timesfm
TimesFM (Time Series Foundation Model) is a pretrained time-series foundation model developed by Google Research for time-series forecasting.
MCP server for NVIDIA NIM - 50+ LLMs, multimodal, image gen, embeddings, reranking
教 AI 做这类工作的 Skill,可与本项一起使用
TimesFM (Time Series Foundation Model) is a pretrained time-series foundation model developed by Google Research for time-series forecasting.
Open-source intelligence for the global theater. Track everything from the corporate/private jets of the wealthy, and spy satellites, to seismic events in one unified interface. Hook an AI agent up to have it parse through data and find previously unseen correlations. The knowledge is available to…
scrape data from Google Maps. Extracts data such as the name, address, phone number, website URL, rating, reviews number, latitude and longitude, reviews,email and more for each place
列表按使用分(满分 100)排序,由以下部分组成
| 热度 | 4/80 | GitHub 星标或每周下载量:较大的计 60,较小的计 20 |
|---|---|---|
| 新鲜度 | 3/12 | 30 天内有发布或代码更新得满分 |
| 仍在响应 | 0/8 | 上次检查时云端端点有响应 |
| 使用分 | 7/100 |
质量: 基础检查通过 3/3 项(仅展示,不用于排序) · 上升势头: 暂无数据 (只用于“上升中”标签)
选择你使用的 AI 应用,然后复制设置。
用一句话让 AI 帮你安装
请帮我安装 Nvidia Nim MCP。按照 https://mcp.popnx.com/i/david-eve-za-nvidia-nim-mcp.md 操作,先把命令给我看,等我同意后再运行。粘贴到能在你电脑上工作的 AI(如 Claude Code、Cursor)。它会读取我们的步骤,先给你看命令,等你同意。无需密钥,无需注册。 · 查看 AI 会读取的全文
通过 3/3 项检查 · 在你的电脑上运行 · ✓ 命令已检查 2026年11月14日
第一步:你用哪个 AI?
选择你用的应用,步骤会显示在下方。
可连接 Claude,但需要先准备
需要 Nvidia Nim MCP 的密钥(在开发者网站创建) · 需要先在电脑上安装 Node.js(只需一次) · 仅限电脑上的 Claude 应用(Windows 或 Mac),网页和手机不可用
把这段话复制到 Claude 的对话里。AI 会先检查电脑,告诉你要改哪个文件,并且每次都等你同意。
请在这台电脑上为 Claude 安装 MCP server Nvidia Nim MCP,按顺序:1) 用 node -v 检查是否有 Node.js。没有的话,请让我从 https://nodejs.org/en/download 安装,不要自己安装。2) 只使用这份配置(已通过 PopNx MCP 检查):{ "mcpServers": { "nvidia-nim": { "command": "npx", "args": [ "-y", "nvidia-nim-mcp" ], "env": { "NVIDIA_API_KEY": "your-value" } } } } 3) 告诉我要修改的文件完整路径或要运行的命令,等我同意。4) NVIDIA_API_KEY 先保留 "your-value",请我自己把真实值粘贴到文件或应用的输入框里。不要让我在对话里输入密钥。5) 按约定执行,然后确认 Nvidia Nim MCP 的工具真的出现了。这段话不包含你的密钥。如果需要密钥,AI 会请你自己粘贴到文件或应用的输入框里。
已经装好了吗?先检查 · 打开终端,输入这条命令后按 Enter
node -vMac:按 ⌘ + Space,输入 Terminal 后按 Enter
Windows:打开“开始”菜单,输入 Windows PowerShell,然后选“打开”
还没安装: 打开官方下载页,选择 LTS 版本和点选式安装程序:Mac 用 .pkg · Windows 用 .msi。双击后一路下一步即可,不需要 curl 命令
装好后关掉终端再打开,重新运行同一条命令,应显示版本号: node -v
安装一次,所有需要 Node.js 的工具都能用
SettingsDeveloperEdit Config
{
"mcpServers": {
"nvidia-nim": {
"command": "npx",
"args": [
"-y",
"nvidia-nim-mcp"
