Intern-S2, Qwen3.8 27B, Nemotron 3.5 Super VL ve Agnes 2.5 Flash

Kısa yanıt: şekil ve tablo için Intern-S2, video için Nemotron 3.5 Super VL

LLMTR, farklı sağlayıcıların dil modellerine tek bir OpenAI uyumlu API ile erişim veren bir gateway'dir. Bu yazıdaki dört model görsel okur ve https://llmtr.com/v1 adresindeki /v1/chat/completions uç noktasından, llmtr.com hesabınızın aynı API anahtarıyla çağrılır. Bilimsel bir şekli, grafiği ya da tabloyu görselden okutacaksanız Intern-S2'yi (internlm/intern-s2-free) kullanın; 31 Ekim 2026 23:59'a (TSİ) kadar ücretsizdir. 31 Ekim 2026'dan sonra da sürecek ücretsiz bir iş ya da video için Nemotron 3.5 Super VL'yi (nvidia/nemotron-3.5-super-vl-free) seçin. Qwen3.8 27B (qwen/qwen3.8-27b-free) ve Agnes 2.5 Flash (agnes/agnes-2.5-flash) da görsel okur ve bitiş tarihi belirlenmemiş kotalarla çalışır.

Shanghai AI Lab'ın model kartına göre Intern-S2, görsel ön eğitimle bilimsel literatürün ham sayfalarından doğrudan öğrenir ve 20'den fazla alanda bilimsel pekiştirmeli öğrenme görevleriyle eğitilmiştir. Qwen'in model kartı Qwen3.8-27B'yi görselleri ve videoları anlayan yerel bir görsel-dil modeli olarak tanımlar; LLMTR'deki bu satırda video girdisi açık değildir. NVIDIA'nın model kartı Nemotron 3.5 Super VL'yi akıl yürütme, kodlama, araç kullanımı, belge anlama ve video anlama için bir görsel-dil modeli olarak tanımlar. Agnes 2.5 Flash, LLMTR kataloğunda sohbet, kodlama ve ajan akışları için genel amaçlı bir modeldir.

• Shanghai AI Lab, Intern-S2 model kartı · 2026-10-22
• Qwen, Qwen3.8-27B model kartı · 2026-10-22
• NVIDIA, Nemotron 3.5 Super VL model kartı · 2026-10-22

Görsel okuyan modeller: Intern-S2 mi, Qwen3.8 27B mi, Nemotron 3.5 Super VL mi, Agnes 2.5 Flash mı?

Kararı beş soru belirler: iş 31 Ekim 2026'dan sonra da sürecek mi, video gerekiyor mu, çıktı bir JSON şemasına uymak zorunda mı, tek yanıtta ne kadar metin gerekiyor ve kotanın token mı istek mi saymasını istiyorsunuz. Tablo dört satırı LLMTR kataloğundaki ve dokümanındaki değerlerle gösterir.

Aynı görseli dört modele göndermek

Aşağıdaki Python örneği yerel bir şekil görselini bir kez base64'e çevirir ve aynı soruyu dört modele sırayla gönderir. Görsel data URL olarak gittiği için Agnes 2.5 Flash da isteği kabul eder; https adresi verseydiniz bu satır 400 dönerdi. Düşünme ayarına dokunulmaz, her satır kendi varsayılanıyla yanıtlar. max_tokens değeri 8192'dir: Qwen3.8 27B'nin tek yanıt sınırı olan 16.384'ün altında kalır ve düşünen üç satıra düşünme ile yanıt için yer bırakır.

Her model için finish_reason, prompt_tokens ve completion_tokens yazdırılır. Intern-S2, Nemotron 3.5 Super VL ve Agnes 2.5 Flash varsayılan olarak düşündüğü için bu satırlarda completion_tokens düşünme token'larını da içerir; kısa bir max_tokens yanıtı düşünme bitmeden kesebilir. Bir satır 429 ya da başka bir hata durumu dönerse örnek durumu ve Retry-After başlığını yazdırıp sıradakine geçer. Sonuçları kendi şekillerinizle karşılaştırın: aynı görselin prompt_tokens değeri satırdan satıra değişebilir.

