pas de poids ouverts ni de dépôt Hugging Face ; il fonctionne comme une couche de routage via l'API OpenRouter.
What does Switchyard actually cost?: NVIDIA n'a pas publié de tarification claire par token ; la facturation est gérée par OpenRouter et appliquée au modèle sous-jacent sélectionné par Switchyard pour chaque requête.
How is Switchyard different from a normal model?: Ce n'est pas un modèle — c'est un routeur. Il inspecte votre requête et la transmet à l'un des deux modèles que vous spécifiez, en choisissant selon le coût ou la popularité, sans générer de sortie lui-même.

Verdict du capitaine
Une couche d'infrastructure utile pour optimiser les coûts dans les workflows API, mais rappelez-vous que vous achetez un répartiteur de trafic, pas un modèle.

Le capitaine écrit ces notes à partir de la description et de la fiche modèle. Les prix et tailles de contexte sont ceux du fournisseur au moment de la rédaction et peuvent changer.

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

Comment ce score se calcule

Ce modèle n’a pas encore de données de popularité provenant de sources, donc il porte un nombre de remplacement en dessous de 7,000° pour que les listes restent complètes. Il ne sera jamais mieux classé qu’un modèle avec des données. La répartition apparaît ici dès qu’une source la rapporte.

Glossaire : les termes utilisés ici

Score de chaleur: Un seul chiffre pour montrer à quel point un modèle est utilisé et recherché en ce moment, de 0° à 9 999°. Chaque liste sur ce site qui dit « les plus chauds » est triée selon ce score et rien d’autre.
Plancher: Les 7 000° que chaque modèle avec des données réelles commence avec. L’échelle va de 0° à 9 999° ; la partie sous le plancher est réservée aux remplaçants (modèles sans données), pour qu’un modèle avec données soit toujours mieux classé qu’un sans. Le plancher est le même pour tous et ne décide rien ; les degrés au-dessus sont la mesure.
Équivalents de téléchargement: Tout ce que le score considère comme un téléchargement, additionné : les téléchargements eux-mêmes, chaque seeder torrent comme 1 000, chaque image AI Horde et chaque exécution sur un site de génération comme un.
Échelle logarithmique: On compte par dizaines, pas par unités : passer de 1 000 à 10 000 téléchargements ajoute autant de degrés que passer de 10 000 à 100 000. Ça évite que les géants écrasent tout le reste.
Likes: Les pouces levés et likes de toutes sources, valant chacun la moitié d’un téléchargement sur l’échelle logarithmique.
Taux d’adoption: Combien de téléchargements par jour un modèle obtient en ce moment, calculé à partir de la différence entre deux relevés d’une source. Un quart du poids du terme téléchargement.
Mesuré et estimé: Mesuré signifie qu'il existe deux relevés d'une source et que la différence est réelle. Estimé signifie que seul le total d'aujourd'hui est connu et que le passé est réparti sur la durée de vie du modèle ; le site indique lequel est affiché.
Seeder: Quelqu'un qui garde une copie des poids en ligne pour que d'autres puissent les télécharger via un torrent, ou un miroir hébergé qui fait la même chose. Chacun compte comme 1 000 téléchargements.
AI Horde: Un réseau de bénévoles qui génère des images gratuitement sur des ordinateurs donnés. Le nombre d'images créées avec un modèle est public, et chacune compte comme un téléchargement.
Sites de génération: Sites qui hébergent leurs propres copies d'un modèle et permettent aux gens de générer avec, comme PixAI, SeaArt et Yodayo. Leurs téléchargements comptent comme ceux de Civitai et chaque génération compte comme un téléchargement.
Tokens OpenRouter: Un modèle texte servi via une API, comme Claude ou GPT, n'a pas de poids à télécharger, son usage est donc mesuré en tokens : les morceaux de texte lus et écrits via OpenRouter, une passerelle utilisée par de nombreuses applications, sur les 30 derniers jours. Chaque 10,000,000 tokens compte comme un téléchargement. Source : OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Modèle complet (checkpoint): Les poids eux-mêmes, le fichier qui génère tout seul. Il reçoit un bonus parce que les add-ons en dépendent.
LoRA et embedding: Petits fichiers add-on qui orientent les poids de quelqu'un d'autre vers un style, un personnage ou un concept. Ils ne peuvent pas fonctionner seuls.
Famille et poids: La base sur laquelle un modèle est construit, comme SD 1.5, SDXL, Flux ou Wan. Chaque modèle hérite de la date de sortie des poids de sa famille.
Âge: Degrés retirés selon l'ancienneté des poids de la famille : 150° par an, jusqu'à 750°. Cela garde les anciens téléchargements qui ont eu des années pour s'accumuler en haut de la liste.
Boost de la famille: Une petite poussée limitée pour les LoRA d'une famille que ce site met en avant en ce moment, toujours listée dans la répartition.
Score de remplacement: Un nombre stable en dessous du minimum donné à un modèle dont aucune source ne rapporte encore, pour que les listes restent complètes. Il ne dépasse jamais un modèle avec des données.
Nouveau ! (période de grâce): Un modèle âgé de moins de 7 jours affiche Nouveau ! au lieu d'un score et ne figure pas dans le classement. Son score est calculé dès le premier jour, mais un modèle d'un jour grandit plus vite que tout, donc sans attente le #1 de la semaine serait toujours celui sorti hier plutôt que celui qui tient depuis une semaine.
Tendance: Comment la croissance d'un modèle sur une période se compare à la croissance typique d'un modèle sur la même période. Plus rapide que la moyenne signifie une hausse, plus lente une baisse.
Modèle typique: Le milieu du catalogue : la moitié des modèles avec un chiffre ont grandi plus vite sur la période, l'autre moitié plus lentement.

Modèles similaires

Meta Llama 3 8B Instruct

TEXT / LLM

Modèles d'IA pour générer image, vidéo et texte

Switchyard est un modèle de texte pour la famille Text / LLM, référencé sur ModelTrends.ai, un catalogue en lecture seule de modèles d'IA open source pour l'image, la vidéo et le texte. Comparez-le aux autres modèles Text / LLM et consultez son score de chaleur pour suivre sa tendance.

Plus de modèles Text / LLM Plus de Texte / LLM Text / LLM llm nvidia agents budget

Parcourir par famille de modèles