],
"env": {
"NVIDIA_API_KEY": "your-value"
}
}
}
}只把密钥粘贴到应用的输入框里,不要粘贴到聊天中或发给任何人
用 Nvidia Nim MCP 告诉我你能帮我做什么,然后做一件给我看✓ 如果 Claude 说正在使用 Nvidia Nim MCP,或回答中出现 Nvidia Nim MCP 的工具名称,就表示连接成功
上面的命令不填这些也能用。想调整时再按开发者的说明添加。
NVIDIA_NIM_BASE_URL 自托管 NIM 端点的基础 URL NVIDIA_AI_FOUNDATION_URL NVIDIA AI Foundation Models 的基础 URL(提供免费套餐) DEFAULT_MODEL 用于聊天/文本生成的默认模型 ENABLE_IMAGE_GENERATION 启用图像生成工具 ENABLE_VISION 启用视觉/图像分析工具。 ENABLE_MULTIMODAL 启用多模态工具 说明为自动翻译,变量名保持原样;不确定时请查看原文。
菜单名称已于 2026年11月11日 对照 Anthropic 帮助页面核实 · 你的界面可能因版本略有不同
ChatGPT 暂时无法连接 Nvidia Nim MCP
Nvidia Nim MCP 需要安装在你的电脑上,而 ChatGPT 只能连接在网上运行的服务器
A · 使用能连接 Nvidia Nim MCP 的应用
可连接 Claude Code,但需要先准备
需要 Nvidia Nim MCP 的密钥(在开发者网站创建) · 需要先在电脑上安装 Node.js(只需一次)
把这段话复制到 Claude Code 的对话里。AI 会先检查电脑,告诉你要改哪个文件,并且每次都等你同意。
请在这台电脑上为 Claude Code 安装 MCP server Nvidia Nim MCP,按顺序:1) 用 node -v 检查是否有 Node.js。没有的话,请让我从 https://nodejs.org/en/download 安装,不要自己安装。2) 只使用这份配置(已通过 PopNx MCP 检查):claude mcp add --scope user nvidia-nim --env NVIDIA_API_KEY=your-value -- npx -y nvidia-nim-mcp 3) 告诉我要修改的文件完整路径或要运行的命令,等我同意。4) NVIDIA_API_KEY 先保留 "your-value",请我自己把真实值粘贴到文件或应用的输入框里。不要让我在对话里输入密钥。5) 按约定执行,然后确认 Nvidia Nim MCP 的工具真的出现了。这段话不包含你的密钥。如果需要密钥,AI 会请你自己粘贴到文件或应用的输入框里。
已经装好了吗?先检查 · 打开终端,输入这条命令后按 Enter
node -vMac:按 ⌘ + Space,输入 Terminal 后按 Enter
Windows:打开“开始”菜单,输入 Windows PowerShell,然后选“打开”
还没安装: 打开官方下载页,选择 LTS 版本和点选式安装程序:Mac 用 .pkg · Windows 用 .msi。双击后一路下一步即可,不需要 curl 命令
装好后关掉终端再打开,重新运行同一条命令,应显示版本号: node -v
安装一次,所有需要 Node.js 的工具都能用
打开开发者网站,注册账户并创建 API 密钥,下一步要用。价格和免费方案请看开发者网站。
获取密钥的方法见下方开发者的 README
Mac:按 Command+空格,输入 Terminal · Windows:打开 PowerShell
claude mcp add --scope user nvidia-nim --env NVIDIA_API_KEY=your-value -- npx -y nvidia-nim-mcp按 Enter 前,把“your-value”改成你的密钥
只把密钥粘贴到应用的输入框里,不要粘贴到聊天中或发给任何人
应能看到 Nvidia Nim MCP 在列表中并显示已连接
用 Nvidia Nim MCP 告诉我你能帮我做什么,然后做一件给我看✓ 如果 Claude Code 说正在使用 Nvidia Nim MCP,或回答中出现 Nvidia Nim MCP 的工具名称,就表示连接成功
上面的命令不填这些也能用。想调整时再按开发者的说明添加。
NVIDIA_NIM_BASE_URL 自托管 NIM 端点的基础 URL NVIDIA_AI_FOUNDATION_URL NVIDIA AI Foundation Models 的基础 URL(提供免费套餐) DEFAULT_MODEL 用于聊天/文本生成的默认模型 ENABLE_IMAGE_GENERATION 启用图像生成工具 ENABLE_VISION 启用视觉/图像分析工具。 ENABLE_MULTIMODAL 启用多模态工具 说明为自动翻译,变量名保持原样;不确定时请查看原文。
菜单名称已于 2026年11月11日 对照 Anthropic 帮助页面核实 · 你的界面可能因版本略有不同
可连接 Cursor,但需要先准备
需要 Nvidia Nim MCP 的密钥(在开发者网站创建) · 需要先在电脑上安装 Node.js(只需一次)
把这段话复制到 Cursor 的对话里。AI 会先检查电脑,告诉你要改哪个文件,并且每次都等你同意。
