Не установлено по доступным источникам.
NVIDIA · ТРЕКЕР МОДЕЛИ
NVIDIA Nemotron 3.5 Super VL
Nemotron 3.5 Super VL — визуально-языковая модель из семейства Nemotron 3.5, принимает изображения, видео и текст и генерирует текст. Модель сочетает гибридный языковой бэкенд MoE на 120 млрд параметров (12 млрд активных параметров на токен) с визуальным энкодером C-RADIO, поддерживает контексты до 1 млн токенов и доступна в Amazon SageMaker JumpStart.ТЕКУЩИЙ СНИМОК3/5 РАЗДЕЛОВ С ДАННЫМИ
Главные характеристики в одном месте.
Максимальная длина контекстаПоддерживает длину контекста до 1 миллиона токенов.
Модальность и ввод/выводSuper VL — визуально-языковая модель (VLM), принимает изображения, видео и текст на вход и генерирует текст.
Не установлено по доступным источникам.
Доступность в Amazon SageMaker JumpStartNVIDIA Nemotron 3.5 Super VL доступна в Amazon SageMaker JumpStart и может быть развернута из SageMaker Studio или через SageMaker Python SDK.
ПРОВЕРЯЕМЫЕ ФАКТЫ
Каждое значение привязано к источнику и дате.
ДОСТУПНОСТЬ · Доступность в Amazon SageMaker JumpStartДАННЫЕ РАЗРАБОТЧИКА
NVIDIA Nemotron 3.5 Super VL доступна в Amazon SageMaker JumpStart и может быть развернута из SageMaker Studio или через SageMaker Python SDK.
МОДАЛЬНОСТИ · Модальность и ввод/выводДАННЫЕ РАЗРАБОТЧИКА
Super VL — визуально-языковая модель (VLM), принимает изображения, видео и текст на вход и генерирует текст.
ВОЗМОЖНОСТИ · Предназначенные приложенияДАННЫЕ РАЗРАБОТЧИКА
Создана для интеллектуальной обработки документов, понимания GUI для агентных систем управления компьютером, ответов на вопросы по видео и мультимодальных агентных приложений.
ВОЗМОЖНОСТИ · Размер модели и активные параметрыДАННЫЕ РАЗРАБОТЧИКА
Nemotron 3.5 Super VL — модель на 120 млрд параметров с 12 млрд активных параметров на токен.
ВОЗМОЖНОСТИ · Архитектура языкового бэкендаДАННЫЕ РАЗРАБОТЧИКА
Языковой бэкенд содержит 88 слоёв, которые чередуют Mamba-2 и MoE-слои (512 маршрутизируемых экспертов, 22 активных на токен) с 8 слоями внимания и общим блоком Multi-Token Prediction (MTP); бэкенд инициализирован из Nemotron 3 Super Base и дистиллирован из Nemotron 3 Ultra Base.
ВОЗМОЖНОСТИ · Визуальный энкодер и точностьДАННЫЕ РАЗРАБОТЧИКА
Включает визуальный энкодер C-RADIO, который кодирует изображения и отобранные кадры видео; связующий модуль переводит представления в пространство эмбеддингов языкового бэкенда. Энкодер и соединитель остаются в BF16 в обеих вариантах модели.
КОНТЕКСТ · Максимальная длина контекстаДАННЫЕ РАЗРАБОТЧИКА
Поддерживает длину контекста до 1 миллиона токенов.
ВОЗМОЖНОСТИ · Multi-Token Prediction и спекулятивная декодировкаДАННЫЕ РАЗРАБОТЧИКА
Содержит встроенный блок Multi-Token Prediction (MTP), поддерживающий спекулятивную декодировку; режим рассуждения можно настраивать для каждого запроса.
ЧТО ИЗМЕНИЛОСЬ