Ücretsiz Nemotron 3.5 Super VL ile araç çağıran ajan

Kısa yanıt: model kartı araç çağırmayı listeler, satır ücretsizdir

Nemotron 3.5 Super VL'nin ücretsiz satırında model kartı araç çağırmayı listeler; bir ajan döngüsünü nvidia/nemotron-3.5-super-vl-free kimliğiyle kurup kendi araçlarınızla deneyebilirsiniz. LLMTR (llmtr.com), farklı sağlayıcıların dil modellerine tek bir OpenAI uyumlu API ile erişim veren bir gateway'dir; istekler https://llmtr.com/v1 adresindeki /v1/chat/completions uç noktasına gider. Fiyat 1 milyon girdi ve çıktı token'ı başına 0,00 $'dır, krediden düşüm yapılmaz ve kullanım günlük bir kotayla sınırlıdır.

NVIDIA bu modeli akıl yürütme, talimat izleme ve araç kullanımını görsel anlamayla birleştiren, ajan iş akışları için yapılmış bir model olarak tanıtır. NVIDIA'nın model kartı da modelin bir araç çağrısı istediği, uygulamanın aracı çalıştırıp sonucu geri verdiği bir akış örneği içerir. Bu yazı OpenAI Python SDK ile çok turlu bir döngü kurmayı, döngüde önemli ayarları ve 429 gibi yanıtlarda ne yapılacağını anlatır.

• NVIDIA, Nemotron 3.5 Super VL technical blog · 2026-10-17
• NVIDIA, Nemotron 3.5 Super VL model card (Hugging Face) · 2026-10-17

Ücretsiz Nemotron 3.5 Super VL ile araç çağıran bir ajan nasıl kurulur?

Bir ajanın temel döngüsü şöyledir: modele konuşmayı ve kullanabileceği araçların tanımını gönderirsiniz. Model bir araç çağırmaya karar verirse yanıttaki message.tool_calls alanı dolu gelir; her çağrıda aracın adı ve JSON biçimindeki argümanları bulunur. Aracı kendi kodunuzda çalıştırırsınız, araç çağrısını içeren assistant mesajını ve sonucu taşıyan bir tool mesajını geçmişe eklersiniz, sonra bir sonraki isteği gönderirsiniz. Model araç istemeyen bir yanıt döndürdüğünde döngü biter.

Örnekte tek bir araç var: get_weather(city). Gerçek bir hava durumu servisi yerine yerel bir taslak fonksiyon sabit bir sonuç döndürür; kendi aracınızı bağlarken yalnızca bu fonksiyonu değiştirirsiniz. tool mesajındaki tool_call_id, modelin döndürdüğü çağrı kimliğiyle aynı olmalıdır. Araç çağrısı olan turlarda content boş gelebilir; örnek assistant mesajını gelen content değeriyle olduğu gibi geçmişe ekler. Döngü en fazla beş tur sürer ve max_tokens 4096'dır, çünkü düşünme token'ları da bu sınıra dahildir.

Mevcut bir OpenAI istemcisinde üç şey değişir: base_url https://llmtr.com/v1 olur, api_key alanına LLMTR anahtarınız gelir ve model dizgesi nvidia/nemotron-3.5-super-vl-free olur. SDK anahtarı Authorization: Bearer başlığıyla gönderir.

OpenAI Python SDK ile get_weather aracını tanımlayan, model araç çağırırsa çağrıyı yerel bir fonksiyonla yanıtlayan ve en fazla beş turda son yanıtı yazdıran döngü.