请在这台电脑上为 Cursor 安装 MCP server Nvidia Nim MCP,按顺序:1) 用 node -v 检查是否有 Node.js。没有的话,请让我从 https://nodejs.org/en/download 安装,不要自己安装。2) 只使用这份配置(已通过 PopNx MCP 检查):{ "mcpServers": { "nvidia-nim": { "command": "npx", "args": [ "-y", "nvidia-nim-mcp" ], "env": { "NVIDIA_API_KEY": "your-value" } } } } 3) 告诉我要修改的文件完整路径或要运行的命令,等我同意。4) NVIDIA_API_KEY 先保留 "your-value",请我自己把真实值粘贴到文件或应用的输入框里。不要让我在对话里输入密钥。5) 按约定执行,然后确认 Nvidia Nim MCP 的工具真的出现了。这段话不包含你的密钥。如果需要密钥,AI 会请你自己粘贴到文件或应用的输入框里。
已经装好了吗?先检查 · 打开终端,输入这条命令后按 Enter
node -vMac:按 ⌘ + Space,输入 Terminal 后按 Enter
Windows:打开“开始”菜单,输入 Windows PowerShell,然后选“打开”
还没安装: 打开官方下载页,选择 LTS 版本和点选式安装程序:Mac 用 .pkg · Windows 用 .msi。双击后一路下一步即可,不需要 curl 命令
装好后关掉终端再打开,重新运行同一条命令,应显示版本号: node -v
安装一次,所有需要 Node.js 的工具都能用
打开开发者网站,注册账户并创建 API 密钥,下一步要用。价格和免费方案请看开发者网站。
获取密钥的方法见下方开发者的 README
在 Nvidia Nim MCP 的设置中,NVIDIA_API_KEY 还是空的,填入你的密钥并保存
只把密钥粘贴到应用的输入框里,不要粘贴到聊天中或发给任何人
用 Nvidia Nim MCP 告诉我你能帮我做什么,然后做一件给我看✓ 如果 Cursor 说正在使用 Nvidia Nim MCP,或回答中出现 Nvidia Nim MCP 的工具名称,就表示连接成功
上面的命令不填这些也能用。想调整时再按开发者的说明添加。
NVIDIA_NIM_BASE_URL 自托管 NIM 端点的基础 URL NVIDIA_AI_FOUNDATION_URL NVIDIA AI Foundation Models 的基础 URL(提供免费套餐) DEFAULT_MODEL 用于聊天/文本生成的默认模型 ENABLE_IMAGE_GENERATION 启用图像生成工具 ENABLE_VISION 启用视觉/图像分析工具。 ENABLE_MULTIMODAL 启用多模态工具 说明为自动翻译,变量名保持原样;不确定时请查看原文。
菜单名称已于 2026年11月11日 对照 Cursor 帮助页面核实 · 你的界面可能因版本略有不同
可连接 VS Code,但需要先准备
需要 Nvidia Nim MCP 的密钥(在开发者网站创建) · 需要先在电脑上安装 Node.js(只需一次)
把这段话复制到 VS Code 的对话里。AI 会先检查电脑,告诉你要改哪个文件,并且每次都等你同意。
请在这台电脑上为 VS Code 安装 MCP server Nvidia Nim MCP,按顺序:1) 用 node -v 检查是否有 Node.js。没有的话,请让我从 https://nodejs.org/en/download 安装,不要自己安装。2) 只使用这份配置(已通过 PopNx MCP 检查):{ "servers": { "nvidia-nim": { "type": "stdio", "command": "npx", "args": [ "-y", "nvidia-nim-mcp" ], "env": { "NVIDIA_API_KEY": "your-value" } } } } 3) 告诉我要修改的文件完整路径或要运行的命令,等我同意。4) NVIDIA_API_KEY 先保留 "your-value",请我自己把真实值粘贴到文件或应用的输入框里。不要让我在对话里输入密钥。5) 按约定执行,然后确认 Nvidia Nim MCP 的工具真的出现了。这段话不包含你的密钥。如果需要密钥,AI 会请你自己粘贴到文件或应用的输入框里。
已经装好了吗?先检查 · 打开终端,输入这条命令后按 Enter
node -vMac:按 ⌘ + Space,输入 Terminal 后按 Enter
Windows:打开“开始”菜单,输入 Windows PowerShell,然后选“打开”
还没安装: 打开官方下载页,选择 LTS 版本和点选式安装程序:Mac 用 .pkg · Windows 用 .msi。双击后一路下一步即可,不需要 curl 命令
装好后关掉终端再打开,重新运行同一条命令,应显示版本号: node -v
安装一次,所有需要 Node.js 的工具都能用
打开开发者网站,注册账户并创建 API 密钥,下一步要用。价格和免费方案请看开发者网站。
获取密钥的方法见下方开发者的 README
在 Nvidia Nim MCP 的设置中,NVIDIA_API_KEY 还是空的,填入你的密钥并保存
只把密钥粘贴到应用的输入框里,不要粘贴到聊天中或发给任何人
用 Nvidia Nim MCP 告诉我你能帮我做什么,然后做一件给我看✓ 如果 VS Code 说正在使用 Nvidia Nim MCP,或回答中出现 Nvidia Nim MCP 的工具名称,就表示连接成功
上面的命令不填这些也能用。想调整时再按开发者的说明添加。
