NVIDIA : Nemotron 3.5 Content Safety
Nemotron 3.5 Content Safety est un modèle de NVIDIA sorti le 4 juin 2026, conçu pour la modération des contenus. Il reçoit une requête, une image facultative et une réponse facultative, puis produit des étiquettes indiquant si la requête et la réponse, lorsqu’elle est présente, sont sûres ou non sûres.
À quoi sert Nemotron 3.5 Content Safety
Nemotron 3.5 Content Safety est un classifieur de sécurité des contenus qui reçoit une requête, avec une image, une réponse et une politique de sécurité facultatives. Il renvoie des étiquettes « safe » ou « unsafe » pour l’entrée et, si elle est présente, la réponse ; en mode taxonomie standard, il peut aussi indiquer les catégories de sécurité enfreintes.
Chat
Le modèle peut servir de modérateur de sécurité des contenus pour les entrées et les réponses des grands modèles de langage (LLM) et des modèles vision-langage (VLM). Sa sortie textuelle contient les étiquettes de sécurité ; il est conçu pour les modèles lisant uniquement du texte, les modèles acceptant du texte et une seule image, ainsi que les applications à politique personnalisée.
Vision et compréhension
Le modèle évalue conjointement la requête, l’image facultative et la réponse facultative de l’assistant dans une seule fenêtre de contexte pour rendre un verdict sur l’ensemble. Selon NVIDIA, à sa sortie, cette évaluation conjointe repère en une seule passe les infractions qui émergent de l’interaction entre texte et image, ou entre requête et réponse.
Suivi de consignes
Le modèle accepte une politique de sécurité décrite par l’utilisateur avec l’entrée à classer, et raisonne sur cette politique plutôt que de s’appuyer entièrement sur sa taxonomie intégrée. Pour accompagner cet usage, NVIDIA fournit à sa sortie une compétence (« skill ») compatible avec Claude et Codex qui génère des politiques personnalisées, avec des guides d’utilisation (« cookbooks »).
- Chat
- Vision et compréhension
- Suivi de consignes
Les performances de Nemotron 3.5 Content Safety
Selon NVIDIA, à sa sortie, Nemotron 3.5 Content Safety atteint environ 85 % de précision moyenne de classification des contenus nuisibles sur l’ensemble des tests de sécurité multilingues et multimodaux évalués. Sur Multilingual Aegis, sa précision moyenne atteint 96,5 % sur 12 langues. Sur RTP-LX, le modèle obtient en moyenne 88,8 %, soit une moyenne de 92,7 % sur Aegis et RTP-LX réunis.
Bien utiliser Nemotron 3.5 Content Safety : réflexion et effort
La réflexion de Nemotron 3.5 Content Safety est facultative : l’argument enable_thinking réglé à True active son mode de raisonnement. En mode politique personnalisée, le modèle peut produire une courte trace de raisonnement avant la classification finale.
Selon NVIDIA, à sa sortie, l’interface propose trois modes de sortie : un verdict binaire à faible latence, un verdict binaire avec les catégories, et le mode THINK, avec raisonnement puis verdict. Pour les tâches génériques, le raisonnement peut être coupé afin de minimiser la latence, ou activé pour les politiques complexes. Désactiver THINK rétablit le verdict binaire à faible latence de Nemotron 3 Content Safety.
Caractéristiques techniques de Nemotron 3.5 Content Safety
Nemotron 3.5 Content Safety est sorti le 4 juin 2026. Le tableau des caractéristiques rassemble ses données techniques. Il accepte le texte et l’image en entrée, avec une fenêtre de contexte de 131 072 tokens.
Le modèle repose sur Gemma-3-4B-it de Google, affiné par NVIDIA sur des jeux de données de sécurité multimodaux, multilingues et orientés vers le raisonnement. Il réunit Nemotron 3 Content Safety Multimodal et les capacités de politiques personnalisées de Nemotron Content Safety Reasoning 4B.
Selon NVIDIA, par rapport au « modèle multimodal précédent », il ajoute une prise en charge explicite du raisonnement et de l’application de politiques personnalisées. Son rapport technique du 27 août 2026 décrit un modérateur vision-langage de 4 milliards de paramètres, qui classe conjointement les requêtes des utilisateurs, les images et les réponses de l’assistant dans plusieurs langues.
Sa taxonomie suit le cadre Aegis 2.0, avec 13 catégories principales alignées sur la taxonomie de sécurité de MLCommons et 10 sous-catégories fines. Selon NVIDIA, son affinage par un adaptateur LoRA le garde assez compact pour un déploiement en temps réel sur des GPU dotés de 8 Go de mémoire vidéo ou plus. Son usage relève de la licence OpenMDW 1.1, des conditions d’utilisation de Gemma et de sa politique d’usages interdits.
- Éditeur
NVIDIA
- Produit
- Texte
- Sortie
- Contexte
- 131 k tokens
- Réponse maximale
- 118 k tokens
- Réflexion
- Activée par défaut
- Entrées
- Texte, Image
- Licence
- OpenMDW License Agreement
- Paramètres pris en charge (noms techniques de l'API)
temperaturetop_preasoningseedstopmax_tokens- Hébergeurs
- DeepInfra
Source : OpenRouter, relevé du 22/11/2026.
Où utiliser Nemotron 3.5 Content Safety
À sa sortie, Nemotron 3.5 Content Safety fonctionne avec transformers, vLLM et SGLang, et il est aussi proposé sous forme de microservice NVIDIA NIM. La carte d’accès donne les derniers prix relevés.
Le modèle est compatible avec les GPU NVIDIA RTX PRO 6000 BSE, NVIDIA H100 et NVIDIA A100, sous Linux. À sa sortie, le jeu de données Nemotron 3.5 Content Safety Dataset est multimodal et multilingue, et comprend les traces de raisonnement de sécurité utilisées pour entraîner le modèle.
L'API chez des hébergeurs
Servi par d'autres hébergeurs que NVIDIA, selon OpenRouter
Chez OpenRouter, prix de son seul hébergeur actif (relevé du 22/11/2026) : 0,20 $ / M tokens en entrée, 0,20 $ / M tokens en sortie.
Un accès gratuit dépend toujours de l'outil, de l'offre et de ses limites : nous ne l'attribuons pas au modèle seul.
FAQ
Quand Nemotron 3.5 Content Safety est-il sorti ?
Nemotron 3.5 Content Safety est sorti le 4 juin 2026.
Que peut lire Nemotron 3.5 Content Safety ?
Nemotron 3.5 Content Safety lit du texte et une image : il reçoit une requête, avec une image et une réponse facultatives.
Quelle est la fenêtre de contexte de Nemotron 3.5 Content Safety ?
Nemotron 3.5 Content Safety a une fenêtre de contexte de 131 072 tokens.