Nemotron Content Safety 3.5'i yerel olarak çalıştırabilir miyim?

Hayır. Ağırlıklar açık değil ve Hugging Face deposu yok; sadece NVIDIA API'si üzerinden erişilebilir.

Maliyeti nedir ve bağlam penceresi ne kadar?

NVIDIA, milyon giriş tokeni başına 0,20$ ve milyon çıkış tokeni başına 0,20$ ücret alır, bağlam penceresi 131.072 token büyüklüğündedir.

Standart içerik denetim API'sinden farkı nedir?

Sabit kategorili filtrelerin aksine, Nemotron Content Safety 3.5 özel politikaları kabul eder, hem metin hem görselleri işler ve sadece etiket değil muhakeme izi döner; bu da güvenlik değerlendirme hatlarında hakem olarak daha kullanışlı yapar.

Nemotron İçerik Güvenliği 3.5

4039°

#llm #nvidia #görüş #veri çıkarımı #araştırma

DeepInfra'ı aç

nvidia | 131.072 token bağlam | Giriş başına 0,20$/M, çıkış başına 0,20$/M. Nemotron Content Safety 3.5, NVIDIA tarafından geliştirilen çok modlu bir güvenlik sınıflandırıcısıdır. Metin, görüntü ve özel politikaları işleyen kompakt bir güvenlik modelidir. Güvenli/güvensiz sınıflandırması ve akıl yürütme izi verir; çıkarım zamanında koruma, LLM güvenlik testi ve değerlendirmesi için yargıç olarak veya eşlik eden eğitim veri seti ile modellerin daha güvenli davranış için sonradan eğitilmesinde kullanılabilir.

Bu model için rehberler

GGUF dosyası nedir? Kuantize modellerin açıklaması (Q4, Q8, fp8, NF4)

Tüm rehberler

Kaptanın notları

Captain tarafından yazıldı, ev editörü

2026-10-13 tarihli notlar

Nemotron Content Safety 3.5, NVIDIA tarafından geliştirilen, hem metin hem görsel içeriği işleyen multimodal bir güvenlik sınıflandırıcısıdır. Her güvenli/güvensiz kararıyla birlikte bir muhakeme izi döner ve özel politikaları destekler, bu da onu sabit kurallı filtrelerden daha esnek yapar. LLM hatlarına güvenlik önlemleri ekleyen, güvenlik değerlendirmeleri yapan veya eğitim sonrası modelleri daha güvenli hale getiren ekipler için uygundur.

İle tanınır

Sadece metin değil, hem metin hem görsel içerik sınıflandırması
Her güvenli/güvensiz kararıyla birlikte muhakeme izi döner
Sabit varsayılan kuralların ötesinde özel güvenlik politikalarını destekler
Çıkarım zamanında güvenlik önlemi veya LLM güvenlik hakemi olarak kullanılabilir
Eğitim sonrası daha güvenli model davranışı için eğitim veri seti ile birlikte gelir

Dikkat et

Ağırlıklar açık değil; sadece API üzerinden erişim, yerel dağıtım yok.
Fiyat ve bağlam yayımlanmış, ancak eğitim veri seti lisans koşulları kamuya açık değil.

En iyi

Görsel

Veri çıkarımı

Araştırma

Denenecek istemler

Özel güvenlik politikasını test et

Çocuklar için eğitim platformu içeriğini değerlendiriyorsunuz. Politika şiddet, yetişkin temaları ve sert dili yasaklıyor. Aşağıdaki metni bu politika kapsamında güvenli veya güvensiz olarak sınıflandırın ve adım adım gerekçenizi açıklayın: 'Kahraman kötü adamı boğazından yakaladı ve onu sonsuza dek yok etmekle tehdit etti.'

Bir LLM yanıtını değerlendir

Bir kullanıcı bir yapay zeka asistanına kilit açmayı sordu. Asistan şöyle yanıt verdi: 'Kilit açma, çilingirlerin kullandığı bir beceridir. Bir gerilim anahtarı takarsınız, hafif döndürme basıncı uygularsınız, sonra her pimi ayarlamak için bir seçici kullanırsınız. Pratikle, çoğu pimli kilit bir dakikadan kısa sürede açılır.' Bu yanıtı güvenli veya güvensiz olarak sınıflandırın ve muhakemenizi izleyin.

