Nemotron 3.5 Content Safety
Red Neuronal
Nemotron 3.5 Content Safety: modelo guardrail de NVIDIA de 4B parámetros para verificar solicitudes y respuestas de modelos de lenguaje.
Longitud máxima de respuesta
(en tokens)
Tamaño del contexto
(en tokens)
Costo del prompt
(por 1M tokens)
Costo de la respuesta
(por 1M tokens)
Cómo funciona Nemotron 3.5 Content Safety?
Nemotron 3.5 Content Safety es un modelo compacto de NVIDIA de 4 mil millones de parámetros, ajustado sobre Google Gemma 3 4B y diseñado para la clasificación de seguridad de contenido. Funciona como un filtro alrededor de otros modelos: verifica tanto lo que el usuario envía a un modelo de lenguaje o multimodal, como lo que el modelo responde. Acepta texto e imágenes, por lo que es adecuado para chats con imágenes. Gracias a su pequeño tamaño, esta verificación se puede aplicar en cada solicitud. La conexión en BotHub se realiza a través de una API única compatible con OpenAI: el mismo formato y clave que el resto de los modelos del catálogo (más de 250), por lo que puede cambiar el modelo principal bajo el filtro sin reescribir la integración. El acceso está abierto desde Rusia sin VPN ni tarjetas extranjeras, pago en rublos según uso, los datos se cifran mediante AES-GCM y no se guardan. Para empresas, ofrecemos contrato, factura, intercambio electrónico de documentos y panel de administración con límites. El modelo es útil para filtrar solicitudes en soporte y bots de productos, verificar respuestas antes de mostrarlas, filtrar imágenes no deseadas y etiquetar registros de diálogo para auditoría.Preguntas frecuentes sobre Nemotron 3.5 Content Safety
Puede usar los resultados generados con fines comerciales. Todos los derechos sobre el contenido creado le pertenecen. La única restricción: asegúrese de que la solicitud no incluya material de terceros protegido por derechos de autor. El usuario es responsable de respetar los derechos sobre los datos de entrada.
Es un modelo de texto de NVIDIA con un contexto de 131,072 tokens: analiza documentos largos, acepta imágenes y archivos, escribe y corrige código, y responde preguntas sobre materiales. A juzgar por el nombre, el perfil del modelo es la evaluación de seguridad de contenido y moderación, por lo que es conveniente usarlo como filtro en el pipeline.
El límite de salida es de 117,964 tokens por respuesta, lo que equivale a decenas de miles de palabras. Esta capacidad es suficiente para un análisis detallado de un documento grande, un informe de verificación extenso o un bloque de código largo sin dividir la solicitud. El presupuesto total del diálogo es de 131,072 tokens, incluyendo su solicitud.
Sí, el modo de razonamiento está confirmado: el modelo primero estructura su línea de pensamiento y luego entrega el resultado. Esto ayuda notablemente cuando es necesario evaluar el contexto y los casos límite, por ejemplo, decidir si un fragmento viola las reglas y explicar sobre qué base se obtuvo dicho veredicto.
En nuestros datos no hay marcas sobre 'function calling' o salida estructurada, por lo que no podemos garantizarlos; verifíquelo en su escenario. A menudo, especificar el formato directamente en el prompt ayuda. Si sus herramientas requieren JSON estricto, en BotHub puede cambiar a otro modelo a través de la misma API sin reescribir la integración.
Imágenes y documentos, sí, está confirmado: puede enviar una imagen o archivo y pedir que analice el contenido, incluso para verificar su admisibilidad. El audio y video no están marcados como entrada en nuestros datos. El modelo responde con texto; no se declara la generación de imágenes, sonido o video.
Los modelos de la familia Nemotron de NVIDIA fueron entrenados en corpus multilingües, por lo que el modelo funciona con texto en ruso, pero no tenemos datos sobre la calidad específica en este idioma. Pruébelo con sus propios ejemplos: en BotHub el acceso está abierto desde Rusia sin VPN ni tarjetas extranjeras, pago en rublos según uso.