Avançar para o conteúdo

Nemotron Diffusion Vlm

Integrar

ID do modelo nemotron-diffusion-vlm
# 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/nemotron-diffusion-vlm?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "image": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field"
  }'

# 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"

Este pedido: ≈0,005 $ 5 créditos da API · ≈ 0,53 ₽ Executar nesta página

Obter chave de API
NVIDIA Visão #utility#editing

Modelo de visão-linguagem que responde a prompts sobre uma imagem utilizando descodificação de texto baseada em difusão

NVIDIA · Texto

O seu primeiro resultado aparece aqui

Crie um pedido abaixo e execute-o com a sua chave de API. As saídas são copiadas para o nosso armazenamento, guardadas para sempre ou durante 7 dias gratuitamente.

Criar um pedido

Os controlos são gerados a partir do esquema do modelo. O código e o preço são atualizados à medida que os altera.

•obrigatório

Prompt que especifica o que responder sobre a imagem.

•obrigatório image_url
Largue um ficheiro ou

URL que aponta para a imagem a processar.

Avançado max_tokens · num_inference_steps · block_length · threshold · enable_safety_checker
predefinição 512

Limite superior de tokens gerados.

predefinição 256

Escolha a contagem de passos de descodificação de difusão como múltiplo de max_tokens / block_length quando a especificar explicitamente; a contagem também não pode ser inferior a esse quociente.

predefinição 32

Comprimento de cada bloco de descodificação de difusão.

predefinição 0.9

Limite de confiança para a descodificação de difusão.

POST /run/nemotron-diffusion-vlm?wait=20 cotação → 0,005 $
# 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/nemotron-diffusion-vlm?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "image": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field"
  }'

# 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"

Executar este pedido

A sua chave permanece neste navegador: é enviada apenas para a Doitong API e guardada em localStorage apenas se selecionar Lembrar. Obter uma chave de API

Sobre Nemotron Diffusion Vlm

Aceita uma imagem em `image_url` e uma pergunta em `prompt` e devolve uma resposta textual. A descodificação pode ser ajustada através de `max_tokens` (1 a 8192), `num_inference_steps` (1 a 1024), `block_length` (8 a 128) e um `threshold` de confiança entre 0 e 1. A saída também inclui detalhes de temporização e utilização.

Parâmetros

Envie o nome canónico ou o nome nativo, não ambos. Nomes canónicos

NomeTipo PredefiniçãoPermitido Descrição
image_urlobrigatório image
Tipourl · image
URL que aponta para a imagem a processar.
promptobrigatório
Tipostring
Prompt que especifica o que responder sobre a imagem.
max_tokensopcional
Tipointeger
Predefinição512
1 – 8192
Limite superior de tokens gerados.
num_inference_stepsopcional
Tipointeger | null
Predefinição256
1 – 1024
Escolha a contagem de passos de descodificação de difusão como múltiplo de max_tokens / block_length quando a especificar explicitamente; a contagem também não pode ser inferior a esse quociente.
block_lengthopcional
Tipointeger
Predefinição32
8 – 128
Comprimento de cada bloco de descodificação de difusão.
thresholdopcional
Tiponumber
Predefinição0.9
0 – 1
Limite de confiança para a descodificação de difusão.
enable_safety_checkeropcional
Tipoboolean
Predefiniçãotrue
A filtragem pode ser flexibilizada definindo false, desde que o autor do pedido esteja autorizado.
obrigatório Nome canónico, também aceite

Os parâmetros de ficheiro aceitam um URL https:// público, um URI data: até 10 MB ou o file_url de um carregamento. Ficheiros

Resultado

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "nemotron-diffusion-vlm",
  "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": 5,
    "usd": "0.005",
    "charged": 5,
    "refunded": 0
  },
  "input": {
    "image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field"
  },
  "output": {
    "output": "The image shows a dog sitting outdoors.",
    "usage": {
      "prompt_tokens": 1,
      "completion_tokens": 1,
      "num_function_evals": 1
    },
    "timings": {
      "total_time": 1.0,
      "image_validation_time": 1.0,
      "preprocessing_time": 1.0,
      "gpu_transfer_time": 1.0,
      "generation_time": 1.0,
      "decode_time": 1.0
    }
  },
  "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"
  }
}
Os seus ficheiros, a sua escolhaCada outputs[].url é uma cópia no nosso armazenamento: guardada para sempre (paga por GB-mês) ou durante 7 dias gratuitamente, conforme a definição da sua conta ou ?storage=.
A mesma estrutura em todos os modelostype, url, content_type, width, height e duration, tanto para imagens como para vídeo e áudio. output é o próprio objeto de resultado do modelo.
Campos do resultado
output
stringResposta produzida pelo modelo.
usage
object {prompt_tokens, completion_tokens, num_function_evals}Detalhes de utilização de tokens e da descodificação de difusão.
timings
object {total_time, image_validation_time, preprocessing_time, gpu_transfer_time, generation_time, decode_time}Detalhamento dos tempos de processamento do pedido, medidos em segundos.

Para agentes de IA: esta página em Markdown está disponível em https://doitong.com/pt-PT/developers/models/nemotron-diffusion-vlm.md. Todos os modelos e guias: https://doitong.com/developers/llms.txt