NVIDIA_NIM_BASE_URL 自托管 NIM 端点的基础 URL NVIDIA_AI_FOUNDATION_URL NVIDIA AI Foundation Models 的基础 URL(提供免费套餐) DEFAULT_MODEL 用于聊天/文本生成的默认模型 ENABLE_IMAGE_GENERATION 启用图像生成工具 ENABLE_VISION 启用视觉/图像分析工具。 ENABLE_MULTIMODAL 启用多模态工具 说明为自动翻译,变量名保持原样;不确定时请查看原文。
菜单名称已于 2026年11月11日 对照 VS Code 帮助页面核实 · 你的界面可能因版本略有不同
Claude Code
claude mcp add --scope user nvidia-nim --env NVIDIA_API_KEY=your-value -- npx -y nvidia-nim-mcpClaude Desktop (claude_desktop_config.json)
{
"mcpServers": {
"nvidia-nim": {
"command": "npx",
"args": [
"-y",
"nvidia-nim-mcp"
],
"env": {
"NVIDIA_API_KEY": "your-value"
}
}
}
}Cursor (~/.cursor/mcp.json)
{
"mcpServers": {
"nvidia-nim": {
"command": "npx",
"args": [
"-y",
"nvidia-nim-mcp"
],
"env": {
"NVIDIA_API_KEY": "your-value"
}
}
}
}VS Code (mcp.json)
{
"servers": {
"nvidia-nim": {
"type": "stdio",
"command": "npx",
"args": [
"-y",
"nvidia-nim-mcp"
],
"env": {
"NVIDIA_API_KEY": "your-value"
}
}
}
}NVIDIA_API_KEY 机密 必填 envNVIDIA_NIM_BASE_URL envNVIDIA_AI_FOUNDATION_URL envDEFAULT_MODEL envENABLE_IMAGE_GENERATION envENABLE_VISION envENABLE_MULTIMODAL env说明为自动翻译,变量名保持原样;不确定时请查看原文。
这些设置是根据作者在注册中心的条目生成的。如果 README 的写法不同,请以 README 为准。
依据这个服务器的连接方式和各应用自己的文档,检查于 2026年11月10日。
在你的电脑上运行,适用于
ClaudeGooseLM StudioMsty StudioCherry StudioCursorVS Code + GitHub CopilotVisual StudioWindsurf (Devin Desktop)ZedKiroClineContinueJetBrains AI AssistantClaude CodeCodex CLIGemini CLIOpenCodenodecodeWarpLibreChatRaycast
它在你的电脑上运行;安装后,工具列表会显示在你的 AI 应用中。
我们检查的是任何人都能看到的信息;我们没有阅读代码。不适用的检查项不计入总数。 · 检查于 2026年11月19日
注册名称已通过 GitHub 账户 david-eve-za 验证,该账户拥有此仓库
代码最后更新于3个月前
使用 MIT
它在你的电脑上运行,没有互联网端点
在你的电脑上运行,改用本地设置
它在你的电脑上运行;我们只能读取互联网端点的工具列表
OSV.dev 中没有 nvidia-nim-mcp@2.1.2 的记录
只检查这个版本的包本身,不包括所有依赖 · 检查于 2026年11月16日
如果你是作者,可把这段代码贴到 README。徽章会链接回本页。
[](https://mcp.popnx.com/en/servers/david-eve-za-nvidia-nim-mcp)提问、分享技巧或报告无法使用。按“有帮助”数量排序。
还没有评价
与注册中心里这个分类中所有活跃的服务器比较。只有当发布者拥有该仓库时,星标数才计入。
它在 3 项适用的基础检查中通过了 3 项。我们没有阅读代码。在添加密钥或令牌之前,请先看看这个服务器要求哪些权限,并使用只具备所需权限的密钥。
你需要填写:NVIDIA_API_KEY
它在你的电脑上运行。你的 AI 应用会在需要时启动它,数据不会经过作者的服务器(除非它自己调用在线服务)。
GitHub 仓库最后更新于3个月前,最新版本(2.1.2)于5个月前进入注册中心。
支持 MCP 的应用,例如 Claude Desktop、Claude Code、Cursor 和 VS Code。你的电脑上还需要有 Node.js。
同一分类中有:OpenSEO, Exa, Microsoft Learn MCP, Docs, COTAL actions (cotal.ai)
同一分类、其他作者、命令已通过检查。官方的排在前面,再按星标排序。
如何看卡片:↓ 每周下载量i★ GitHub 星标i三大支柱:评价 · 检查 · 使用情况i更新 = 最新版本发布到注册中心的时间i
Keyword research, site audits, rank tracking and AI visibility for your AI agent.