import json
import os

from openai import OpenAI

client = OpenAI(base_url="https://llmtr.com/v1", api_key=os.environ["LLMTR_API_KEY"])
MODEL = "nvidia/nemotron-3.5-super-vl-free"
MAX_TURNS = 5

tools = [{
    "type": "function",
    "function": {
        "name": "get_weather",
        "description": "Get the current weather for a city",
        "parameters": {
            "type": "object",
            "properties": {"city": {"type": "string"}},
            "required": ["city"],
        },
    },
}]


def get_weather(city):
    # Local stub: replace it with a real weather lookup.
    return {"city": city, "temperature_c": 18, "condition": "light rain"}


messages = [{"role": "user", "content": "Do I need an umbrella in Istanbul today?"}]

for turn in range(MAX_TURNS):
    response = client.chat.completions.create(
        model=MODEL,
        messages=messages,
        tools=tools,
        max_tokens=4096,
    )
    message = response.choices[0].message
    if not message.tool_calls:
        # No tool requested: this is the final answer.
        print(message.content)
        break
    # Keep the assistant turn that asked for the tools in the history.
    messages.append({
        "role": "assistant",
        "content": message.content,
        "tool_calls": [call.model_dump() for call in message.tool_calls],
    })
    for call in message.tool_calls:
        try:
            args = json.loads(call.function.arguments)
            result = get_weather(args["city"])
        except (json.JSONDecodeError, KeyError) as err:
            # Hand the problem back to the model instead of crashing.
            result = {"error": f"bad arguments: {err}"}
        messages.append({
            "role": "tool",
            "tool_call_id": call.id,
            "content": json.dumps(result),
        })
else:
    print("Stopped after", MAX_TURNS, "turns without a final answer.")

Ajan döngüsünde önemli ayarlar

Bağlam penceresi 1.000.000 token'dır; uzun araç çıktıları ve büyüyen mesaj geçmişi bu pencereye sığmalıdır. Her turda geçmişin tamamı yeniden gönderilir, bu yüzden araç çıktılarını modele yalnızca gereken alanlarla verin: bin satırlık bir API yanıtı yerine modelin karar vermek için ihtiyaç duyduğu birkaç alan yeterlidir. Düşünme varsayılan olarak açıktır ve iz, message.reasoning_content alanında cevaptan ayrı döner. Düşünme token'ları max_tokens sınırına dahildir, bu yüzden modelin araç seçtiği turlarda 4096 ya da daha fazlası iyi bir başlangıçtır. Yanıt finish_reason: length ile dönerse max_tokens değerini artırıp isteği yeniden gönderin.

Araç seçimi gerektirmeyen kısa bir turda düşünmeyi reasoning: false ya da model kimliğine eklenen :fast soneki ile kapatabilirsiniz. reasoning_effort bu satırda desteklenmez; alanı gönderen istek HTTP 400 invalid_request döner. Model kartı JSON nesne modunu ve JSON Schema çıktısını da listeler: ajanın son yanıtını bir şemaya göre istiyorsanız response_format kullanın.

Döngüyü sağlamlaştırmak

Bir turda kaç araç çağrısı geleceğini varsaymayın. tool_calls alanı boş, tek elemanlı ya da birden fazla elemanlı olabilir; kodunuz üç durumu da işlemeli ve her çağrı için ayrı bir tool mesajı eklemelidir. Argümanları çalıştırmadan önce JSON olarak ayrıştırın ve beklediğiniz alanların varlığını kontrol edin. Örnekte ayrıştırılamayan bir argüman programı durdurmaz; hata tool mesajı olarak modele geri gider ve model düzeltilmiş bir çağrı yapabilir.

Tur sayısını sınırlayın. Model araç çağırmayı sürdürdükçe döngü uzar; örnekteki gibi beş turdan sonra durup o ana kadarki sonucu döndürmek hem bitmeyen bir döngüyü hem de günlük kullanımın tek bir görevde tükenmesini önler.

HTTP 429, ücretsiz kullanım sınırlarından birine ulaşıldığını bildirir; bu sınır günlük ya da dakika başına olabilir ve yanıt Retry-After başlığını taşır. Ajanınız başlıktaki süre kadar beklemeli ve isteği aynı geçmişle yeniden göndermelidir. HTTP 400 ise isteğin kendisinde bir sorun olduğunu söyler; aynı isteği tekrarlamak yerine hata mesajındaki alanı düzeltin. 500, 502, 503 ve 504 yanıtlarında isteği artan aralıklarla birkaç kez yeniden deneyebilirsiniz; hata kodları sayfası bunları yeniden denenebilir yanıtlar olarak listeler.

