Nemotron 3.5 Super VL — NVIDIA
Мультимодальная MoE-модель, способная обрабатывать текст, изображения, видео, сложные документы и снимки интерфейсов. Обеспечивает точный визуальный анализ и извлечение данных при оптимизированном расходе ресурсов.
Контекст: 1 048 576 токенов.
Nemotron 3.5 Super VL — открытая мультимодальная модель NVIDIA на архитектуре mixture-of-experts: 120 млрд параметров всего, из них 12 млрд активных. Вышла в октябре 2026 года.
Модель работает с текстом, изображениями, документами, скриншотами GUI и видео, читает файлы и умеет рассуждать. Контекстное окно — 1 048 576 токенов. Ответ она выдаёт текстом.
Цена: 750 SC за 1M входных токенов и 2500 SC за 1M выходных токенов.
Для чего подходит
- Извлечение и структурирование информации из сложных документов
- Анализ скриншотов интерфейсов для задач автоматизации
- Понимание контекста и поиск фрагментов в видео
Сильные стороны
- Принимает сразу несколько видов входных данных: текст, изображения, документы, GUI-скриншоты и видео
- Контекст 1 048 576 токенов
- Умеет рассуждать и читать файлы
- Открытая модель: 12B активных параметров из 120B общих
Ограничения
- Результат выдаёт только текстом, изображения она не создаёт
- Выходные токены стоят дороже входных (2500 против 750 SC за 1M), а рассуждение увеличивает объём ответа
- Для коротких текстовых запросов мультимодальные возможности и большой контекст не нужны
Когда выбирать
- Когда в одном запросе нужно обработать и текст, и изображения, документы или видео
- Когда нужно загрузить очень длинный материал и не дробить его на части
- Когда нужно проанализировать скриншоты интерфейсов вместе с текстовым описанием задачи
Когда лучше взять другую модель
- Если нужно создавать изображения, лучше взять GPT-5.4 Image 2: эта модель отвечает только текстом.
- Если задача — поиск по вебу с опорой на источники, возьмите Perplexity Sonar Pro.
Частые вопросы
Сколько стоит Nemotron 3.5 Super VL?
750 SC за 1M входных токенов и 2500 SC за 1M выходных токенов.
Какие данные модель принимает на вход?
Текст, изображения, документы, скриншоты GUI и видео. Ответ приходит в виде текста.
Какой у модели контекст?
1 048 576 токенов.