NVIDIA Nemotron 3.5 Lightning
Réseau Neuronal
Nemotron 3.5 Lightning : modèle MoE open-source de NVIDIA (3B paramètres actifs) : API pour tâches d'agents et fortes charges.
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 NVIDIA Nemotron 3.5 Lightning?
Nemotron 3.5 Lightning est un modèle open-source de NVIDIA basé sur l'architecture mixture-of-experts : sur 30 milliards de paramètres, environ 3 milliards sont activés par requête, offrant un débit élevé pour les tâches d'agents et les besoins spécialisés. Via BotHub, accédez-y sans VPN ni carte étrangère : payez en roubles par carte russe à l'usage, sans abonnement, et vos jetons inutilisés ne sont pas perdus. Plus de 250 modèles sont disponibles dans une interface unique, avec une API compatible OpenAI pour basculer facilement. Le trafic est chiffré via AES-GCM, les données ne sont pas conservées, et les équipes bénéficient de contrats, factures, gestion électronique de documents, panneau d'administration et limites. Utilisez Lightning pour les agents multi-étapes et les chaînes d'appels nécessitant une réponse rapide, le traitement en flux de requêtes répétitives (classification, étiquetage, extraction de données), les assistants internes, les prototypes de services et les tests de charge de vos prompts avant déploiement.Questions fréquentes sur NVIDIA Nemotron 3.5 Lightning
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 262 144 jetons. Il est adapté à l'analyse de longs documents, à l'écriture et au refactoring de code, au débogage, au raisonnement et aux tâches STEM, ainsi qu'à la lecture d'images et à la création de scénarios d'agents avec appel d'outils.
Jusqu'à 131 072 jetons par réponse. Cela suffit pour une documentation technique volumineuse, de grands modules de code, une analyse détaillée de recherche ou un rapport complet, sans avoir à assembler manuellement plusieurs requêtes.
Oui, le mode de raisonnement est confirmé. Le modèle peut construire des étapes intermédiaires avant la réponse finale, ce qui aide en mathématiques, logique, analyse de données et analyse de code complexe, où la séquence de calcul est plus importante qu'une réponse rapide.
Oui, le function calling et la sortie structurée en JSON sont pris en charge. Le modèle peut être connecté à des services et bases de données externes, et le format de réponse prévisible simplifie l'analyse des données côté application sans parseurs supplémentaires.
Les images et documents sont acceptés en entrée : vous pouvez demander d'analyser un schéma, une capture d'écran d'interface, un graphique ou un fichier multipage. Il n'y a aucune mention d'audio ou de vidéo dans nos données. Le modèle renvoie le résultat sous forme de texte.
Le modèle est multilingue, et vous pouvez travailler avec des requêtes en français dans BotHub comme avec n'importe quelle autre langue. La qualité est facile à vérifier sur votre tâche : ouvrez un chat, envoyez un prompt type et, si nécessaire, comparez le résultat avec un autre modèle dans la même fenêtre.