Ajan çatılarından kullanmak ve veri notu

OpenAI uyumlu bir base_url, bir api_key ve bir model dizgesi kabul eden her çatı aynı şekilde bağlanır: base_url olarak https://llmtr.com/v1, api_key olarak LLMTR anahtarınız, model olarak nvidia/nemotron-3.5-super-vl-free yazılır. Araç tanımları ve döngü çatının kendi mekanizmasıyla çalışır, istekler yine /v1/chat/completions uç noktasına gider. Çatı reasoning_effort gönderiyorsa bu alanı kapatın; Responses API kullanan bir istemciyi Chat Completions moduna alın.

Model kartının veri notuna göre gönderdiğiniz metin, görsel ve videolar sağlayıcı tarafından günlüğe kaydedilebilir ve modeli geliştirmek için kullanılabilir; bu satıra hassas, kişisel ya da müşteri verisi göndermeyin. Bir ajanda modele giden içerik yalnızca kullanıcının mesajı değildir: araç sonuçları da tool mesajı olarak modele gider. Bir veritabanından ya da iç sistemden kayıt döndüren araçları bu satıra bağlamadan önce sonuçlarında ne olduğuna bakın. Üretime geçmeden önce de kendi araç şemalarınızla uçtan uca bir senaryo çalıştırıp modelin ne döndürdüğünü görün.

Ücretsiz Nemotron 3.5 Super VL ile araç çağıran ajan kurma

API anahtarı oluşturun, araçlarınızı tanımlayın ve nvidia/nemotron-3.5-super-vl-free ile https://llmtr.com/v1 üzerinde tur sınırlı bir döngü çalıştırın.

1. API anahtarı. llmtr.com'da hesap açın, Dashboard > API Anahtarları altında bir anahtar oluşturun ve onu LLMTR_API_KEY ortam değişkeninde saklayın.
2. Araçları tanımlayın. Her aracı OpenAI biçiminde bir function tanımıyla yazın: ad, açıklama ve JSON şeması olarak parametreler. Aracın kendisini kendi kodunuzda bir fonksiyon olarak hazırlayın.
3. Döngüyü çalıştırın. İsteği tools ile gönderin; tool_calls gelirse aracı çalıştırın, sonucu tool_call_id ile bir tool mesajı olarak ekleyin ve araç istemeyen bir yanıt gelene ya da tur sınırına ulaşana kadar devam edin. 429'da Retry-After kadar bekleyin.

Sık sorulan sorular

Ücretsiz Nemotron 3.5 Super VL araç çağırmayı destekliyor mu?

Model kartı araç çağırmayı listeler. tools alanını OpenAI biçiminde gönderirsiniz; model bir aracı çağırırsa çağrılar message.tool_calls içinde döner. Üretime geçmeden önce kendi araçlarınızla deneyin.

Bu modelle ajan çalıştırmak ücretsiz mi?

nvidia/nemotron-3.5-super-vl-free satırında fiyat 1 milyon girdi ve çıktı token'ı başına 0,00 $'dır ve krediden düşüm yapılmaz. Kullanım günlük bir kotayla sınırlıdır; sınıra ulaşıldığında HTTP 429 ve Retry-After başlığı döner.

Ajan döngüsünde max_tokens kaç olmalı?

Düşünme varsayılan olarak açıktır ve düşünme token'ları max_tokens'a dahildir; araç seçilen turlarda 4096 iyi bir başlangıçtır. finish_reason length ise değeri artırıp isteği yeniden gönderin.

İlgili yazılar

• Ücretsiz Nemotron 3.5 Super VL API: görsel ve video girdi
• Nemotron 3.5 Super VL: ücretsiz ve ücretli satır farkı
• Ekim 2026'da LLMTR'ye eklenen modeller: tablo ve rehber

• Nemotron 3.5 Super VL (Ücretsiz) model sayfası
• Araç çağırma dokümantasyonu
• Nemotron 3.5 Super VL dokümantasyonu
• Hata kodları