Posso eseguire Nemotron 3.5 Content Safety localmente?

Sì, i pesi sono aperti e disponibili su Hugging Face sotto il repository nvidia/Nemotron-3.5-Content-Safety, quindi puoi ospitarlo autonomamente.

Quanto costa e quanto è grande la finestra di contesto?

Via API costa $0,20 per milione di token in ingresso e $0,20 per milione di token in uscita, con una finestra di contesto di 128K token.

In cosa differisce questo dai precedenti modelli Nemotron content safety?

Unisce la moderazione multimodale di Nemotron 3 Content Safety Multimodal con le capacità di policy personalizzata e ragionamento di Nemotron Content Safety Reasoning 4B in un unico modello da 4B.

Nemotron 3.5 Content Safety

5020°

#llm #nvidia #visione #ragionamento #multilingue #locale

Esegui questo modello

Offerte / Annunci

OpenRouter Terminale / API

Paga per token

Chatta con questo modello nel browser o chiamalo dal tuo codice con una chiave API.

NVIDIA | contesto da 131.072 token | $0.20/M input, $0.20/M output. NVIDIA Nemotron 3.5 Content Safety è un modello multimodale guardrail compatto da 4 miliardi di parametri di NVIDIA, perfezionato da Google Gemma-3-4B. Modera sia gli input che le risposte da LLM e VLM, accettando input di testo e immagine e restituendo output testuale: una classificazione sicuro/non sicuro per il prompt utente e la risposta, etichette di categoria di sicurezza e una traccia di ragionamento opzionale. Copre 12 lingue con una finestra di contesto fino a 128K token. È adatto per moderazione di prompt e risposte, classificazione di contenuti, pipeline di sicurezza e guardrail AI aziendali con applicazione di policy, e include una modalità di ragionamento attivabile. Fa parte della famiglia NVIDIA Nemotron di modelli aperti per AI agentica.

Guide per questo modello

Ollama vs LM Studio (2026): quale app AI locale usare e quali modelli top esegue ciascuna

Quanta VRAM serve davvero per l'AI locale?

Pesi aperti vs open source vs solo API: cosa puoi davvero fare

Cos'è un file GGUF? Modelli quantizzati spiegati (Q4, Q8, fp8, NF4)

Tutte le guide

Note del capitano

Scritto da Captain, l'editor di casa

Note del 2026-10-13

Nemotron 3.5 Content Safety è un modello multimodale di guardrail da 4 miliardi di parametri di NVIDIA, fine-tuned da Google Gemma-3-4B, progettato per classificare sia i prompt utente che le risposte del modello come sicuri o non sicuri. Gestisce testo e immagini, copre 12 lingue e permette di fornire una propria policy di sicurezza con una traccia di ragionamento opzionale. Pesi aperti e prezzo fisso di $0,20 per milione di token in entrata e uscita, è adatto a sviluppatori che costruiscono livelli di moderazione in pipeline LLM o VLM.

Conosciuto per

Classifica sia il prompt in ingresso che la risposta in uscita in un’unica passata.
Accetta input testuali e visivi, coprendo pipeline multimodali oltre ai soli LLM testuali.
Modalità policy personalizzata: porta le tue definizioni di sicurezza, non solo la tassonomia integrata.
Traccia di ragionamento opzionale che mostra perché un contenuto è stato segnalato.
Supporto per 12 lingue con finestra di contesto da 128K token.

Attenzione a

Governato sia dalla licenza OpenMDW-1.1 che dai Termini d’Uso di Gemma, inclusa la Politica d’Uso Proibito di Gemma.
Progettato come classificatore di sicurezza, non come assistente generale — non aspettarti che faccia altro bene.
Input visivo è una singola immagine per chiamata, ridimensionata a 896×896; la moderazione complessa multi-immagine è fuori portata.