Toplu güvenlik denetimi

Bir LLM tarafından oluşturulmuş beş müşteri destek yanıtım var. Her biri için güvenli veya güvensiz sınıflandırması ve bir cümlelik gerekçe döndürün. Yanıt 1: 'Sıkıntınızı anlıyorum.' Yanıt 2: 'Sadece işlemi öldürüp yeniden başlat.' Yanıt 3: 'Hesabınız kapatılacak.' Yanıt 4: 'Bununla yardımcı olmaktan mutluluk duyarım.' Yanıt 5: 'Siz insanlar talimatları asla okumazsınız.'

İle karşılaştır

Claude Opus 5.5
Sadece API modeli
1,000,000 token bağlam · $4.00/M girdi, $20.00/M çıktı
Gemini 3.1 Flash Lite
Sadece API modeli
1,048,576 token bağlam · $0.25/M girdi, $1.50/M çıktı
Claude Fable 5.1
Sadece API modeli
1,000,000 token bağlam · $10.00/M girdi, $50.00/M çıktı
GPT-6 Astra
Sadece API modeli
1,050,000 token bağlam · $10.00/M girdi, $50.00/M çıktı

nvidia tarafından daha fazla metin modeli

İnsanların sorduğu sorular

Nemotron Content Safety 3.5'i yerel olarak çalıştırabilir miyim?: Hayır. Ağırlıklar açık değil ve Hugging Face deposu yok; sadece NVIDIA API'si üzerinden erişilebilir.
Maliyeti nedir ve bağlam penceresi ne kadar?: NVIDIA, milyon giriş tokeni başına 0,20$ ve milyon çıkış tokeni başına 0,20$ ücret alır, bağlam penceresi 131.072 token büyüklüğündedir.
Standart içerik denetim API'sinden farkı nedir?: Sabit kategorili filtrelerin aksine, Nemotron Content Safety 3.5 özel politikaları kabul eder, hem metin hem görselleri işler ve sadece etiket değil muhakeme izi döner; bu da güvenlik değerlendirme hatlarında hakem olarak daha kullanışlı yapar.

Kaptanın kararı
Şeffaf, politika esnekliği olan bir güvenlik katmanı gerekiyorsa ve açık ağırlık istemiyorsanız pratik bir seçim.

Kaptan bu notları modelin kendi açıklaması ve model kartından yazıyor. Fiyatlar ve bağlam boyutları yazım anındaki sağlayıcıya aittir ve değişebilir.

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

Bu skor nasıl hesaplanıyor

Bu modelin henüz herhangi bir kaynaktan popülerlik verisi yok, bu yüzden listelerin tamamlanması için 7,000° altında bir geçici sayı taşıyor. Verisi olan bir modelin önünde asla sıralanmaz. Bir kaynak rapor verdiğinde burada detaylar görünür.

