Uso principal declarado o inferido con cautela desde la documentación oficial.
N
NVIDIA / nvidia/Nemotron-3.5-Parse
Nemotron 3.5 Parse
Modelo de NVIDIA publicado el 17 de octubre de 2026 para convertir imágenes de páginas en texto estructurado, clases semánticas, cajas y orden de lectura. Combina C-RADIOv4-SO400M con un decodificador mBART de diez capas y 630.800.496 parámetros únicos. Acepta imagen RGB y un prompt de tarea; los PDF deben convertirse en imágenes de página. No genera imágenes ni sustituye a un asistente generalista.
01 / RESUMEN
Lo esencial
Capacidad máxima de entrada cuando la fuente la publica.
Límite máximo de generación documentado.
Canales de disponibilidad verificados.
Familia funcional principal y especialidades verificadas.
Condiciones declaradas para API, pesos o despliegue propio.
02 / FICHA TÉCNICA
Límites e integración
| ID de API | nvidia/Nemotron-3.5-Parse |
|---|---|
| Tipo de modelo | OCR y documentos · Multimodal |
| Modelo de acceso | Pesos abiertos |
| Licencia | OpenMDW 1.1 |
| Despliegue | Transformers · vLLM con plugin Nemotron |
| Lanzamiento | 17 OCT 2026 |
| Corte de conocimiento | No publicado |
| Entrada | Imagen · Texto |
| Salida | Texto |
| Ventana de contexto | 16.384 posiciones compartidas entre imagen y texto |
| Salida máxima | 9.000 tokens configurados; evaluación con 8.744 |
| Razonamiento | Extracción visual, no asistente conversacional |
| Herramientas publicadas | OCR |
| Salidas estructuradas | Cajas, clases y orden de lectura; posprocesado disponible |
| Procesamiento por lotes | No publicado |
| Caché de prompts | No publicado |
| Ajuste fino | Pesos abiertos |
| Plataformas verificadas | Hugging Face · Transformers · vLLM |
Extracción de documentos, tablas, gráficos y preparación de datos para búsqueda y RAG. La referencia recomienda imágenes de hasta 1.664 × 2.048 píxeles. Las coordenadas están normalizadas al contenido: deben escalarse a la imagen evaluada. Los helpers conservan orden de lectura y celdas combinadas al exportar HTML; una tabla Markdown plana no conserva todos los spans.
La configuración declara 16.384 posiciones compartidas por el prefijo visual y el texto, no 16.384 tokens de conversación disponibles. generation_config fija 9.000 tokens nuevos; los ejemplos y las evaluaciones OCR utilizan 8.744. No son dos límites universales distintos. El código de referencia requiere trust_remote_code: revisa y fija una revisión antes de ejecutarlo. Verifica omisiones, cifras, privacidad y errores de lectura con documentos propios.
03 / CAPACIDADES
Qué puede hacer
Orientación
Extracción de documentos, tablas, gráficos y preparación de datos para búsqueda y RAG. La referencia recomienda imágenes de hasta 1.664 × 2.048 píxeles. Las coordenadas están normalizadas al contenido: deben escalarse a la imagen evaluada. Los helpers conservan orden de lectura y celdas combinadas al exportar HTML; una tabla Markdown plana no conserva todos los spans.
Contexto
16.384 posiciones compartidas entre imagen y texto · 9.000 tokens configurados; evaluación con 8.744
Herramientas e integración
OCR
Acceso
Hugging Face · checkpoint descargable
Modalidades de entrada
ImagenTexto
04 / PRECIOS
Coste documentado
| Concepto | Valor | Unidad / condición |
|---|---|---|
| Entrada estándar | Sin tarifa API oficial publicada | Tarifa estándar de API |
| Entrada en caché | No publicado | Lectura de prefijos reutilizados |
| Escritura o almacenamiento de caché | No publicado | La condición varía según proveedor |
| Salida estándar | Coste de infraestructura propia | Puede incluir tokens de razonamiento |
| Entrada por lotes | No publicado | Procesamiento asíncrono |
| Salida por lotes | No publicado | Procesamiento asíncrono |
Pesos descargables bajo OpenMDW 1.1, con uso comercial y no comercial sujeto a sus términos. El tokenizer tiene atribución MIT y las dependencias conservan sus licencias. No hemos verificado una API comercial ni precios por token: los costes numéricos quedan vacíos. La inferencia propia requiere presupuesto de hardware, memoria, operación y seguridad; una descarga disponible no implica inferencia gratuita.
i Los precios cambian y pueden depender del nivel, la región o la longitud del contexto. Revisa la fuente antes de tomar una decisión.
05 / EVALUACIONES
Cómo leer los resultados
“
Resultados publicados por NVIDIA, no reproducidos por Inferama. ParseBench cubre 2.078 páginas: la cifra destacada utiliza triple pasada con unión de regiones, no la triple pasada simple. IndicVisionBench OCR utiliza 876 páginas y diez idiomas. MOSCAR utiliza 8.111 páginas sintéticas y 163 entradas de idioma o escritura, correspondientes a 162 códigos de idioma. Su F1 de bolsa de caracteres ignora el orden y no garantiza exactitud en escaneos reales, manuscritos o imágenes degradadas.
| Benchmark | Resultado | Métrica | Fuente |
|---|---|---|---|
| ParseBench Overall (triple-pass union) | 75,20 | Mayor es mejor | Ver fuente ↗ |
| ParseBench Tables (triple-pass union) | 84,67 | Mayor es mejor | Ver fuente ↗ |
| ParseBench Charts (triple-pass union) | 64,40 | Mayor es mejor | Ver fuente ↗ |
| ParseBench Content Faithfulness (triple-pass union) | 87,96 | Mayor es mejor | Ver fuente ↗ |
| ParseBench Semantic Formatting (triple-pass union) | 68,28 | Mayor es mejor | Ver fuente ↗ |
| ParseBench Visual Grounding (triple-pass union) | 70,67 | Mayor es mejor | Ver fuente ↗ |
| IndicVisionBench OCR ANLS-char | 83,73 | Mayor es mejor | Ver fuente ↗ |
| IndicVisionBench OCR CER | 16,00 | Menor es mejor | Ver fuente ↗ |
| MOSCAR Character Bag F1 | 99,51 | Mayor es mejor | Ver fuente ↗ |
| MOSCAR CER | 1,35 | Menor es mejor | Ver fuente ↗ |
Inferama solo destaca un «mejor resultado» cuando la métrica, el conjunto de prueba, la configuración y la fecha permiten una comparación equivalente. Las cifras del proveedor se presentan como afirmaciones de su propia fuente.
06 / VERSIONES
Cronología
Nemotron 3.5 Parse
Lanzamiento de pesos y referencias OCR; la creación del repositorio en septiembre no se utiliza como fecha de lanzamiento.
07 / FUENTES
Trazabilidad
MODEL CARDNemotron 3.5 Parse · ficha y lanzamientohuggingface.co↗
CONFIGURACIÓNContexto visual y textualhuggingface.co↗
CONFIGURACIÓNGeneración predeterminadahuggingface.co↗
EVALUACIÓNParseBench · métricas y revisioneshuggingface.co↗
EVALUACIÓNOCR multilingüe · metodologíahuggingface.co↗
EVALUACIÓNOCR multilingüe · resultadoshuggingface.co↗
LICENCIAOpenMDW License Agreement 1.1openmdw.ai↗
BENCHMARKParseBench Overall (triple-pass union)huggingface.co↗
BENCHMARKIndicVisionBench OCR ANLS-charhuggingface.co↗
BENCHMARKMOSCAR Character Bag F1huggingface.co↗