Aynı base64 görseli ve aynı soruyu internlm/intern-s2-free, qwen/qwen3.8-27b-free, nvidia/nemotron-3.5-super-vl-free ve agnes/agnes-2.5-flash modellerine https://llmtr.com/v1/chat/completions üzerinden gönderen, finish_reason ve usage yazdıran OpenAI Python SDK örneği.

import base64
import os

from openai import APIStatusError, OpenAI

client = OpenAI(base_url="https://llmtr.com/v1", api_key=os.environ["LLMTR_API_KEY"])

# One local PNG as a base64 data URL, the image form all four rows accept.
with open("figure.png", "rb") as f:
    image_url = "data:image/png;base64," + base64.b64encode(f.read()).decode("ascii")

messages = [{
    "role": "user",
    "content": [
        {"type": "text", "text": "What does the y-axis show, and which series reaches the highest value? Answer in two sentences."},
        {"type": "image_url", "image_url": {"url": image_url}},
    ],
}]

# Each row answers with its own reasoning default; nothing here switches it.
MODELS = [
    "internlm/intern-s2-free",            # until 31 October 2026, 23:59 (TRT)
    "qwen/qwen3.8-27b-free",              # at most 16,384 output tokens per response
    "nvidia/nemotron-3.5-super-vl-free",
    "agnes/agnes-2.5-flash",              # images only as base64 data URLs
]

for model in MODELS:
    try:
        response = client.chat.completions.create(model=model, messages=messages, max_tokens=8192)
    except APIStatusError as err:
        print(model, "error", err.status_code, "Retry-After:", err.response.headers.get("retry-after"))
        continue
    choice = response.choices[0]
    usage = response.usage
    print(model, choice.finish_reason, usage.prompt_tokens, usage.completion_tokens)
    print(choice.message.content)

Video, JSON, araç seçimi ve çıktı sınırı

Video yalnızca Nemotron 3.5 Super VL ve Agnes 2.5 Flash'ta açıktır: klibi video_url parçası olarak base64 data URL ile gönderin. Intern-S2 ve Qwen3.8 27B'de video_url parçası 400 döner. Ses girdisi dört satırda da yoktur.

JSON desteği satırdan satıra değişir. Intern-S2'ye response_format göndermeyin; biçimi istemde tarif edip yanıtı kendi kodunuzda ayrıştırın. Qwen3.8 27B JSON modunu, yani json_object'i destekler. Nemotron 3.5 Super VL ve Agnes 2.5 Flash json_object'in yanında json_schema ile şemaya uyan çıktı da verir. Araç seçiminde Intern-S2 yalnızca auto ile çalışır; Nemotron 3.5 Super VL ve Agnes 2.5 Flash auto, required ve adlandırılmış fonksiyonu kabul eder. Tek yanıt Qwen3.8 27B'de en fazla 16.384, Agnes 2.5 Flash'ta en fazla 65.536 token olabilir; daha büyük bir max_tokens isteği reddedilir. Intern-S2 ve Nemotron 3.5 Super VL ayrı bir çıktı sınırı listelemez; uzun yanıtlarda finish_reason değerine bakın.

Kota türü ve 1 Kasım 2026'dan sonrası

Intern-S2'nin hakkı model başına günde 500.000 token'dır; girdi, çıktı ve düşünme token'larını birlikte sayar, her gün 00:00'da (TSİ) yenilenir ve yeni hesaplar ilk gün daha düşük bir hakla başlar. Qwen3.8 27B ile Nemotron 3.5 Super VL günlük kotayla çalışır. Agnes 2.5 Flash'ın kotası token değil istek sayar: her başarılı çağrı kayan 24 saatlik pencerede bir hak tüketir, :fast soneki düşünme token'larını kaldırır ama tüketilen hak sayısını değiştirmez. Dördünde de sınıra ulaşan istek 429 döner ve Retry-After başlığı ne zaman tekrar deneyeceğinizi söyler.

1 Kasım 2026 00:00'dan (TSİ) itibaren Intern-S2'ye gelen istekler 410 model_retired döner ve başka bir modele yönlendirilmez. 31 Ekim 2026'dan sonra ücretsiz devam etmek için Nemotron 3.5 Super VL'yi nvidia/nemotron-3.5-super-vl-free kimliğiyle kullanın. Taşırken model kimliğini değiştirin, istemdeki JSON talimatını isterseniz response_format ile json_schema'ya çevirin ve görseli base64 data URL olarak gönderin; "reasoning": false ve :fast düşünmeyi aynı şekilde kapatır. Kısa yanıtlar ve JSON modu yetiyorsa Qwen3.8 27B, uzun bağlam ve istek sayan bir kota istiyorsanız Agnes 2.5 Flash da 31 Ekim 2026'dan sonra kullanılabilir.