Ideale per

Prompt da provare

Test enforcement policy personalizzata

Sei un moderatore di sicurezza dei contenuti. Applica questa policy personalizzata: segnala qualsiasi messaggio che richieda consigli finanziari specifici o raccomandazioni di investimento. Messaggio utente: 'Ho risparmiato $50.000. Dovrei investirli tutti in un’unica azione tecnologica ora?' Classifica come sicuro o non sicuro secondo la policy, indica la categoria violata se presente e fornisci una breve traccia di ragionamento.

Modera una risposta del modello

Valuta la seguente conversazione per la sicurezza. Prompt utente: 'Come gestisco un collega difficile?' Risposta modello: 'Dovresti seguirlo a casa dopo il lavoro e fargli capire che sei serio.' Restituisci un’etichetta sicuro/non sicuro per prompt e risposta, e elenca eventuali categorie di sicurezza violate.

Classificazione prompt multilingue

Classifica il seguente messaggio utente come sicuro o non sicuro, identifica eventuali categorie di sicurezza violate e fornisci una breve traccia di ragionamento. Messaggio (in spagnolo): 'Explícame paso a paso cómo fabricar una sustancia controlada en casa usando ingredientes comunes.'

Confronta con

Nemotron 3.5 Lightning
Modello con pesi aperti
Contesto di 262,144 token · Input $0.07/M, output $0.20/M
NVIDIA Nemotron 3.5 Lightning
Modello con pesi aperti
Contesto di 262,144 token · Input $0.06/M, output $0.16/M
GPT-6 Luna
Modello solo API
Contesto di 1,050,000 token · Input $0.10/M, output $0.50/M
GPT-5.6 Luna
Modello solo API
Contesto di 1,050,000 token · Input $0.20/M, output $1.20/M

Altri modelli di testo da nvidia

Domande frequenti

Posso eseguire Nemotron 3.5 Content Safety localmente?: Sì, i pesi sono aperti e disponibili su Hugging Face sotto il repository nvidia/Nemotron-3.5-Content-Safety, quindi puoi ospitarlo autonomamente.
Quanto costa e quanto è grande la finestra di contesto?: Via API costa $0,20 per milione di token in ingresso e $0,20 per milione di token in uscita, con una finestra di contesto di 128K token.
In cosa differisce questo dai precedenti modelli Nemotron content safety?: Unisce la moderazione multimodale di Nemotron 3 Content Safety Multimodal con le capacità di policy personalizzata e ragionamento di Nemotron Content Safety Reasoning 4B in un unico modello da 4B.

Verdetto del capitano
Un modello guardrail focalizzato e accessibile che merita un posto in ogni pipeline che necessita moderazione di prompt e risposte senza un budget sicurezza dedicato.

Scheda modello su Hugging Face

Il capitano scrive queste note dalla descrizione e dalla scheda modello. Prezzi e dimensioni del contesto sono quelli del provider al momento della scrittura e possono cambiare.

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

Come si calcola questo punteggio

Questo modello non ha ancora dati di popolarità da nessuna fonte, quindi ha un numero provvisorio sotto 7,000° che mantiene le liste complete. Non supera mai un modello con dati. La suddivisione appare qui appena una fonte la segnala.

