Nemotron 3.5 Content Safety
Réseau Neuronal
Nemotron 3.5 Content Safety : modèle guardrail NVIDIA de 4B paramètres pour vérifier les requêtes et réponses LLM et multimodales.
Longueur maximale de la réponse
(en tokens)
Taille du contexte
(en tokens)
Coût du prompt
(par 1M tokens)
Coût de la réponse
(par 1M tokens)
Comment ça marche Nemotron 3.5 Content Safety?
Nemotron 3.5 Content Safety est un modèle compact de 4 milliards de paramètres de NVIDIA, basé sur Google Gemma 3 4B, conçu pour la classification de la sécurité du contenu. Il agit comme un filtre autour d'autres modèles : il vérifie ce que l'utilisateur envoie à un modèle linguistique ou multimodal, ainsi que la réponse du modèle. Il accepte le texte et les images, ce qui le rend adapté aux chats avec images. Grâce à sa petite taille, cette vérification peut être effectuée à chaque requête. La connexion via BotHub se fait via une API unique compatible OpenAI : utilisez la même clé et le même format que pour les autres modèles du catalogue (plus de 250), vous permettant de changer le modèle principal sans réécrire l'intégration. L'accès est ouvert depuis la Russie sans VPN ni carte étrangère, paiement en roubles à l'usage, données chiffrées via AES-GCM et non conservées. Pour les entreprises, nous proposons des contrats, factures, EDI et un panneau d'administration avec limites. Le modèle est utile pour filtrer les requêtes dans le support et les bots produits, vérifier les réponses avant affichage, filtrer les images indésirables et annoter les logs de dialogue pour l'audit.Questions fréquentes sur Nemotron 3.5 Content Safety
Vous pouvez utiliser les résultats générés à des fins commerciales. Tous les droits sur le contenu créé vous appartiennent. Seule restriction : vérifiez que la requête ne contient pas de contenus protégés par le droit d'auteur appartenant à des tiers. Le respect des droits sur les données d'entrée relève de votre responsabilité.
C'est un modèle textuel NVIDIA avec un contexte de 131 072 jetons : il analyse de longs documents, accepte des images et fichiers, écrit et corrige du code, répond aux questions sur les documents. Comme son nom l'indique, le profil du modèle est l'évaluation de la sécurité du contenu et la modération, il est donc pratique de l'utiliser comme filtre dans un pipeline.
La limite de sortie est de 117 964 jetons par réponse, soit des dizaines de milliers de mots. Cette capacité suffit pour une analyse détaillée d'un grand document, un rapport de vérification volumineux ou un long bloc de code sans diviser la requête. Le budget total du dialogue est de 131 072 jetons avec votre requête.
Oui, le mode de raisonnement est confirmé : le modèle construit d'abord son raisonnement, puis donne le résultat. Cela aide considérablement là où il faut peser le contexte et les cas limites — par exemple, décider si un fragment enfreint les règles et expliquer sur quelle base vous avez obtenu ce verdict.
Nos données n'indiquent pas de prise en charge du 'function calling' ou de sortie structurée, nous ne pouvons donc pas le garantir — testez sur votre scénario. Indiquer directement le format dans le prompt aide souvent. Si vos outils nécessitent un JSON strict, vous pouvez passer à un autre modèle sur BotHub via la même API sans réécrire l'intégration.
Images et documents — oui, c'est confirmé : vous pouvez envoyer une image ou un fichier et demander d'analyser le contenu, y compris pour vérifier sa conformité. L'audio et la vidéo en entrée ne sont pas indiqués dans nos données. Le modèle répond par texte — la génération d'images, de son ou de vidéo n'est pas annoncée.
Les modèles NVIDIA de la famille Nemotron ont été entraînés sur des corpus multilingues, donc le modèle fonctionne avec le texte russe, mais nous n'avons pas de données sur la qualité spécifique. Testez avec vos exemples : sur BotHub, l'accès est ouvert depuis la Russie sans VPN ni carte étrangère, paiement en roubles à l'usage.