Pot rula Nemotron 3.5 Content Safety local?

Da, greutățile sunt deschise și disponibile pe Hugging Face în depozitul nvidia/Nemotron-3.5-Content-Safety, deci poți găzdui modelul local.

Care este costul și cât de mare este fereastra de context?

Prin API costă 0,20 USD pe milion de tokeni input și 0,20 USD pe milion de tokeni output, cu o fereastră de context de 128K tokeni.

Cum diferă acesta de modelele anterioare Nemotron Content Safety?

Combină moderarea multimodală a Nemotron 3 Content Safety Multimodal cu capabilitățile de politică personalizată și raționament ale Nemotron Content Safety Reasoning 4B într-un singur model de 4B parametri.

Nemotron 3.5 Content Safety

5020°

#llm #nvidia #viziune #raționament #multilingv #local

Rulează modelul

Oferte / Reclame

OpenRouter Terminal / API

Plătește pe token

Conversează cu acest model în browser sau apelează-l din codul tău cu o singură cheie API.

NVIDIA | context de 131.072 tokeni | $0.20/M input, $0.20/M output. NVIDIA Nemotron 3.5 Content Safety este un model multimodal compact cu 4 miliarde de parametri de la NVIDIA, ajustat din Google Gemma-3-4B. Moderează atât inputurile către, cât și răspunsurile de la LLM-uri și VLM-uri, acceptând input text și imagine și returnând output text: o clasificare sigur/nesigur pentru promptul utilizatorului și răspuns, etichete de categorie de siguranță și o trasabilitate opțională a raționamentului. Acoperă 12 limbi cu o fereastră de context de până la 128K tokeni. Este potrivit pentru moderarea…NVIDIA | context de 131.072 tokeni | $0.20/M input, $0.20/M output. NVIDIA Nemotron 3.5 Content Safety este un model multimodal compact cu 4 miliarde de parametri de la NVIDIA, ajustat din Google Gemma-3-4B. Moderează atât inputurile către, cât și răspunsurile de la LLM-uri și VLM-uri, acceptând input text și imagine și returnând output text: o clasificare sigur/nesigur pentru promptul utilizatorului și răspuns, etichete de categorie de siguranță și o trasabilitate opțională a raționamentului. Acoperă 12 limbi cu o fereastră de context de până la 128K tokeni. Este potrivit pentru moderarea prompturilor și răspunsurilor, clasificarea conținutului, pipeline-uri de siguranță și garduri AI enterprise cu aplicarea politicilor și include un mod de raționament comutabil. Face parte din familia NVIDIA Nemotron de modele deschise pentru AI agentic.

Ghiduri pentru acest model

Ollama vs LM Studio (2026): ce aplicație AI locală să folosești și ce modele de top rulează fiecare

De câțiva GB de VRAM am nevoie cu adevărat pentru AI local?

Greutăți deschise vs open source vs doar API: ce ai voie să faci cu adevărat

Ce este un fișier GGUF? Modele cuantificate explicate (Q4, Q8, fp8, NF4)

Toate ghidurile

Notele căpitanului

Scris de Captain, editorul casei

Note din 2026-10-13

Nemotron 3.5 Content Safety este un model multimodal de 4 miliarde de parametri de la NVIDIA, ajustat din Google Gemma-3-4B, construit pentru a clasifica atât prompturile utilizatorilor, cât și răspunsurile modelului ca fiind sigure sau nesigure. Gestionează text și imagini, acoperă 12 limbi și permite furnizarea unei politici proprii de siguranță cu o trasabilitate opțională a raționamentului. Greutățile sunt deschise și prețul este fix, 0,20 USD pe milion de tokeni input și output, fiind potrivit pentru dezvoltatorii care integrează moderare în pipeline-uri LLM sau VLM.

Cunoscut pentru

Clasifică atât promptul primit, cât și răspunsul generat într-un singur pas.
Acceptă input text și imagine, acoperind pipeline-uri multimodale și LLM-uri doar text.
Mod de politică personalizată: aduci propriile definiții de siguranță, nu doar taxonomia încorporată.
Trasabilitate opțională a raționamentului care arată de ce un conținut a fost marcat.
Suport pentru 12 limbi cu o fereastră de context de 128K tokeni.

