Primäre Verwendung angegeben oder vorsichtig aus offizieller Dokumentation abgeleitet.
N
NVIDIA / nvidia/Nemotron-3.5-Parse
Nemotron 3.5 Parse
Am 17. Oktober 2026 veröffentlichtes NVIDIA-Modell, das Seitenbilder in strukturierten Text, semantische Klassen, Boxen und Lesereihenfolge umwandelt. Es kombiniert C-RADIOv4-SO400M mit einem zehnschichtigen mBART-Decoder und 630.800.496 eindeutigen Parametern. Eingaben sind RGB-Bild und Aufgabenprompt; PDFs müssen in Seitenbilder umgewandelt werden. Es erzeugt keine Bilder und ersetzt keinen universellen Assistenten.
01 / ZUSAMMENFASSUNG
Das Wesentliche
Maximale Eingabekapazität bei Veröffentlichung durch die Quelle.
Dokumentierte maximale Erzeugungsgrenze.
Verifizierte Verfügbarkeitskanäle.
Primäre Funktionsfamilie und verifizierte Spezialisierungen.
Deklarierte Bedingungen für API, Gewichte oder Self-Hosting.
02 / TECHNISCHES DATENBLATT
Limits und Integration
| API-ID | nvidia/Nemotron-3.5-Parse |
|---|---|
| Modelltyp | OCR und Dokumente · Multimodal |
| Zugangsmodell | Offene Gewichte |
| Lizenz | OpenMDW 1.1 |
| Einsatz | Transformers · vLLM mit Nemotron-Plugin |
| Veröffentlichung | 17 OCT 2026 |
| Wissensstichtag | Nicht veröffentlicht |
| Eingang | Bild · Text |
| Ausfahrt | Text |
| Kontextfenster | 16.384 gemeinsam von Bild und Text genutzte Positionen |
| maximale Leistung | 9.000 konfigurierte Token; Evaluation mit 8.744 |
| Argumentation | Visuelle Extraktion, kein Gesprächsassistent |
| Veröffentlichte Tools | OCR |
| Strukturierte Ausflüge | Boxen, Klassen und Lesereihenfolge; Nachverarbeitung verfügbar |
| Stapelverarbeitung | Nicht veröffentlicht |
| Prompt-Cache | Nicht veröffentlicht |
| Feinabstimmung | Offene Gewichte |
| Verifizierte Plattformen | Hugging Face · Transformers · vLLM |
Extraktion von Dokumenten, Tabellen und Diagrammen sowie Datenaufbereitung für Suche und RAG. Die Referenz empfiehlt Bilder bis 1.664 × 2.048 Pixel. Koordinaten sind inhaltsnormalisiert und müssen auf das ausgewertete Bild skaliert werden. Die Hilfsfunktionen erhalten Lesereihenfolge und verbundene Zellen beim HTML-Export; eine flache Markdown-Tabelle erhält nicht alle Zellspannen.
Die Konfiguration nennt 16.384 von visuellem Präfix und Text gemeinsam genutzte Positionen, nicht 16.384 verfügbare Konversationstoken. generation_config legt 9.000 neue Token fest; Beispiele und OCR-Evaluationen verwenden 8.744. Dies sind keine zwei unterschiedlichen universellen Grenzen. Der Referenzcode verlangt trust_remote_code: Prüfe ihn und pinne vor der Ausführung eine Revision. Prüfe Auslassungen, Zahlen, Datenschutz und Lesefehler mit eigenen Dokumenten.
03 / FÄHIGKEITEN
Was es kann
Orientierung
Extraktion von Dokumenten, Tabellen und Diagrammen sowie Datenaufbereitung für Suche und RAG. Die Referenz empfiehlt Bilder bis 1.664 × 2.048 Pixel. Koordinaten sind inhaltsnormalisiert und müssen auf das ausgewertete Bild skaliert werden. Die Hilfsfunktionen erhalten Lesereihenfolge und verbundene Zellen beim HTML-Export; eine flache Markdown-Tabelle erhält nicht alle Zellspannen.
