Posso rodar o Nemotron 3.5 Content Safety localmente?

Sim, os pesos são abertos e estão disponíveis no Hugging Face no repositório nvidia/Nemotron-3.5-Content-Safety, então você pode hospedar localmente.

Qual o custo e qual o tamanho da janela de contexto?

Via API custa $0,20 por milhão de tokens de entrada e $0,20 por milhão de tokens de saída, com janela de contexto de 128K tokens.

Como este modelo difere dos anteriores Nemotron content safety?

Ele une a moderação multimodal do Nemotron 3 Content Safety Multimodal com as capacidades de política customizada e raciocínio do Nemotron Content Safety Reasoning 4B em um único modelo de 4B.

Nemotron 3.5 Content Safety

5020°

#llm #nvidia #visão #raciocínio #multilíngue #local

Executar modelo

Ofertas / Anúncios

OpenRouter Terminal / API

Pague por token

Converse com este modelo no navegador ou chame-o do seu código com uma chave API.

NVIDIA | contexto de 131.072 tokens | $0.20/M entrada, $0.20/M saída. NVIDIA Nemotron 3.5 Content Safety é um modelo multimodal compacto de 4 bilhões de parâmetros da NVIDIA, ajustado a partir do Google Gemma-3-4B. Modera tanto as entradas quanto as respostas de LLMs e VLMs, aceitando entrada de texto e imagem e retornando saída de texto: uma classificação seguro/inseguro para o prompt do usuário e a resposta, rótulos de categoria de segurança e um rastreamento de raciocínio opcional. Cobre 12 idiomas com uma janela de contexto de até 128K tokens. É adequado para moderação de prompts e respostas, classificação de conteúdo, pipelines de segurança e guardrails de IA empresariais com aplicação de políticas, incluindo um modo de raciocínio ativável. Faz parte da família NVIDIA Nemotron de modelos abertos para IA agentiva.

Guias para este modelo

Ollama vs LM Studio (2026): qual app de IA local usar e quais os melhores modelos que cada um roda

De quanto VRAM eu realmente preciso para IA local?

Pesos abertos vs código aberto vs só API: o que você realmente pode fazer

O que é um arquivo GGUF? Modelos quantizados explicados (Q4, Q8, fp8, NF4)

Todos os guias

Notas do capitão

Escrito por Captain, o editor da casa

Notas de 2026-10-13

Nemotron 3.5 Content Safety é um modelo multimodal de 4 bilhões de parâmetros da NVIDIA, fine-tuned a partir do Google Gemma-3-4B, criado para classificar tanto prompts de usuários quanto respostas do modelo como seguros ou inseguros. Lida com texto e imagens, cobre 12 idiomas e permite que você forneça sua própria política de segurança com um rastreamento opcional de raciocínio. Pesos abertos e preço fixo de $0,20 por milhão de tokens em ambas as direções, ideal para desenvolvedores que constroem camadas de moderação em pipelines LLM ou VLM.

Conhecido por

Classifica tanto o prompt recebido quanto a resposta gerada em uma única passagem.
Aceita entrada de texto e imagem, cobrindo pipelines multimodais e LLMs só de texto.
Modo de política customizada: traga suas próprias definições de segurança, não só a taxonomia embutida.
Rastreamento opcional de raciocínio mostra por que um conteúdo foi sinalizado.
Suporte a 12 idiomas com janela de contexto de 128K tokens.

Fique atento a

Regido pela licença OpenMDW-1.1 e pelos Termos de Uso do Gemma, incluindo a Política de Uso Proibido do Gemma.
Projetado como classificador de segurança, não como assistente geral — não espere que faça outras tarefas bem.
Entrada visual é uma única imagem por chamada, redimensionada para 896×896; moderação complexa de múltiplas imagens está fora do escopo.

Melhor para

Sugestões para tentar

Teste de aplicação de política customizada

Você é um moderador de segurança de conteúdo. Aplique esta política customizada: sinalize qualquer mensagem que peça aconselhamento financeiro específico ou recomendações de investimento. Mensagem do usuário: 'Tenho $50.000 guardados. Devo investir tudo em uma única ação de tecnologia agora?' Classifique como seguro ou inseguro segundo a política, nomeie a categoria violada se houver, e forneça um breve rastreamento de raciocínio.

Moderar resposta do modelo

Avalie a segurança da seguinte troca. Prompt do usuário: 'Como lidar com um colega difícil?' Resposta do modelo: 'Você deve segui-lo até em casa depois do trabalho e deixar claro que está falando sério.' Retorne um rótulo seguro/inseguro para o prompt e para a resposta, e liste quaisquer categorias de segurança violadas.

Classificação multilíngue de prompt

Classifique a seguinte mensagem do usuário como segura ou insegura, identifique quaisquer categorias de segurança violadas e forneça um breve rastreamento de raciocínio. Mensagem (em espanhol): 'Explícame paso a paso cómo fabricar una sustancia controlada en casa usando ingredientes comunes.'

Comparar com

Nemotron 3.5 Lightning
Modelo com pesos abertos
Contexto de 262,144 tokens · entrada $0.07/M, saída $0.20/M
NVIDIA Nemotron 3.5 Lightning
Modelo com pesos abertos
Contexto de 262,144 tokens · entrada $0.06/M, saída $0.16/M
GPT-6 Luna
Modelo apenas para API
Contexto de 1,050,000 tokens · entrada $0.10/M, saída $0.50/M
GPT-5.6 Luna
Modelo apenas para API
Contexto de 1,050,000 tokens · entrada $0.20/M, saída $1.20/M

Mais modelos de texto de nvidia

Perguntas frequentes

Posso rodar o Nemotron 3.5 Content Safety localmente?: Sim, os pesos são abertos e estão disponíveis no Hugging Face no repositório nvidia/Nemotron-3.5-Content-Safety, então você pode hospedar localmente.
Qual o custo e qual o tamanho da janela de contexto?: Via API custa $0,20 por milhão de tokens de entrada e $0,20 por milhão de tokens de saída, com janela de contexto de 128K tokens.
Como este modelo difere dos anteriores Nemotron content safety?: Ele une a moderação multimodal do Nemotron 3 Content Safety Multimodal com as capacidades de política customizada e raciocínio do Nemotron Content Safety Reasoning 4B em um único modelo de 4B.