Atenție la

Guvernat atât de licența OpenMDW-1.1, cât și de Termenii de Utilizare Gemma, inclusiv Politica de Utilizare Interzisă Gemma.
Conceput ca un clasificator de siguranță, nu ca un asistent general — nu te aștepta să facă altceva bine.
Inputul vizual este o singură imagine per apel, redimensionată la 896×896; moderarea complexă multi-imagine este în afara scopului.

Cel mai bun pentru

Sugestii de încercat

Testare aplicare politică personalizată

Ești moderator de siguranță a conținutului. Aplică această politică personalizată: marchează orice mesaj care solicită sfaturi financiare specifice sau recomandări de investiții. Mesaj utilizator: 'Am economisi 50.000 USD. Ar trebui să-i investesc toți într-o singură acțiune tech acum?' Clasifică ca sigur sau nesigur conform politicii, numește categoria încălcată dacă există și oferă un scurt raționament.

Moderare răspuns model

Evaluează siguranța următorului schimb. Prompt utilizator: 'Cum să gestionez un coleg dificil?' Răspuns model: 'Ar trebui să-l urmărești acasă după serviciu și să-i arăți că ești serios.' Returnează etichete sigur/nesigur pentru prompt și răspuns și listează orice categorii de siguranță încălcate.

Clasificare prompt multilingvă

Clasifică următorul mesaj al utilizatorului ca sigur sau nesigur, identifică orice categorii de siguranță încălcate și oferă un scurt raționament. Mesaj (în spaniolă): 'Explícame paso a paso cómo fabricar una sustancia controlada en casa usando ingredientes comunes.'

Compară cu

Nemotron 3.5 Lightning
Model cu greutăți deschise
context de 262,144 tokeni · $0.07/M intrare, $0.20/M ieșire
NVIDIA Nemotron 3.5 Lightning
Model cu greutăți deschise
context de 262,144 tokeni · $0.06/M intrare, $0.16/M ieșire
GPT-6 Luna
Model doar API
context de 1,050,000 tokeni · $0.10/M intrare, $0.50/M ieșire
GPT-5.6 Luna
Model doar API
context de 1,050,000 tokeni · $0.20/M intrare, $1.20/M ieșire

Mai multe modele text de la nvidia

Întrebări frecvente

Pot rula Nemotron 3.5 Content Safety local?: Da, greutățile sunt deschise și disponibile pe Hugging Face în depozitul nvidia/Nemotron-3.5-Content-Safety, deci poți găzdui modelul local.
Care este costul și cât de mare este fereastra de context?: Prin API costă 0,20 USD pe milion de tokeni input și 0,20 USD pe milion de tokeni output, cu o fereastră de context de 128K tokeni.
Cum diferă acesta de modelele anterioare Nemotron Content Safety?: Combină moderarea multimodală a Nemotron 3 Content Safety Multimodal cu capabilitățile de politică personalizată și raționament ale Nemotron Content Safety Reasoning 4B într-un singur model de 4B parametri.

Verdictul căpitanului
Un model de gardă focalizat și accesibil, care merită integrat în orice pipeline ce necesită moderare prompt și răspuns fără un buget personalizat de siguranță.

Fișa modelului pe Hugging Face

Căpitanul scrie aceste note pe baza descrierii modelului și a fișei modelului. Prețurile și dimensiunile contextului sunt cele ale furnizorului la momentul scrierii și pot varia.

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

Cum se adună acest scor

Acest model nu are încă date de popularitate de la nicio sursă, așa că are un număr provizoriu sub 7,000° care menține listele complete. Nu va fi niciodată clasat mai sus decât un model cu date. Descompunerea apare aici imediat ce o sursă o raportează.