Kontext
16.384 gemeinsam von Bild und Text genutzte Positionen · 9.000 konfigurierte Token; Evaluation mit 8.744
Tools und Integration
OCR
Zugang
Hugging Face · herunterladbarer Checkpoint
Eingabemodalitäten
BildText
04 / PREISE
Dokumentierte Kosten
| Konzept | Wert | Einheit/Zustand |
|---|---|---|
| Standardeingabe | Kein offizieller API-Preis veröffentlicht | Standardtarif der API |
| Eingabe aus dem Cache | Nicht veröffentlicht | Lesen wiederverwendeter Präfixe |
| Schreiben oder Speichern im Cache | Nicht veröffentlicht | Die Bedingung variiert je nach Anbieter |
| Standardausgabe | Kosten der eigenen Infrastruktur | Kann Reasoning-Tokens enthalten |
| Batch-Eingabe | Nicht veröffentlicht | Asynchrone Verarbeitung |
| Batch-Ausgabe | Nicht veröffentlicht | Asynchrone Verarbeitung |
Herunterladbare Gewichte unter OpenMDW 1.1; kommerzielle und nichtkommerzielle Nutzung unterliegt den Bedingungen. Der Tokenizer hat eine MIT-Attribution, Abhängigkeiten behalten ihre Lizenzen. Eine kommerzielle API oder Tokenpreise wurden nicht verifiziert: Numerische Kosten bleiben leer. Selbst gehostete Inferenz erfordert Budget für Hardware, Speicher, Betrieb und Sicherheit; verfügbare Downloads bedeuten keine kostenlose Inferenz.
i Die Preise ändern sich und können von Level, Region oder Kontextlänge abhängen. Überprüfen Sie die Quelle, bevor Sie eine Entscheidung treffen.
05 / BEWERTUNGEN
So lesen Sie die Ergebnisse
“
Von NVIDIA veröffentlichte, durch Inferama nicht reproduzierte Ergebnisse. ParseBench umfasst 2.078 Seiten: Der hervorgehobene Wert nutzt drei Durchläufe mit Regionenvereinigung, nicht den einfachen dreifachen Durchlauf. IndicVisionBench OCR nutzt 876 Seiten und zehn Sprachen. MOSCAR nutzt 8.111 synthetische Seiten und 163 Sprach-/Schrifteinträge entsprechend 162 Sprachcodes. Sein Zeichenbeutel-F1 ignoriert die Reihenfolge und garantiert keine Genauigkeit bei echten Scans, Handschrift oder beeinträchtigten Bildern.
| Benchmark | Ergebnis | Metrik | Quelle |
|---|---|---|---|
| ParseBench Overall (triple-pass union) | 75,20 | Höher ist besser | Quelle öffnen ↗ |
| ParseBench Tables (triple-pass union) | 84,67 | Höher ist besser | Quelle öffnen ↗ |
| ParseBench Charts (triple-pass union) | 64,40 | Höher ist besser | Quelle öffnen ↗ |
| ParseBench Content Faithfulness (triple-pass union) | 87,96 | Höher ist besser | Quelle öffnen ↗ |
| ParseBench Semantic Formatting (triple-pass union) | 68,28 | Höher ist besser | Quelle öffnen ↗ |
| ParseBench Visual Grounding (triple-pass union) | 70,67 | Höher ist besser | Quelle öffnen ↗ |
| IndicVisionBench OCR ANLS-char | 83,73 | Höher ist besser | Quelle öffnen ↗ |
| IndicVisionBench OCR CER | 16,00 | Niedriger ist besser | Quelle öffnen ↗ |
| MOSCAR Character Bag F1 | 99,51 | Höher ist besser | Quelle öffnen ↗ |
| MOSCAR CER | 1,35 | Niedriger ist besser | Quelle öffnen ↗ |
Inferama hebt nur dann ein „bestes Ergebnis“ hervor, wenn Metrik, Testsatz, Konfiguration und Datum einen gleichwertigen Vergleich ermöglichen. Die Zahlen des Lieferanten werden als Angaben aus eigener Quelle dargestellt.
06 / VERSIONEN
Chronologie
Nemotron 3.5 Parse
Veröffentlichung von Gewichten und OCR-Referenzen; das im September erstellte Repository bestimmt nicht das Veröffentlichungsdatum.
07 / QUELLEN
Rückverfolgbarkeit
MODEL CARDNemotron 3.5 Parse · ficha y lanzamientohuggingface.co↗
KONFIGURATIONContexto visual y textualhuggingface.co↗
KONFIGURATIONGeneración predeterminadahuggingface.co↗
BEWERTUNGParseBench · métricas y revisioneshuggingface.co↗
BEWERTUNGOCR multilingüe · metodologíahuggingface.co↗
BEWERTUNGOCR multilingüe · resultadoshuggingface.co↗
LIZENZOpenMDW License Agreement 1.1openmdw.ai↗
BENCHMARKParseBench Overall (triple-pass union)huggingface.co↗
BENCHMARKIndicVisionBench OCR ANLS-charhuggingface.co↗
BENCHMARKMOSCAR Character Bag F1huggingface.co↗