Uso primario dichiarato o dedotto con cautela dalla documentazione ufficiale.
N
NVIDIA / nvidia/Nemotron-3.5-Parse
Nemotron 3.5 Parse
Modello NVIDIA pubblicato il 17 ottobre 2026 per trasformare immagini di pagine in testo strutturato, classi semantiche, riquadri e ordine di lettura. Combina C-RADIOv4-SO400M con un decoder mBART a dieci strati e 630.800.496 parametri unici. Accetta un’immagine RGB e un prompt di attività; i PDF vanno convertiti in immagini delle pagine. Non genera immagini né sostituisce un assistente generalista.
01 / RIEPILOGO
L'essenziale
Capacità di input massima quando pubblicata dalla fonte.
Limite massimo di generazione documentato.
Canali di disponibilità verificati.
Famiglia funzionale principale e specialità verificate.
Condizioni dichiarate per API, pesi o distribuzione autonoma.
02 / SCHEDA TECNICA
Limiti e integrazione
| ID API | nvidia/Nemotron-3.5-Parse |
|---|---|
| Tipo di modello | OCR e documenti · Multimodale |
| Modalità di accesso | Pesi aperti |
| Licenza | OpenMDW 1.1 |
| Distribuzione | Transformers · vLLM con plugin Nemotron |
| Rilascio | 17 OCT 2026 |
| Cutoff della conoscenza | Non pubblicato |
| Entrata | Immagine · Testo |
| Uscita | Testo |
| Finestra di contesto | 16.384 posizioni condivise tra immagine e testo |
| rendimento massimo | 9.000 token configurati; valutazione con 8.744 |
| Ragionamento | Estrazione visiva, non un assistente conversazionale |
| Strumenti pubblicati | OCR |
| Uscite strutturate | Riquadri, classi e ordine di lettura; post-elaborazione disponibile |
| Elaborazione batch | Non pubblicato |
| Cache dei prompt | Non pubblicato |
| Fine-tuning | Pesi aperti |
| Piattaforme verificate | Hugging Face · Transformers · vLLM |
Estrazione di documenti, tabelle e grafici e preparazione dei dati per ricerca e RAG. Il riferimento raccomanda immagini fino a 1.664 × 2.048 pixel. Le coordinate sono normalizzate al contenuto e vanno ridimensionate rispetto all’immagine valutata. Gli helper conservano ordine di lettura e celle unite nell’esportazione HTML; una tabella Markdown piatta non conserva tutti gli span.
La configurazione dichiara 16.384 posizioni condivise tra prefisso visivo e testo, non 16.384 token di conversazione disponibili. generation_config imposta 9.000 nuovi token; esempi e valutazioni OCR usano 8.744. Non sono due limiti universali distinti. Il codice di riferimento richiede trust_remote_code: esaminalo e fissa una revisione prima dell’esecuzione. Verifica omissioni, cifre, riservatezza ed errori di lettura sui tuoi documenti.
03 / CAPACITÀ
Cosa può fare
Orientamento
Estrazione di documenti, tabelle e grafici e preparazione dei dati per ricerca e RAG. Il riferimento raccomanda immagini fino a 1.664 × 2.048 pixel. Le coordinate sono normalizzate al contenuto e vanno ridimensionate rispetto all’immagine valutata. Gli helper conservano ordine di lettura e celle unite nell’esportazione HTML; una tabella Markdown piatta non conserva tutti gli span.
