رفتن به محتوا

Nemotron 3 Nano Omni · Vision

یکپارچه‌سازی

شناسه مدل nvidia/nemotron-3-nano-omni/vision
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.ru/v1/run/nvidia/nemotron-3-nano-omni/vision?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "image": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg"
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.ru/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

این درخواست: ≈⁨‎$۰٫۰۱۸⁩ ۱۸ اعتبار API · ≈ ⁨‎₽۱٫۹۲⁩ اجرای آن در این صفحه

دریافت کلید API
NVIDIA بینایی #nemotron#nvidia#image-to-text#vision-language

به پرامپت‌های مربوط به یک تصویر منفرد RGB با فرمت JPEG یا PNG، با ردیابی استدلال اختیاری، پاسخ می‌دهد

NVIDIA · متن

اولین نتیجه شما اینجا قرار می‌گیرد

درخواست را در زیر بسازید و با کلید API خود اجرا کنید. خروجی‌ها در فضای ذخیره‌سازی ما کپی می‌شوند و برای همیشه یا به‌مدت ۷ روز رایگان نگه‌داری می‌شوند.

ساخت درخواست

کنترل‌ها از شِمای مدل تولید می‌شوند. با تغییر آن‌ها، کد و قیمت به‌روزرسانی می‌شوند.

•الزامی

متنی که به‌عنوان پرامپت مدل ارائه می‌شود؛ باید به انگلیسی باشد.

•الزامی image_url
یک فایل بیندازید، یا

URL تصویر برای ورودی استدلال؛ تصاویر RGB با قالب JPEG یا PNG را می‌پذیرد.

پیشرفته system_prompt · reasoning_mode · max_tokens · temperature · top_p · enable_safety_checker

راهنمایی اختیاری مدل که به‌صورت پرامپت سیستم ارائه می‌شود و استدلال را از کنترل‌های آن خارج می‌کند؛ برای این منظور از `reasoning_mode` استفاده کنید.

reasoning_mode پیش‌فرض no_think

قالب پاسخ: `think` پیش از ارائه پاسخ نهایی، مسیر صریح chain-of-thought را شامل می‌شود. برای پاسخ مستقیم بدون آن مسیر، از `no_think` استفاده کنید.

پیش‌فرض 1024

حد بالای توکن‌های تولیدشده.

پیش‌فرض 0.7

دما برای نمونه‌برداری؛ مقادیر کمتر خروجی را قطعی‌تر می‌کنند.

پیش‌فرض 0.95

جرم احتمال مورد استفاده برای نمونه‌برداری هسته‌ای.

POST /run/nvidia/nemotron-3-nano-omni/vision?wait=20 قیمت → ⁨‎$۰٫۰۱۸⁩
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.ru/v1/run/nvidia/nemotron-3-nano-omni/vision?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "image": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg"
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.ru/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

اجرای این درخواست

کلید شما در این مرورگر باقی می‌ماند: فقط به Doitong API ارسال می‌شود و فقط در صورت فعال‌کردن گزینه «یادآوری»، در localStorage ذخیره می‌شود. دریافت کلید API

درباره Nemotron 3 Nano Omni · Vision

گونه تصویری، یک `image_url` (RGB JPEG یا PNG) و یک `prompt` متنی می‌گیرد و پاسخ نوشتاری درباره تصویر برمی‌گرداند. برای دریافت خروجی گام‌به‌گام پیش از پاسخ نهایی، `reasoning_mode` را روی `think` تنظیم کنید. نمونه‌برداری با `temperature` و `top_p` قابل تنظیم است و `max_tokens` تا 20,000 می‌رود.

پارامترها

نام استاندارد یا نام بومی را ارسال کنید، نه هر دو. نام‌های استاندارد

نامنوع پیش‌فرضمجاز توضیحات
promptالزامی
نوعstring
متنی که به‌عنوان پرامپت مدل ارائه می‌شود؛ باید به انگلیسی باشد.
system_promptاختیاری
نوعstring | null
راهنمایی اختیاری مدل که به‌صورت پرامپت سیستم ارائه می‌شود و استدلال را از کنترل‌های آن خارج می‌کند؛ برای این منظور از `reasoning_mode` استفاده کنید.
reasoning_modeاختیاری
نوعenum
پیش‌فرضno_think
thinkno_think
قالب پاسخ: `think` پیش از ارائه پاسخ نهایی، مسیر صریح chain-of-thought را شامل می‌شود. برای پاسخ مستقیم بدون آن مسیر، از `no_think` استفاده کنید.
max_tokensاختیاری
نوعinteger
پیش‌فرض1024
۱ – ۲۰٬۰۰۰
حد بالای توکن‌های تولیدشده.
temperatureاختیاری
نوعnumber
پیش‌فرض0.7
۰ – ۲
دما برای نمونه‌برداری؛ مقادیر کمتر خروجی را قطعی‌تر می‌کنند.
top_pاختیاری
نوعnumber
پیش‌فرض0.95
۰ – ۱
جرم احتمال مورد استفاده برای نمونه‌برداری هسته‌ای.
enable_safety_checkerاختیاری
نوعboolean
پیش‌فرضtrue
مشخص می‌کند بررسی ایمنی فعال باشد یا نه.
image_urlالزامی image
نوعurl · image
URL تصویر برای ورودی استدلال؛ تصاویر RGB با قالب JPEG یا PNG را می‌پذیرد.
الزامی نام استاندارد، همچنین پذیرفته می‌شود

پارامترهای فایل یک URL عمومی https://، یک URI از نوع data: تا سقف 10 MB، یا file_url یک فایل بارگذاری‌شده را می‌پذیرند. فایل‌ها

خروجی

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "nvidia/nemotron-3-nano-omni/vision",
  "status": "succeeded",
  "created_at": "2026-10-20T12:00:00Z",
  "started_at": "2026-10-20T12:00:02Z",
  "completed_at": "2026-10-20T12:00:09Z",
  "queue_position": null,
  "cost": {
    "credits": 18,
    "usd": "0.018",
    "charged": 18,
    "refunded": 0
  },
  "input": {
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg"
  },
  "output": {
    "output": "The image shows a golden retriever puppy sitting on a wooden floor.",
    "finish_reason": "stop",
    "usage": {
      "input_tokens": 1,
      "output_tokens": 1
    }
  },
  "outputs": [
    {
      "type": "file",
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.jpeg",
      "content_type": "image/jpeg",
      "file_size": 1843200,
      "stored": true
    }
  ],
  "error": null,
  "metrics": {
    "inference_seconds": 6.8
  },
  "urls": {
    "self": "https://api.doitong.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
فایل‌های شما، انتخاب شماهر outputs[].url کپی‌ای در فضای ذخیره‌سازی ماست: برای همیشه (با هزینه به‌ازای هر GB-ماه) یا به‌مدت ۷ روز رایگان، بر اساس تنظیم حساب شما یا ?storage=.
ساختار یکسان در همه مدل‌هاtype، url، content_type، width، height و duration برای تصاویر، ویدیو و صدا یکسان هستند. output شیء نتیجه اختصاصی مدل است.
فیلدهای خروجی
output
stringمتن تولیدشده به‌عنوان پاسخ.
finish_reason
stringدلیل پایان تولید.
usage
object {input_tokens, output_tokens}مصرف توکن مرتبط با درخواست.

مدل‌های بیشتر: بینایی

برای عامل‌های هوش مصنوعی: این صفحه به‌صورت Markdown در دسترس است https://doitong.com/fa/developers/models/nvidia/nemotron-3-nano-omni/vision.md. همه مدل‌ها و راهنماها: https://doitong.com/developers/llms.txt