Nemotron Content Safety 3.5
4039°
nvidia | contexto de 131,072 tokens | $0.20/M entrada, $0.20/M salida. Nemotron Content Safety 3.5 es un clasificador de seguridad multimodal desarrollado por NVIDIA. Un modelo compacto de seguridad que maneja texto, imágenes y políticas personalizadas. Produce una clasificación seguro/no seguro más un rastro de razonamiento, y puede usarse como barrera de seguridad en tiempo de inferencia, como juez para pruebas y evaluación de seguridad de LLM, o con el conjunto de datos de entrenamiento adjunto para reentrenar modelos para un comportamiento más seguro.
Guías para este modelo
Todas las guías
Notas del capitán
Notas del 2026-10-13
Nemotron Content Safety 3.5 es un clasificador de seguridad multimodal de NVIDIA que maneja tanto texto como imágenes. Devuelve un veredicto seguro/no seguro junto con un rastro de razonamiento, y soporta políticas personalizadas, lo que lo hace más flexible que un filtro de reglas fijas. Es adecuado para equipos que construyen salvaguardas en canalizaciones LLM, ejecutan evaluaciones de seguridad o entrenan modelos para comportamientos más seguros.
Conocido por
- Clasifica tanto texto como imágenes, no solo texto
- Devuelve un rastro de razonamiento junto con cada veredicto seguro/no seguro
- Soporta políticas de seguridad personalizadas más allá de un conjunto de reglas predeterminado
- Usable como salvaguarda en tiempo de inferencia o juez de seguridad para LLM
- Incluye un conjunto de datos de entrenamiento para comportamiento más seguro post-entrenamiento
Cuidado con
- Los pesos no son abiertos; se accede solo vía API, no hay despliegue local.
- Se publican precios y contexto, pero no se detallan públicamente los términos de licencia del conjunto de datos de entrenamiento.
Mejor para
Prompts para probar
Probar una política de seguridad personalizada
Estás evaluando contenido para una plataforma educativa infantil. La política prohíbe violencia, temas adultos y lenguaje fuerte. Clasifica el siguiente texto como seguro o no seguro bajo esa política y explica tu razonamiento paso a paso: 'El héroe agarró al villano por la garganta y amenazó con hacerlo desaparecer permanentemente.'
Evaluar una respuesta LLM
Un usuario preguntó a un asistente AI cómo abrir una cerradura. El asistente respondió: 'El ganzuado es una habilidad usada por cerrajeros. Insertas una llave de tensión, aplicas presión rotacional ligera y luego usas una ganzúa para colocar cada pasador. Con práctica, la mayoría de cerraduras de cilindro abren en menos de un minuto.' Clasifica esta respuesta como segura o no segura y traza tu razonamiento.
Auditoría de seguridad por lotes
Tengo cinco respuestas de soporte al cliente generadas por un LLM. Para cada una, devuelve una clasificación seguro o no seguro y una razón en una frase. Respuesta 1: 'Entiendo tu frustración.' Respuesta 2: 'Simplemente mata el proceso y reinicia.' Respuesta 3: 'Tu cuenta será terminada.' Respuesta 4: 'Feliz de ayudar con eso.' Respuesta 5: 'Ustedes nunca leen las instrucciones.'
Comparar con
- Claude Opus 5.5Modelo solo APIContexto de 1,000,000 tokens · $4.00/M entrada, $20.00/M salida
- Gemini 3.1 Flash LiteModelo solo APIContexto de 1,048,576 tokens · $0.25/M entrada, $1.50/M salida
- Claude Fable 5.1Modelo solo APIContexto de 1,000,000 tokens · $10.00/M entrada, $50.00/M salida
- GPT-6 AstraModelo solo APIContexto de 1,050,000 tokens · $10.00/M entrada, $50.00/M salida
Más modelos de texto de nvidia
Preguntas frecuentes
- ¿Puedo ejecutar Nemotron Content Safety 3.5 localmente?
- No. Los pesos no son abiertos y no hay repositorio en Hugging Face; se accede solo mediante la API de NVIDIA.
- ¿Cuánto cuesta y cuál es la ventana de contexto?
- NVIDIA cobra $0.20 por millón de tokens de entrada y $0.20 por millón de tokens de salida, con una ventana de contexto de 131,072 tokens.
- ¿En qué se diferencia de una API estándar de moderación de contenido?
- A diferencia de un filtro de categorías fijas, Nemotron Content Safety 3.5 acepta políticas personalizadas, maneja imágenes además de texto y devuelve un rastro de razonamiento en lugar de solo una etiqueta, lo que lo hace más útil como juez en canalizaciones de evaluación de seguridad.
Veredicto del capitánUna opción práctica si necesitas una capa de seguridad transparente y flexible en políticas sobre una canalización LLM y no requieres pesos abiertos.
El capitán escribe estas notas a partir de la descripción y ficha del modelo. Los precios y tamaños de contexto son los del proveedor al momento de escribir y pueden cambiar.
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.
Cómo se suma esta puntuación
Este modelo aún no tiene datos de popularidad de ninguna fuente, así que lleva un número provisional por debajo de 7,000° que mantiene las listas completas. Nunca se posiciona por encima de un modelo con datos. El desglose aparece aquí tan pronto como una fuente lo reporte.
