Ir al contenido

Nemotron Diffusion Vlm

Integrar

ID del 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.com/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.com/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Esta solicitud: ≈$0.005 5 créditos de API Ejecutar en esta página

Obtener clave de API
NVIDIA Visión #utility#editing

Modelo de visión y lenguaje que responde prompts sobre una imagen mediante decodificación de texto basada en difusión

NVIDIA · Texto

Tu primer resultado aparecerá aquí

Crea una solicitud abajo y ejecútala con tu clave de API. Las salidas se copian en nuestro almacenamiento, donde se conservan para siempre o 7 días gratis.

Crear una solicitud

Los controles se generan a partir del esquema del modelo. El código y el precio se actualizan conforme los cambias.

•obligatorio

Prompt que especifica qué responder sobre la imagen.

•obligatorio image_url
Suelta un archivo o

URL que apunta a la imagen que se procesará.

Avanzado max_tokens · num_inference_steps · block_length · threshold · enable_safety_checker
predeterminado 512

Límite superior de tokens generados.

predeterminado 256

Elige el número de pasos de decodificación de difusión como múltiplo de max_tokens / block_length al especificarlo explícitamente; el número tampoco debe ser menor que ese cociente.

predeterminado 32

Longitud de cada bloque de decodificación de difusión.

predeterminado 0.9

Umbral de confianza para la decodificación de difusión.

POST /run/nemotron-diffusion-vlm?wait=20 cotización → $0.005
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.com/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.com/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Ejecutar esta solicitud

Tu clave permanece en este navegador: solo se envía a la Doitong API y se guarda en localStorage únicamente si marcas Recordar. Obtener una clave de API

Acerca de Nemotron Diffusion Vlm

Recibe una imagen en `image_url` y una pregunta en `prompt`, y devuelve una respuesta de texto. La decodificación se puede ajustar mediante `max_tokens` (1 a 8192), `num_inference_steps` (1 a 1024), `block_length` (8 a 128) y un `threshold` de confianza de 0 a 1. La salida también incluye detalles de tiempo de procesamiento y uso.

Parámetros

Envía el nombre canónico o el nombre nativo, no ambos. Nombres canónicos

NombreTipo PredeterminadoPermitido Descripción
image_urlobligatorio image
Tipourl · image
URL que apunta a la imagen que se procesará.
promptobligatorio
Tipostring
Prompt que especifica qué responder sobre la imagen.
max_tokensopcional
Tipointeger
Predeterminado512
1 – 8,192
Límite superior de tokens generados.
num_inference_stepsopcional
Tipointeger | null
Predeterminado256
1 – 1,024
Elige el número de pasos de decodificación de difusión como múltiplo de max_tokens / block_length al especificarlo explícitamente; el número tampoco debe ser menor que ese cociente.
block_lengthopcional
Tipointeger
Predeterminado32
8 – 128
Longitud de cada bloque de decodificación de difusión.
thresholdopcional
Tiponumber
Predeterminado0.9
0 – 1
Umbral de confianza para la decodificación de difusión.
enable_safety_checkeropcional
Tipoboolean
Predeterminadotrue
La moderación puede relajarse estableciendo false, siempre que la persona que llama esté autorizada.
obligatorio Nombre canónico, también aceptado

Los parámetros de archivo aceptan una URL pública https://, un URI data: de hasta 10 MB o el file_url de una carga. Archivos

Salida

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.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
Tus archivos, tú eligesCada outputs[].url es una copia en nuestro almacenamiento: se conserva para siempre (con cobro por GB-mes) o 7 días gratis, según la configuración de tu cuenta o ?storage=.
La misma estructura en todos los modelostype, url, content_type, width, height y duration, tanto para imágenes como para video y audio. output es el objeto de resultado propio del modelo.
Campos de salida
output
stringRespuesta producida por el modelo.
usage
object {prompt_tokens, completion_tokens, num_function_evals}Detalles de uso de tokens y decodificación de difusión.
timings
object {total_time, image_validation_time, preprocessing_time, gpu_transfer_time, generation_time, decode_time}Desglose de los tiempos de procesamiento de la solicitud, medidos en segundos.

Para agentes de IA: esta página en Markdown está disponible en https://doitong.com/es-MX/developers/models/nemotron-diffusion-vlm.md. Todos los modelos y guías: https://doitong.com/developers/llms.txt