Veredito do capitão
Um modelo guardrail focado e acessível que merece lugar em qualquer pipeline que precise de moderação de prompt e resposta sem orçamento de segurança sob medida.

Ficha do modelo no Hugging Face

O capitão escreve estas notas com base na descrição e ficha do modelo. Preços e tamanhos de contexto são do provedor na data da escrita e podem mudar.

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

Como essa pontuação é calculada

Este modelo ainda não tem dados de popularidade de nenhuma fonte, então ele carrega um número provisório abaixo de 7,000° para manter as listas completas. Ele nunca fica acima de um modelo com dados. A divisão aparece aqui assim que uma fonte reporta.

Glossário: os termos usados aqui

Pontuação heat: Um número que mostra o quanto um modelo está sendo usado e desejado agora, de 0° a 9.999°. Toda lista neste site que diz mais quente é ordenada por ele e só por ele.
Limite mínimo: Os 7.000° que todo modelo com dados reais começa. A escala vai de 0° a 9.999°; a parte abaixo do limite é para substitutos (modelos sem dados), para que um modelo com dados sempre fique acima de um sem. O limite é igual para todos e não decide nada; os graus acima dele são a medida.
Equivalentes a downloads: Tudo que a pontuação trata como download, somado: downloads em si, cada torrent seeder como 1.000, cada imagem AI Horde e cada execução em site de geração como um.
Escala logarítmica: Contando de dez em dez, não de um em um: ir de 1.000 para 10.000 downloads adiciona os mesmos graus que ir de 10.000 para 100.000. Isso evita que gigantes abafem tudo.
Likes: Joinhas e likes de todas as fontes, valendo metade de um download na escala logarítmica.
Taxa de adoção: Quantos downloads por dia um modelo recebe agora, pela diferença entre duas leituras de uma fonte. Um quarto do peso do termo download.
Medido e estimado: Medido significa que existem duas leituras de uma fonte e a diferença é real. Estimado significa que só se sabe o total de hoje e o passado é distribuído ao longo da vida do modelo; o site indica qual está mostrando.
Seeder: Alguém que mantém uma cópia dos pesos online para outros baixarem via torrent, ou um espelho hospedado fazendo o mesmo. Cada um conta como 1.000 downloads.
AI Horde: Uma rede voluntária que gera imagens de graça em computadores doados. O número de imagens feitas com um modelo é público, e cada uma conta como um download.
Sites de geração: Sites que hospedam suas próprias cópias de um modelo e deixam as pessoas gerarem com ele, como PixAI, SeaArt e Yodayo. Os downloads deles contam como os do Civitai e cada geração conta como um download.
Tokens OpenRouter: Um modelo de texto servido via API, como Claude ou GPT, não tem pesos para baixar, então seu uso é medido em tokens: os pedaços de texto que ele leu e escreveu via OpenRouter, um gateway usado por muitos apps, nos últimos 30 dias. Cada 10,000,000 tokens contam como um download. Fonte: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Modelo completo (checkpoint): Os pesos em si, o arquivo que gera sozinho. Ganha um bônus porque complementos dependem dele.
LoRA e embedding: Arquivos pequenos que direcionam os pesos de outra pessoa para um estilo, personagem ou conceito. Não podem rodar sozinhos.
Família e pesos: A base em que um modelo é construído, como SD 1.5, SDXL, Flux ou Wan. Todo modelo herda a data de lançamento dos pesos da sua família.
Idade: Pontos retirados conforme há quanto tempo os pesos da família foram lançados: 150° por ano, até 750°. Mantém os downloads antigos que tiveram anos para acumular, evitando que saiam do topo da lista.
Impulso da família: Um pequeno empurrão limitado para LoRAs de uma família que este site está promovendo agora, sempre listado na divisão.
Pontuação provisória: Um número estável abaixo do mínimo dado a um modelo que ainda não tem dados de fonte, para a lista ficar completa. Nunca fica acima de um modelo com dados.
Novo! (período de carência): Um modelo com menos de 7 dias mostra Novo! em vez de uma pontuação e não ocupa lugar no ranking. Sua pontuação é calculada desde o primeiro dia, mas um modelo com um dia cresce mais rápido que qualquer outro, então sem a espera o #1 da semana seria sempre o que saiu ontem, não o que se manteve por uma semana.
Tendência: Como o crescimento de um modelo num período se compara com o crescimento típico dos modelos no mesmo período. Crescimento mais rápido que o típico indica alta, mais lento indica queda.
Modelo típico: O meio do catálogo: metade dos modelos com número cresceu mais rápido no período, metade mais devagar.

Modelos semelhantes

DeepSeek V3.1 Terminus

TEXT / LLM

Modelos de IA para geração de imagem, vídeo e texto

Nemotron 3.5 Content Safety é um modelo de texto para a família Text / LLM listado no ModelTrends.ai, um catálogo somente leitura de modelos de IA de código aberto para imagem, vídeo e texto. Compare-o com outros modelos Text / LLM e veja a pontuação de calor para acompanhar a tendência.

Mais modelos Text / LLM Mais Texto / LLM Text / LLM llm nvidia visão raciocínio multilíngue local orçamento rápido

Navegar por família de modelos