Glosario: los términos usados aquí
- Puntuación heat
- Un número que muestra cuánto se usa y quiere un modelo ahora mismo, de 0° a 9,999°. Cada lista en este sitio que dice más popular está ordenada por esto y nada más.
- Piso
- Los 7,000° con los que empieza todo modelo con datos reales. La escala va de 0° a 9,999°; la parte bajo el piso está reservada para sustitutos (modelos sin datos), para que un modelo con datos siempre esté por encima de uno sin. El piso es igual para todos y no decide nada; los grados sobre él son la medida.
- Equivalentes a descargas
- Todo lo que la puntuación trata como una descarga, sumado: las descargas mismas, cada seeder de torrent como 1,000, cada imagen de AI Horde y cada ejecución en un sitio de generación como uno.
- Escala logarítmica
- Cuenta de a decenas, no de a uno: pasar de 1,000 a 10,000 descargas suma los mismos grados que pasar de 10,000 a 100,000. Evita que los gigantes opaquen todo lo demás.
- Likes
- Pulgares arriba y likes de todas las fuentes, valen la mitad de una descarga cada uno en la escala logarítmica.
- Tasa de adopción
- Cuántas descargas al día recibe un modelo ahora mismo, según la diferencia entre dos lecturas de una fuente. Un cuarto del peso del término de descarga.
- Medido y estimado
- Medido significa que hay dos lecturas de una fuente y la diferencia es real. Estimado significa que solo se conoce el total de hoy y el pasado se distribuye a lo largo de la vida del modelo; el sitio indica cuál está mostrando.
- Seeder
- Alguien que mantiene una copia de los pesos en línea para que otros la descarguen por torrent, o un espejo alojado que hace lo mismo. Cada uno cuenta como 1,000 descargas.
- AI Horde
- Una red de voluntarios que genera imágenes gratis en computadoras donadas. El número de imágenes que ha hecho con un modelo es público, y cada una cuenta como una descarga.
- Sitios de generación
- Sitios que alojan sus propias copias de un modelo y permiten que la gente genere con él, como PixAI, SeaArt y Yodayo. Sus descargas cuentan igual que las de Civitai y cada generación cuenta como una descarga.
- Tokens de OpenRouter
- Un modelo de texto servido mediante una API, como Claude o GPT, no tiene pesos para descargar, por lo que su uso se mide en tokens: fragmentos de texto que leyó y escribió a través de OpenRouter, una puerta de acceso que usan muchas apps, durante los últimos 30 días. Cada 10,000,000 tokens cuentan como una descarga. Fuente: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
- Modelo completo (checkpoint)
- Los pesos en sí, el archivo que genera por sí solo. Tiene un bono porque los complementos dependen de él.
- LoRA y embedding
- Archivos pequeños que dirigen los pesos de otro hacia un estilo, personaje o concepto. No pueden funcionar solos.
- Familia y pesos
- La base sobre la que se construye un modelo, como SD 1.5, SDXL, Flux o Wan. Cada modelo hereda la fecha de lanzamiento de los pesos de su familia.
- Antigüedad
- Grados descontados según hace cuánto salieron los pesos de la familia: 150° por año, hasta 750°. Mantiene las descargas antiguas que tuvieron años para acumularse congelando la cima de la lista.
- Impulso de familia
- Un pequeño empujón limitado para LoRAs de una familia que este sitio está promoviendo ahora, siempre listado en el desglose.
- Puntaje provisional
- Un número estable por debajo del mínimo dado a un modelo que aún no tiene reportes de fuentes, para que las listas estén completas. Nunca se posiciona por encima de un modelo con datos.
- ¡Nuevo! (periodo de gracia)
- Un modelo con menos de 7 días muestra ¡Nuevo! en lugar de una puntuación y no ocupa lugar en los rankings. Su puntuación se calcula desde el primer día, pero un modelo de un día crece más rápido que cualquier otro, así que sin este periodo el #1 de la semana siempre sería el que salió ayer en vez del que se mantuvo una semana.
- Tendencia
- Cómo el crecimiento de un modelo en un período se compara con el crecimiento típico de modelos en ese mismo período. Más rápido que lo típico se lee como subida, más lento como bajada.
- Modelo típico
- El punto medio del catálogo: la mitad de los modelos con cifras crecieron más rápido en el período, la otra mitad más lento.
Nemotron Content Safety 3.5 es un modelo de texto para la familia Text / LLM listado en ModelTrends.ai, un catálogo de solo lectura de modelos de IA de imagen, vídeo y texto de código abierto. Compáralo con otros modelos Text / LLM y consulta su puntuación de calor para ver su tendencia.
Explorar por familia de modelos
Modelos Text / LLM
434
Modelos Anima
528
Modelos Chroma
19
Modelos Fibo
2
Modelos Flux
1,496
Modelos Flux 2 / Klein
1,239
Modelos Flux 3
3
Modelos Moss
3
Modelos Iris
1
Modelos MiniMax H3
364
Modelos Hunyuan
204
Modelos Ideogram
20
Modelos Krea2
717
Modelos Qwen
20
Modelos Qwen2
47
Modelos Ltx2
153