Uso primário declarado ou inferido com cautela a partir da documentação oficial.
N
NVIDIA / nvidia/Nemotron-3.5-Parse
Nemotron 3.5 Parse
Modelo da NVIDIA publicado em 17 de outubro de 2026 para converter imagens de páginas em texto estruturado, classes semânticas, caixas e ordem de leitura. Combina C-RADIOv4-SO400M com um descodificador mBART de dez camadas e 630.800.496 parâmetros únicos. Aceita imagem RGB e um prompt de tarefa; os PDF devem ser convertidos em imagens de páginas. Não gera imagens nem substitui um assistente generalista.
01 / RESUMO
O essencial
Capacidade máxima de entrada quando publicada pela fonte.
Limite máximo de geração documentado.
Canais de disponibilidade verificados.
Família funcional principal e especialidades verificadas.
Condições declaradas para API, pesos ou alojamento próprio.
02 / FICHA TÉCNICA
Limites e integração
| ID de API | nvidia/Nemotron-3.5-Parse |
|---|---|
| Tipo de modelo | OCR e documentos · Multimodal |
| Modelo de acesso | Pesos abertos |
| Licença | OpenMDW 1.1 |
| Implantação | Transformers · vLLM com plugin Nemotron |
| Lançamento | 17 OCT 2026 |
| Data de corte do conhecimento | Não publicado |
| Entrada | Imagem · Texto |
| Saída | Texto |
| Janela de contexto | 16.384 posições partilhadas entre imagem e texto |
| saída máxima | 9.000 tokens configurados; avaliação com 8.744 |
| Raciocínio | Extração visual, não um assistente de conversação |
| Ferramentas publicadas | OCR |
| Passeios Estruturados | Caixas, classes e ordem de leitura; pós-processamento disponível |
| Processamento em lote | Não publicado |
| Cache de prompts | Não publicado |
| Ajuste fino | Pesos abertos |
| Plataformas verificadas | Hugging Face · Transformers · vLLM |
Extração de documentos, tabelas e gráficos e preparação de dados para pesquisa e RAG. A referência recomenda imagens até 1.664 × 2.048 píxeis. As coordenadas são normalizadas ao conteúdo e devem ser ajustadas à escala da imagem avaliada. Os helpers preservam a ordem de leitura e as células unidas na exportação HTML; uma tabela Markdown plana não preserva todos os spans.
A configuração declara 16.384 posições partilhadas pelo prefixo visual e pelo texto, não 16.384 tokens de conversa disponíveis. generation_config define 9.000 novos tokens; os exemplos e as avaliações OCR usam 8.744. Não são dois limites universais distintos. O código de referência requer trust_remote_code: reveja-o e fixe uma revisão antes de executar. Verifique omissões, números, privacidade e erros de leitura com documentos próprios.
03 / CAPACIDADES
O que pode fazer
Orientação
Extração de documentos, tabelas e gráficos e preparação de dados para pesquisa e RAG. A referência recomenda imagens até 1.664 × 2.048 píxeis. As coordenadas são normalizadas ao conteúdo e devem ser ajustadas à escala da imagem avaliada. Os helpers preservam a ordem de leitura e as células unidas na exportação HTML; uma tabela Markdown plana não preserva todos os spans.
Contexto
16.384 posições partilhadas entre imagem e texto · 9.000 tokens configurados; avaliação com 8.744
Ferramentas e integração
OCR
Acesso
Hugging Face · checkpoint descarregável
Modalidades de entrada
ImagemTexto
04 / PREÇOS
Custo documentado
| Conceito | Valor | Unidade/condição |
|---|---|---|
| Entrada padrão | Sem tarifa API oficial publicada | Tarifa padrão da API |
| Entrada em cache | Não publicado | Leitura de prefixos reutilizados |
| Escrita ou armazenamento em cache | Não publicado | A condição varia consoante o fornecedor |
| Saída padrão | Custo da infraestrutura própria | Pode incluir tokens de raciocínio |
| Entrada por lotes | Não publicado | Processamento assíncrono |
| Saída por lotes | Não publicado | Processamento assíncrono |
Pesos descarregáveis sob OpenMDW 1.1, com utilização comercial e não comercial sujeita aos termos. O tokenizer tem atribuição MIT e as dependências mantêm as suas licenças. Não verificámos uma API comercial nem preços por token: os custos numéricos ficam vazios. A inferência própria exige orçamento para hardware, memória, operação e segurança; disponibilidade para descarga não implica inferência gratuita.
i Os preços mudam e podem depender do nível, região ou duração do contexto. Verifique a fonte antes de tomar uma decisão.
05 / AVALIAÇÕES
Como ler os resultados
“
Resultados publicados pela NVIDIA, não reproduzidos pela Inferama. ParseBench abrange 2.078 páginas: a pontuação destacada usa tripla passagem com união de regiões, não a tripla passagem simples. IndicVisionBench OCR usa 876 páginas e dez idiomas. MOSCAR usa 8.111 páginas sintéticas e 163 entradas de idioma ou escrita, correspondentes a 162 códigos de idioma. O F1 de saco de caracteres ignora a ordem e não garante precisão em digitalizações reais, manuscritos ou imagens degradadas.
| Benchmark | Resultado | Métrica | Fonte |
|---|---|---|---|
| ParseBench Overall (triple-pass union) | 75,20 | Maior é melhor | Ver fonte ↗ |
| ParseBench Tables (triple-pass union) | 84,67 | Maior é melhor | Ver fonte ↗ |
| ParseBench Charts (triple-pass union) | 64,40 | Maior é melhor | Ver fonte ↗ |
| ParseBench Content Faithfulness (triple-pass union) | 87,96 | Maior é melhor | Ver fonte ↗ |
| ParseBench Semantic Formatting (triple-pass union) | 68,28 | Maior é melhor | Ver fonte ↗ |
| ParseBench Visual Grounding (triple-pass union) | 70,67 | Maior é melhor | Ver fonte ↗ |
| IndicVisionBench OCR ANLS-char | 83,73 | Maior é melhor | Ver fonte ↗ |
| IndicVisionBench OCR CER | 16,00 | Menor é melhor | Ver fonte ↗ |
| MOSCAR Character Bag F1 | 99,51 | Maior é melhor | Ver fonte ↗ |
| MOSCAR CER | 1,35 | Menor é melhor | Ver fonte ↗ |
O Inferama só destaca o “melhor resultado” quando a métrica, o conjunto de testes, a configuração e a data permitem uma comparação equivalente. Os números do fornecedor são apresentados como declarações de sua própria fonte.
06 / VERSÕES
Cronologia
Nemotron 3.5 Parse
Lançamento de pesos e referências OCR; a criação do repositório em setembro não é utilizada como data de lançamento.
07 / FONTES
Rastreabilidade
MODEL CARDNemotron 3.5 Parse · ficha y lanzamientohuggingface.co↗
CONFIGURAÇÃOContexto visual y textualhuggingface.co↗
CONFIGURAÇÃOGeneración predeterminadahuggingface.co↗
AVALIAÇÃOParseBench · métricas y revisioneshuggingface.co↗
AVALIAÇÃOOCR multilingüe · metodologíahuggingface.co↗
AVALIAÇÃOOCR multilingüe · resultadoshuggingface.co↗
LICENÇAOpenMDW License Agreement 1.1openmdw.ai↗
BENCHMARKParseBench Overall (triple-pass union)huggingface.co↗
BENCHMARKIndicVisionBench OCR ANLS-charhuggingface.co↗
BENCHMARKMOSCAR Character Bag F1huggingface.co↗