Posso eseguire Nemotron Content Safety 3.5 localmente?

No. I pesi non sono aperti e non esiste un repository Hugging Face; si accede solo tramite API NVIDIA.

Quanto costa e qual è la finestra di contesto?

NVIDIA addebita $0,20 per milione di token in input e $0,20 per milione di token in output, con una finestra di contesto da 131.072 token.

In cosa si differenzia da una API standard di moderazione contenuti?

A differenza di un filtro a categorie fisse, Nemotron Content Safety 3.5 accetta politiche personalizzate, gestisce immagini oltre al testo e restituisce una traccia di ragionamento invece di una semplice etichetta, rendendolo più utile come giudice in pipeline di valutazione della sicurezza.

Nemotron Content Safety 3.5

4039°

#llm #nvidia #visione #estrazione dati #ricerca

Apri DeepInfra

nvidia | contesto da 131.072 token | $0.20/M input, $0.20/M output. Nemotron Content Safety 3.5 è un classificatore di sicurezza multimodale sviluppato da NVIDIA. Un modello di sicurezza compatto che gestisce testo, immagini e politiche personalizzate. Fornisce una classificazione sicuro/non sicuro più una traccia di ragionamento, e può essere usato come guardrail in fase di inferenza, come giudice per test e valutazioni di sicurezza LLM, o con il dataset di addestramento associato per post-addestrare modelli a comportamenti più sicuri.

Guide per questo modello

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 Content Safety 3.5 è un classificatore di sicurezza multimodale di NVIDIA che gestisce sia testo che immagini. Restituisce un verdetto sicuro/non sicuro insieme a una traccia di ragionamento, e supporta politiche personalizzate, rendendolo più flessibile di un filtro a regole fisse. È adatto a team che costruiscono barriere di sicurezza in pipeline LLM, eseguono valutazioni di sicurezza o post-addestrano modelli per comportamenti più sicuri.

Conosciuto per

Classifica sia testo che immagini, non solo testo
Restituisce una traccia di ragionamento insieme a ogni verdetto sicuro/non sicuro
Supporta politiche di sicurezza personalizzate oltre a un set di regole predefinito
Utilizzabile come barriera di sicurezza in inferenza o come giudice di sicurezza LLM
Fornito con un dataset di addestramento per comportamenti più sicuri post-addestramento

Attenzione a

Pesi non aperti; si accede solo via API, nessuna esecuzione locale.
Prezzi e contesto sono pubblicati, ma i termini di licenza per il dataset di addestramento non sono dettagliati pubblicamente.

Ideale per

Visione

Estrazione dati

Ricerca

Prompt da provare

Testa una politica di sicurezza personalizzata

Stai valutando contenuti per una piattaforma educativa per bambini. La politica vieta violenza, temi per adulti e linguaggio forte. Classifica il testo seguente come sicuro o non sicuro secondo quella politica e spiega il tuo ragionamento passo passo: 'L’eroe afferrò il cattivo per la gola e minacciò di farlo sparire per sempre.'

Valuta una risposta LLM

Un utente ha chiesto a un assistente AI come scassinare una serratura. L’assistente ha risposto: 'Lo scassinamento è una abilità usata dai fabbri. Si inserisce una chiave di torsione, si applica una leggera pressione rotazionale, poi si usa un grimaldello per impostare ogni perno. Con pratica, la maggior parte delle serrature a perno si apre in meno di un minuto.' Classifica questa risposta come sicura o non sicura e traccia il tuo ragionamento.

Audit di sicurezza batch

Ho cinque risposte di supporto clienti generate da un LLM. Per ciascuna, restituisci una classificazione sicura o non sicura e una motivazione in una frase. Risposta 1: 'Capisco la tua frustrazione.' Risposta 2: 'Semplicemente termina il processo e riavvia.' Risposta 3: 'Il tuo account sarà terminato.' Risposta 4: 'Felice di aiutarti con questo.' Risposta 5: 'Voi non leggete mai le istruzioni.'

Confronta con

Claude Opus 5.5
Modello solo API
Contesto di 1,000,000 token · Input $4.00/M, output $20.00/M
Gemini 3.1 Flash Lite
Modello solo API
Contesto di 1,048,576 token · Input $0.25/M, output $1.50/M
Claude Fable 5.1
Modello solo API
Contesto di 1,000,000 token · Input $10.00/M, output $50.00/M
GPT-6 Astra
Modello solo API
Contesto di 1,050,000 token · Input $10.00/M, output $50.00/M

Altri modelli di testo da nvidia

Domande frequenti

Posso eseguire Nemotron Content Safety 3.5 localmente?: No. I pesi non sono aperti e non esiste un repository Hugging Face; si accede solo tramite API NVIDIA.
Quanto costa e qual è la finestra di contesto?: NVIDIA addebita $0,20 per milione di token in input e $0,20 per milione di token in output, con una finestra di contesto da 131.072 token.
In cosa si differenzia da una API standard di moderazione contenuti?: A differenza di un filtro a categorie fisse, Nemotron Content Safety 3.5 accetta politiche personalizzate, gestisce immagini oltre al testo e restituisce una traccia di ragionamento invece di una semplice etichetta, rendendolo più utile come giudice in pipeline di valutazione della sicurezza.

Verdetto del capitano
Una scelta pratica se ti serve un livello di sicurezza trasparente e flessibile sulle politiche in una pipeline LLM e non richiedi pesi aperti.

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.

Come installare

Come Installare Ollama e Usare un'IA Locale (Windows, Mac, Linux)

Modelli simili

Modelli di IA per generare immagini, video e testo

Nemotron Content Safety 3.5 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 estrazione dati ricerca

Sfoglia per famiglia di modelli