İçeriğe geç
Pazar, 15 Kasım 2026Yapay zekâ · sade Türkçe · denenmiş@yapaytu
YAPAYTU

NVIDIA Nemotron Super VL, AWS JumpStart'a eklendi

AWS, NVIDIA Nemotron 3.5 Super VL modelini JumpStart'a ekledi. Görsel ve video analizi sunan modelin hazır kurulumunda bağlam ve belge işleme sınırları var.

Yapay TU Editör · 4 dk okuma
Nemotron Super VL, AWS JumpStart'ta
Kısa cevap

AWS, 9 Kasım 2026'da NVIDIA Nemotron 3.5 Super VL'yi SageMaker JumpStart'ta kullanıma açtı. Metin, görsel ve video girdilerinden metin üreten model iki sürümle sunuluyor; hazır kurulumun bağlam sınırı modelin üst kapasitesinden daha düşük.

AWS, 9 Kasım'da NVIDIA'nın Nemotron 3.5 Super VL modelini Amazon SageMaker JumpStart'a ekledi. Model, görsel ve kısa videoları metinle birlikte işleyerek sorulara yanıt verebiliyor. Belge işleyen uygulama geliştirenler için yeni bir kurulum seçeneği sunuluyor; ancak modelin ilan edilen kapasitesiyle JumpStart'ın hazır ayarları arasında belirgin farklar var.

Nemotron 3.5 Super VL hangi işleri yapabiliyor?

AWS'nin 9 Kasım tarihli duyurusuna göre Nemotron 3.5 Super VL, metin, görsel ve video girdilerinden metin üreten bir görsel dil modeli. Belgedeki yazıları tanıma, tabloları yorumlama ve uygulama ekranlarını anlama, açıklanan kullanım alanları arasında bulunuyor.

Modelin toplam 120 milyar parametresi var; her token işlenirken 12 milyar parametre etkinleşiyor. Token, yapay zekânın metni işlerken kullandığı parçalara verilen ad. Görseller ve videodan alınan kareler de bağlam alanını tüketiyor. Bu nedenle yalnızca yazdığın sorunun uzunluğunu saymak, bir isteğin modele sığıp sığmayacağını belirlemek için yeterli olmuyor.

AWS, modelin bilgisayar kullanan ajanlar için ekrandaki öğeleri anlamasını ve kısa MP4 videolarındaki olayları açıklamasını örnekliyor. Çıktı metin biçiminde; duyuru bu model için video üretimi tarif etmiyor. Uygulama içinde araç çağırma ve belirlenen JSON veri şemasına uygun yanıt üretme desteği de açıklanıyor.

Akıl yürütme özelliği varsayılan olarak açık geliyor ve her istek için ayarlanabiliyor. AWS, doğrudan bir belgeden alan çıkarma gibi işlerde daha kısa yanıt almak isteyenlere bu özelliği kapatma seçeneğini gösteriyor. Çok adımlı bir analizle tek bir tarih alanını okumak için aynı ayarı kullanmak zorunlu değil.

Bir milyon token kapasitesi hazır kurulumda geçerli mi?

Hazır JumpStart yapılandırmaları, modelin açıklanan bir milyon tokenlık üst kapasitesinden daha düşük sınırlar kullanıyor. Duyuruda etkileşim yapılandırması için 520, kısa üretim işleri için 2.275, özetleme için 13.650 ve düzenleme yapılandırmaları için 15.600 tokenlık bağlam uzunlukları veriliyor.

Girdi ile üretilecek yanıt bu ortak alana sığmak zorunda. AWS'nin örneklerinde görsel ve video istekleri daha geniş alan gerektirdiği için 15.600 tokenlık yapılandırma seçiliyor. Bağlam penceresi rehberimiz bu sınırın uzun belgelerde ne anlama geldiğini açıklıyor.

Belge tarafında başka bir sınırlama var: kurulum doğrudan PDF dosyası kabul etmiyor. Her sayfayı PNG gibi bir görsele dönüştürmek gerekiyor. Hazır yapılandırma istek başına bir görsel kabul ettiği için çok sayfalı belgeyi tek çağrıda göndereceğini varsaymamalısın. AWS, sayfaları ayrı isteklerle işlemeyi veya tek görselde birleştirirken bağlam bütçesini kontrol etmeyi öneriyor.

Görsel ve videoların içeriği isteğin içinde kodlanarak gönderiliyor. Hizmet ağ yalıtımıyla çalıştığından dış bağlantılardaki dosyaları kendisi indiremiyor. Dolayısıyla bir video adresini vermek, duyurudaki örneğin çalışması için yeterli değil; uygulamanın dosyayı isteğe eklemesi gerekiyor.

Hangi sürüm nasıl kuruluyor?

AWS, JumpStart'ta NVFP4 ve BF16 adlarını taşıyan iki sürüm sunuyor. NVFP4, daha düşük sayısal hassasiyet kullanan ve model çalıştırmayı optimize etmeyi amaçlayan sürüm. BF16 ise özelleştirme çalışmalarında kullanılabilecek referans ağırlıklarını içeriyor. Model dosyalarının boyutu sırasıyla yaklaşık 75 GB ve 249 GB olarak açıklanıyor.