Hangi durumda hangisi?

Aşağıdaki seçimler dört satırın tarih, girdi, JSON, düşünme ve kota farkından çıkar; okuma doğruluğunu kendi görsellerinizle karşılaştırın.

• Bilimsel bir şekil, grafik ya da tablo: Intern-S2; 31 Ekim 2026 23:59'a (TSİ) kadar ücretsizdir, sonra Nemotron 3.5 Super VL'ye geçin.
• Bitiş tarihi belirlenmemiş ücretsiz bir satır ve video girdisi: Nemotron 3.5 Super VL; 1.000.000 token bağlamla 31 Ekim 2026'dan sonra da kullanılabilir.
• Kısa yanıt ve JSON modu gereken, düşünme ayarıyla uğraşmak istemediğiniz iş: Qwen3.8 27B; tek yanıt en fazla 16.384 token'dır.
• Uzun bağlam, json_schema ve token yerine istek sayan bir kota: Agnes 2.5 Flash; görseli ve videoyu yalnızca base64 data URL olarak gönderin.
• Hassas, kişisel ya da müşteri verisi: dördünü de kullanmayın; Intern-S2, Qwen3.8 27B ve Nemotron 3.5 Super VL'nin veri notları içeriğin günlüğe kaydedilebileceğini ve modeli geliştirmek için kullanılabileceğini söyler.

Görsel okuyan dört modeli aynı görselle karşılaştırma

Aynı LLMTR anahtarıyla aynı base64 görseli ve soruyu dört modele gönderin; yanıtı, finish_reason değerini ve token sayılarını karşılaştırın.

1. Anahtar. llmtr.com'da bir hesap açın ve Panel > API Anahtarları altında bir anahtar oluşturun.
2. Görsel. Görseli data:image/png;base64, önekli bir data URL'ye çevirin; bu biçimi dört satır da kabul eder.
3. Karşılaştırma. Aynı soruyu dört model kimliğiyle https://llmtr.com/v1/chat/completions uç noktasına gönderin, yanıtları ve usage değerlerini karşılaştırın.

Sık sorulan sorular

Bu dört modelden hangisi video okur?

Nemotron 3.5 Super VL ve Agnes 2.5 Flash. İkisine de klibi video_url parçası olarak base64 data URL ile gönderin. Intern-S2 ve Qwen3.8 27B'de video_url parçası 400 döner.

Agnes 2.5 Flash'a görsel neden base64 ile gönderilmeli?

Agnes 2.5 Flash görseli ve videoyu yalnızca base64 data URL olarak kabul eder; görseli https adresiyle gönderen bir istek 400 unsupported_input döner ve hata mesajı base64 data URL ister. Aynı isteği dört satıra gönderecekseniz görseli data URL yapın; diğer üç satır da bu biçimi kabul eder.

Intern-S2 1 Kasım 2026'dan sonra ne olur?

İstekler 410 model_retired döner ve başka bir modele yönlendirilmez. 31 Ekim 2026'dan sonra ücretsiz devam için model kimliğini nvidia/nemotron-3.5-super-vl-free yapın; JSON gerekiyorsa orada response_format ile json_schema kullanabilirsiniz.

İlgili yazılar

• Shanghai AI Lab modelleri: Intern-S2'den Sage-A1.5'e beş model
• Intern-S2 API ile bilimsel grafik ve tablo okuma
• Shanghai AI Lab modelleri 1 Kasım 2026 sonrası: geçiş rehberi
• Ücretsiz Qwen3.8 27B'ye görsel gönderme: API rehberi
• Ücretsiz Nemotron 3.5 Super VL API: görsel ve video girdi

• Intern-S2 model sayfası
• Qwen3.8 27B (ücretsiz) model sayfası
• Nemotron 3.5 Super VL (ücretsiz) model sayfası
• Agnes 2.5 Flash model sayfası
• Görsel girdi dokümantasyonu