Contesto
16.384 posizioni condivise tra immagine e testo · 9.000 token configurati; valutazione con 8.744
Strumenti e integrazione
OCR
Accesso
Hugging Face · checkpoint scaricabile
Modalità di input
ImmagineTesto
04 / PREZZI
Costo documentato
| Concetto | Di valore | Unità/condizione |
|---|---|---|
| Input standard | Nessuna tariffa API ufficiale pubblicata | Tariffa API standard |
| Input in cache | Non pubblicato | Lettura di prefissi riutilizzati |
| Scrittura o archiviazione della cache | Non pubblicato | La condizione varia in base al fornitore |
| Output standard | Costo dell’infrastruttura propria | Può includere token di ragionamento |
| Input batch | Non pubblicato | Elaborazione asincrona |
| Output batch | Non pubblicato | Elaborazione asincrona |
Pesi scaricabili sotto OpenMDW 1.1, con uso commerciale e non commerciale soggetto ai suoi termini. Il tokenizer ha attribuzione MIT e le dipendenze mantengono le proprie licenze. Non abbiamo verificato API commerciali o prezzi per token: i costi numerici restano vuoti. L’inferenza autonoma richiede budget per hardware, memoria, gestione e sicurezza; un download disponibile non significa inferenza gratuita.
i I prezzi cambiano e possono dipendere dal livello, dalla regione o dalla durata del contesto. Controlla la fonte prima di prendere una decisione.
05 / VALUTAZIONI
Come leggere i risultati
“
Risultati pubblicati da NVIDIA, non riprodotti da Inferama. ParseBench copre 2.078 pagine: il punteggio evidenziato usa la tripla passata con unione delle regioni, non la tripla passata semplice. IndicVisionBench OCR usa 876 pagine e dieci lingue. MOSCAR usa 8.111 pagine sintetiche e 163 voci di lingua o scrittura, corrispondenti a 162 codici di lingua. Il suo F1 a sacco di caratteri ignora l’ordine e non garantisce precisione su scansioni reali, manoscritti o immagini degradate.
| Benchmark | Risultato | Metrica | Fonte |
|---|---|---|---|
| ParseBench Overall (triple-pass union) | 75,20 | Più alto è meglio | Vedi fonte ↗ |
| ParseBench Tables (triple-pass union) | 84,67 | Più alto è meglio | Vedi fonte ↗ |
| ParseBench Charts (triple-pass union) | 64,40 | Più alto è meglio | Vedi fonte ↗ |
| ParseBench Content Faithfulness (triple-pass union) | 87,96 | Più alto è meglio | Vedi fonte ↗ |
| ParseBench Semantic Formatting (triple-pass union) | 68,28 | Più alto è meglio | Vedi fonte ↗ |
| ParseBench Visual Grounding (triple-pass union) | 70,67 | Più alto è meglio | Vedi fonte ↗ |
| IndicVisionBench OCR ANLS-char | 83,73 | Più alto è meglio | Vedi fonte ↗ |
| IndicVisionBench OCR CER | 16,00 | Più basso è meglio | Vedi fonte ↗ |
| MOSCAR Character Bag F1 | 99,51 | Più alto è meglio | Vedi fonte ↗ |
| MOSCAR CER | 1,35 | Più basso è meglio | Vedi fonte ↗ |
Inferama evidenzia un "miglior risultato" solo quando la metrica, il set di test, la configurazione e la data consentono un confronto equivalente. I dati del fornitore sono presentati come affermazioni provenienti dalla propria fonte.
06 / VERSIONI
Cronologia
Nemotron 3.5 Parse
Pubblicazione di pesi e riferimenti OCR; la creazione del repository a settembre non viene usata come data di lancio.
07 / FONTI
Tracciabilità
MODEL CARDNemotron 3.5 Parse · ficha y lanzamientohuggingface.co↗
CONFIGURAZIONEContexto visual y textualhuggingface.co↗
CONFIGURAZIONEGeneración predeterminadahuggingface.co↗
VALUTAZIONEParseBench · métricas y revisioneshuggingface.co↗
VALUTAZIONEOCR multilingüe · metodologíahuggingface.co↗
VALUTAZIONEOCR multilingüe · resultadoshuggingface.co↗
LICENZAOpenMDW License Agreement 1.1openmdw.ai↗
BENCHMARKParseBench Overall (triple-pass union)huggingface.co↗
BENCHMARKIndicVisionBench OCR ANLS-charhuggingface.co↗
BENCHMARKMOSCAR Character Bag F1huggingface.co↗