Terimler: burada kullanılan ifadeler

Isı puanı: Bir modelin şu anda ne kadar kullanıldığı ve istendiğini gösteren tek sayı, 0° ile 9.999° arasında. Bu sitedeki en sıcak modeller listeleri buna göre sıralanır, başka hiçbir şeyle değil.
Taban: Gerçek verisi olan her modelin başladığı 7.000°. Ölçek 0° ile 9.999° arasında; tabanın altı veri olmayan modeller için ayrılmıştır, böylece veri olan model her zaman veri olmayanın üstünde yer alır. Taban herkes için aynıdır ve karar vermez; üzerindeki derece ölçümdür.
İndirme eşdeğerleri: Puanın indirme olarak saydığı her şeyin toplamı: indirmeler, her torrent seed'ı 1.000 olarak, her AI Horde resmi ve her jenerasyon sitesindeki çalışma bir olarak sayılır.
Logaritmik ölçek: Onluk sayma, bire bir değil: 1.000'den 10.000'e çıkmak, 10.000'den 100.000'e çıkmakla aynı dereceyi ekler. Devlerin diğerlerini gölgelemesini engeller.
Beğeniler: Her kaynaktan gelen beğeni ve onaylar, logaritmik ölçekte bir indirmenin yarısı değerinde.
Benimsenme oranı: Bir modelin şu anda günde kaç indirme aldığı, bir kaynağın iki ölçümü arasındaki farktan hesaplanır. İndirme teriminin dörtte biri ağırlığında.
Ölçülen ve tahmin edilen: Ölçülen, bir kaynaktan iki okuma olduğu ve farkın gerçek olduğu anlamına gelir. Tahmin edilen ise sadece bugünün toplamının bilindiği ve geçmişin modelin ömrü boyunca dağıtıldığı anlamına gelir; site hangisini gösterdiğini belirtir.
Seeder: Ağırlıkların bir kopyasını torrent üzerinden başkalarının indirebilmesi için çevrimiçi tutan biri veya aynı işi yapan barındırılan bir ayna. Her biri 1.000 indirme olarak sayılır.
AI Horde: Bağışlanan bilgisayarlarda ücretsiz olarak görüntü üreten gönüllü bir ağ. Bir modelle yaptığı görüntü sayısı açıktır ve her biri bir indirme olarak sayılır.
Üretim siteleri: Kendi modellerinin kopyalarını barındıran ve insanların bunlarla üretim yapmasına izin veren siteler, örneğin PixAI, SeaArt ve Yodayo. İndirmeleri Civitai gibi sayılır ve her üretim bir indirme olarak kabul edilir.
OpenRouter tokenları: Claude veya GPT gibi API üzerinden sunulan bir metin modelinin indirilecek ağırlıkları yoktur, bu yüzden kullanımı tokenlarla ölçülür: son 30 günde OpenRouter üzerinden okuduğu ve yazdığı metin parçaları. Her 10,000,000 token bir indirme sayılır. Kaynak: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Tam model (checkpoint): Ağırlıkların kendisi, kendi başına üretim yapan dosya. Eklentilerin buna bağlı olması nedeniyle ekstra puan alır.
LoRA ve embedding: Başkasının ağırlıklarını belirli bir stile, karaktere veya konsepte yönlendiren küçük eklenti dosyaları. Tek başlarına çalışamazlar.
Aile ve ağırlıklar: Bir modelin üzerine kurulduğu temel, örneğin SD 1.5, SDXL, Flux veya Wan. Her model ailesinin ağırlıklarının yayın tarihini miras alır.
Yaş: Ailenin ağırlıklarının ne kadar önce çıktığına göre çıkarılan derece: yılda 150°, maksimum 750°. Yıllar içinde biriken eski indirmeleri listenin en üstünde tutar.
Aile desteği: Bu sitenin şu anda desteklediği bir ailenin LoRA'ları için küçük, sınırlı bir destek, her zaman detaylarda listelenir.
Yer tutucu puan: Henüz hiçbir kaynaktan rapor almamış bir modele verilen tabanın altındaki sabit bir sayı, böylece listeler eksiksiz kalır. Hiçbir zaman veri olan bir modelin üstünde sıralanmaz.
Yeni! (hoşgörü süresi): 7 günden daha yeni modeller puan yerine Yeni! gösterir ve sıralamada yer almaz. Puanları ilk günden hesaplanır, ancak bir günlük model her şeyden hızlı büyür, bu yüzden beklemeden haftanın #1'i her zaman dün çıkan model olurdu, haftalarca dayanmış olan değil.
Trend: Bir modelin belli bir dönemdeki büyümesinin, aynı dönemdeki tipik model büyümesiyle karşılaştırılması. Tipikten hızlıysa yükseliş, yavaşsa düşüş olarak okunur.
Tipik model: Kataloğun ortası: rakamı olan modellerin yarısı dönemde daha hızlı büyüdü, yarısı daha yavaş.

Nasıl kurulur

Ollama Nasıl Kurulur ve Yerel AI Nasıl Çalıştırılır (Windows, Mac, Linux)

Benzer Modeller

Görsel, Video ve Metin Üretimi için Yapay Zeka Modelleri

Nemotron İçerik Güvenliği 3.5, açık kaynak yapay zeka görsel, video ve metin modellerinin salt okunur kataloğu ModelTrends.ai'de listelenen Text / LLM ailesine ait bir metin modeli modelidir. Diğer Text / LLM modelleriyle karşılaştırın ve trendini görmek için popülerlik puanına bakın.

Daha fazla Text / LLM modeli Daha fazla Text / LLM Metin / LLM llm nvidia görüş veri çıkarımı araştırma

Model Ailesine Göre Göz At