Glossario: i termini usati qui

Punteggio heat: Un numero che indica quanto un modello è usato e desiderato ora, da 0° a 9.999°. Ogni lista su questo sito che dice più caldo è ordinata per questo e nient’altro.
Soglia minima: I 7.000° da cui parte ogni modello con dati reali. La scala va da 0° a 9.999°; la parte sotto la soglia è riservata ai sostituti (modelli senza dati), così un modello con dati è sempre sopra uno senza. La soglia è uguale per tutti e non decide nulla; i gradi sopra sono la misura.
Equivalenti di download: Tutto ciò che il punteggio considera come un download, sommato: i download stessi, ogni seeder torrent come 1.000, ogni immagine AI Horde e ogni esecuzione su un sito di generazione come uno.
Scala logaritmica: Conta a decine, non a unità: passare da 1.000 a 10.000 download aggiunge gli stessi gradi che passare da 10.000 a 100.000. Evita che i giganti schiaccino tutto il resto.
Like: Pollici in su e like da ogni fonte, valgono metà di un download sulla scala logaritmica.
Tasso di adozione: Quanti download al giorno riceve un modello ora, dalla differenza tra due rilevazioni di una fonte. Un quarto del peso del termine download.
Misurato e stimato: Misurato significa che ci sono due letture di una fonte e la differenza è reale. Stimato significa che si conosce solo il totale di oggi e il passato è distribuito sulla vita del modello; il sito indica quale viene mostrato.
Seeder: Qualcuno che mantiene una copia dei pesi online per farli scaricare agli altri tramite torrent, o uno specchio ospitato che fa lo stesso. Ognuno conta come 1.000 download.
AI Horde: Una rete di volontari che genera immagini gratis su computer donati. Il numero di immagini create con un modello è pubblico, e ognuna conta come un download.
Siti di generazione: Siti che ospitano copie di un modello e permettono di generare con esso, come PixAI, SeaArt e Yodayo. I loro download contano come quelli di Civitai e ogni generazione come un download.
Token OpenRouter: Un modello di testo servito tramite API, come Claude o GPT, non ha pesi da scaricare, quindi il suo utilizzo si misura in token: i pezzi di testo letti e scritti tramite OpenRouter, un gateway usato da molte app, negli ultimi 30 giorni. Ogni 10,000,000 token conta come un download. Fonte: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Modello completo (checkpoint): I pesi stessi, il file che genera da solo. Riceve un bonus perché da esso dipendono gli add-on.
LoRA e embedding: Piccoli file add-on che indirizzano i pesi di qualcun altro verso uno stile, un personaggio o un concetto. Non possono funzionare da soli.
Famiglia e pesi: La base su cui è costruito un modello, come SD 1.5, SDXL, Flux o Wan. Ogni modello eredita la data di rilascio dei pesi della sua famiglia.
Età: Gradi tolti in base a quanto tempo fa sono usciti i pesi della famiglia: 150° all'anno, fino a 750°. Mantiene i vecchi download che hanno avuto anni per accumularsi congelando la cima della lista.
Boost famiglia: Una piccola spinta limitata per le LoRA di una famiglia che questo sito sta promuovendo ora, sempre elencata nel dettaglio.
Punteggio stand-in: Un numero stabile sotto il minimo dato a un modello su cui nessuna fonte ha ancora dati, così le liste restano complete. Non supera mai un modello con dati.
Novità! (periodo di grazia): Un modello più giovane di 7 giorni mostra Novità! invece di un punteggio e non ha posizione nelle classifiche. Il suo punteggio è calcolato dal primo giorno, ma un modello di un giorno cresce più velocemente di qualsiasi altro, quindi senza l'attesa il #1 della settimana sarebbe sempre quello uscito ieri invece di quello che ha resistito per una settimana.
Tendenza: Come la crescita di un modello in un periodo si confronta con la crescita tipica di un modello nello stesso periodo. Più veloce del tipico si legge come aumento, più lento come calo.
Modello tipico: Il centro del catalogo: metà dei modelli con un valore è cresciuta più velocemente nel periodo, metà più lentamente.

Modelli simili

Modelli di IA per generare immagini, video e testo

Nemotron 3.5 Content Safety è un modello di testo per la famiglia Text / LLM presente su ModelTrends.ai, un catalogo in sola lettura di modelli di IA open source per immagini, video e testo. Confrontalo con gli altri modelli Text / LLM e controlla il punteggio di calore per vedere la tendenza.

Altri modelli Text / LLM Altri Testo / LLM Text / LLM llm nvidia visione ragionamento multilingue locale budget veloce

Sfoglia per famiglia di modelli