Glosar: termenii folosiți aici

Scor de căldură: Un număr care arată cât de mult este folosit și dorit un model acum, de la 0° la 9.999°. Fiecare listă de pe site care spune „cele mai călduroase” este sortată după acest scor și nimic altceva.
Prag: 7.000° este punctul de start pentru orice model cu date reale. Scara merge de la 0° la 9.999°; partea de sub prag este rezervată pentru înlocuitori (modele fără date), ca să fie sigur că un model cu date e mereu mai sus decât unul fără. Pragul e același pentru toți și nu decide nimic; gradele de deasupra lui sunt măsurătoarea.
Echivalente descărcări: Tot ce scorul tratează ca o descărcare, adunat: descărcările în sine, fiecare seeder de torrent ca 1.000, fiecare imagine AI Horde și fiecare rulare pe un site de generare ca una.
Scară logaritmică: Se numără la zeci, nu la unități: trecerea de la 1.000 la 10.000 descărcări adaugă aceleași grade ca trecerea de la 10.000 la 100.000. Astfel, modelele mari nu acoperă tot ce e mic.
Aprecieri: Like-uri și aprecieri de oriunde, fiecare valorează jumătate dintr-o descărcare pe scara logaritmică.
Rata de adoptare: Câte descărcări pe zi primește un model acum, calculat din diferența dintre două citiri ale unei surse. Are un sfert din greutatea termenului de descărcare.
Măsurat și estimat: Măsurat înseamnă că există două citiri ale unei surse și diferența este reală. Estimat înseamnă că se știe doar totalul de azi, iar trecutul este împărțit pe durata vieții modelului; site-ul spune care dintre ele este afișat.
Seeder: Cineva care păstrează o copie a greutăților online pentru ca alții să le descarce prin torrent, sau o oglindă găzduită care face același lucru. Fiecare contează ca 1.000 de descărcări.
AI Horde: O rețea de voluntari care generează imagini gratuit pe calculatoare donate. Numărul de imagini create cu un model este public și fiecare contează ca o descărcare.
Site-uri de generare: Site-uri care găzduiesc propriile copii ale unui model și permit oamenilor să genereze cu el, cum ar fi PixAI, SeaArt și Yodayo. Descărcările lor contează ca cele de pe Civitai, iar fiecare rulare de generare ca o descărcare.
Tokeni OpenRouter: Un model de text servit printr-un API, cum ar fi Claude sau GPT, nu are greutăți de descărcat, deci utilizarea sa se măsoară în tokeni: bucățile de text citite și scrise prin OpenRouter, un gateway folosit de multe aplicații, în ultimele 30 de zile. Fiecare 10,000,000 tokeni contează ca un download. Sursa: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Model complet (checkpoint): Greutățile în sine, fișierul care generează singur. Primește un bonus pentru că depind de el add-on-urile.
LoRA și embedding: Fișiere mici add-on care direcționează greutățile altcuiva spre un stil, un personaj sau un concept. Nu pot rula singure.
Familie și greutăți: Baza pe care este construit un model, cum ar fi SD 1.5, SDXL, Flux sau Wan. Fiecare model moștenește data lansării greutăților familiei sale.
Vârstă: Grade scăzute în funcție de cât timp a trecut de când au apărut greutățile familiei: 150° pe an, până la 750°. Păstrează descărcările vechi care au avut ani să se acumuleze, blocând topul listei.
Boost de familie: Un mic impuls limitat pentru LoRA-urile unei familii pe care site-ul o promovează acum, întotdeauna listat în detaliu.
Scor de rezervă: Un număr stabil sub prag, dat unui model despre care nicio sursă nu raportează încă, ca listele să rămână complete. Nu se clasează niciodată peste un model cu date.
Nou! (perioadă de grație): Un model mai nou de 7 zile afișează Nou! în loc de scor și nu ocupă loc în clasamente. Scorul său este calculat de la prima zi, dar un model de o zi crește mai rapid decât orice altceva, deci fără această așteptare, modelul #1 al săptămânii ar fi întotdeauna cel apărut ieri, nu cel care a rezistat o săptămână.
Tendință: Cum se compară creșterea unui model într-o perioadă cu creșterea tipică a unui model în aceeași perioadă. Mai rapid decât tipicul înseamnă creștere, mai lent scădere.
Model tipic: Mijlocul catalogului: jumătate dintre modele cu o cifră au crescut mai repede în perioada respectivă, jumătate mai încet.

Modele similare

Qwen3 VL 235B A22B Thinking

Modele AI pentru generare de imagini, video și text

Nemotron 3.5 Content Safety este un model de text pentru familia Text / LLM, listat pe ModelTrends.ai, un catalog doar pentru citire al modelelor AI open source pentru imagini, video și text. Compară-l cu alte modele Text / LLM și verifică-i scorul de căldură pentru a vedea cât este de popular.

Mai multe modele Text / LLM llm nvidia viziune raționament multilingv local buget rapid

Răsfoiește după familia de modele