SageMaker Studio içindeki JumpStart bölümünde model adı aratılıp sürüm seçiliyor. Lisans ve model ayrıntıları incelendikten sonra Deploy düğmesiyle kurulum başlatılabiliyor. NVFP4 için varsayılan sunucu türü ml.g7.24xlarge; BF16 ise ml.p5en.48xlarge üzerinde sunuluyor. AWS, yeni hesaplarda ilgili G7 kotalarının sıfırdan başladığını ve kurulumdan önce kota artışı istenmesi gerektiğini belirtiyor.

Duyurudaki hız sonuçları belirli bir deney düzenine ait. AWS, 250 giriş tokenı, 1.500 çıkış tokenı ve aynı anda beş istekle yaptığı ölçümü paylaşıyor. Daha uzun, 10.000 tokenlık girdide varsayılan G7 sunucusunun ilk tokenı üretme süresi 12,62 saniyeye çıkıyor. Kısa soru deneyindeki yanıt süresini uzun bir belge için beklemek bu yüzden yanıltıcı olabilir.

Yazı tarihinde duyuruda kullanım fiyatı verilmiyor. AWS, deneme bittikten sonra ücretlerin sürmemesi için oluşturulan hizmet uç noktasının, yapılandırmasının ve model kaydının silinmesini istiyor. Uç nokta, uygulamanın modele istek gönderdiği hizmet adresini ifade ediyor.

Bizim yorumumuz: önce Türkçe belgeyle doğrula

Bizce belge analizi geliştiren bir ekip, modeli önce tek sayfalık Türkçe bir belgede sınamalı. Kişisel bilgi içermeyen bir ürün föyündeki tabloyu metne aktarmak uygun bir başlangıç işi olabilir. Önce doğru çıktıyı elle hazırla, ardından modelin satırları ve sütunları aynı biçimde okuyup okumadığını karşılaştır. Sayfayı yanlış okuyan bir sistemin üzerine otomasyon kurmak, hatanın sonraki işlemlere taşınmasına yol açabilir.

Türkiye'deki geliştiriciler açısından Türkçe desteği ayrıca sınanmalı. AWS'nin dil listesinde İngilizce, Fransızca, Almanca, İtalyanca, Japonca, İspanyolca ve Çince var; Türkçe yer almıyor. Türkiye'den erişime özgü koşullar da açıklanmadı. Türkçe belgelerde güvenilir sonuç vereceğini bu duyurudan çıkaramayız. Özellikle harfleri ve tablo başlıklarını nasıl aktardığını kontrol ederek başlayabilirsin.

Küçük bir işletme için kurulum öncesinde sayfa başına işlem akışını çizmek de yararlı olur. Belgeyi görsele çevirme ve her sayfayı ayrı gönderme gereksinimi, uygulamada ek iş demek. Bizce ilk değerlendirmede yalnızca modelin yanıtını incelemek eksik kalır; belge hazırlama adımına harcadığın emeği de hesaba katmalısın.

Deneme sırasında modelden okuyamadığı hücreleri açıkça işaretlemesini isteyebilirsin. Aşağıdaki prompt bu amaçla kullanılabilir. İlk sayfadaki hataları kaydedip aynı belge türünden başka örneklerle kontrol ettikten sonra çok sayfalı işleme geç.

text
Bu sayfadaki tabloyu satır sırasını koruyarak metne aktar.
Okuyamadığın hücrelere [okunamadı] yaz. Eksik değerleri tahmin etme.
Sütun başlıklarını sayfada yazıldığı biçimiyle koru.

Bu yazı sponsorlu değildir.

Sık sorulanlar

Nemotron 3.5 Super VL ne yapıyor?

Model metin, görsel ve video girdilerini işleyip metin üretiyor. AWS, belge okuma, grafik yorumlama ve kısa videolara ilişkin soruları yanıtlama gibi kullanım alanları açıklıyor.

Nemotron Super VL, JumpStart'ta bir milyon token kullanabiliyor mu?

Modelin açıklanan kapasitesi bir milyon tokena kadar çıkıyor. Ancak duyurudaki hazır JumpStart yapılandırmaları 520 ile 15.600 token arasında sınırlar kullanıyor; girdi ve çıktı bu ortak alana sığmalı.

Nemotron Super VL doğrudan PDF okuyabiliyor mu?

AWS'nin açıkladığı kurulum ham PDF kabul etmiyor. Sayfaları önce görsele dönüştürmek gerekiyor ve hazır yapılandırma istek başına tek görsel kabul ediyor.

#nvidia#nemotron#aws#gorsel#yapay-zeka
E-bülten

Haftada bir e-posta. Sadece işe yarayanlar.

Haftanın en iyi yapay zekâ araçları ve yeni rehberler. İstediğin an tek tıkla çık.

Adresine bir onay e-postası gelir. Aydınlatma metni
Sıradaki yazı NVIDIA, Türkçe destekli Nemotron 3.5 Transcribe'ı açtı

Bunları da okuyun