Connect AI agents to Exa for web search, content fetching, and multi-step research.
Official Microsoft Learn MCP Server – real-time, trusted docs & code samples for AI and LLMs.
cotal.ai actions: product overview, site search, build log, feedback, Cloud waitlist, updates, calls
| 本项 Nvidia Nim MCP | OpenSEO | Exa | Microsoft Learn MCP | Docs | COTAL actions (cotal.ai) | |
|---|---|---|---|---|---|---|
| 运行位置 | 需要安装在电脑上 | 在云端运行,无需安装 | 在云端运行,无需安装 | 在云端运行,无需安装 | 在云端运行,无需安装 | 在云端运行,无需安装 |
| 需要密钥 | 是 | 否 | 否 | 否 | 否 | 否 |
| 可在 Claude 中按 + 添加 | 否 | 是 | 是 | 是 | 否 | 否 |
| 基础检查 | 3/3 | 5/5 | 2/4 | 4/4 | 4/4 | 4/4 |
| 许可证 | MIT | MIT | MIT | CC-BY-4.0 | NOASSERTION | Apache-2.0 |
| 价格 | 登记中未列出费用 | 登记中未列出费用 | 登记中未列出费用 | 登记中未列出费用 | 登记中未列出费用 | 登记中未列出费用 |
按原文从作者的仓库复制。PopNx MCP 没有审查或背书其内容。HTML、图片和脚本已被移除。链接会离开本站。
A production-ready Model Context Protocol (MCP) server for consuming NVIDIA NIM (NVIDIA Inference Microservices) models. Supports 50+ LLMs, multimodal models, image generation, embeddings, reranking, function calling, vision, and code-specialized models with rich metadata for intelligent agent selection.
NVIDIA_API_KEY required; all others have sensible defaultsnvapi-...)# Install globally
npm install -g nvidia-nim-mcp
nvidia-nim-mcp
# Initialize your project
npm init -y
npm install nvidia-nim-mcp
npx nvidia-nim-mcp
# Clone / download the project
cd nvidia-nim-mcp
npm install
npm run build
# Pull from Docker Hub (when published)
docker pull nvidia-nim-mcp
docker build -t nvidia-nim-mcp .
Copy .env.example to .env and fill in your API key:
cp .env.example .env
Only `NVIDIA_API_KEY` is required — all other variables have production-ready defaults:
| Variable | Required | Default | Description | |||
|---|---|---|---|---|---|---|
NVIDIA_API_KEY | ✅ | — | Your NVIDIA NGC API key | |||
NVIDIA_NIM_BASE_URL | ❌ | https://integrate.api.nvidia.com/v1 | Base URL for NIM API | |||
DEFAULT_MODEL | ❌ | black-forest-labs/flux.1-dev | Default model (best image generation) | |||
MAX_REQUESTS_PER_MINUTE | ❌ | 40 | Rate limit cap (NVIDIA API limit) | |||
MAX_TOKENS_PER_REQUEST | ❌ | 4096 | Hard cap on tokens per request | |||
REQUEST_TIMEOUT_MS | ❌ | 120000 | Request timeout (ms) | |||
MAX_RETRIES | ❌ | 3 | Max retry attempts on failure | |||
RETRY_DELAY_MS | ❌ | 1000 | Base delay between retries (ms) | |||
LOG_LEVEL | ❌ | info | `error\ | warn\ | info\ | debug` |
ENABLE_IMAGE_GENERATION | ❌ | true | Enable image generation tools | |||
ENABLE_VISION | ❌ | true | Enable vision/multimodal tools | |||
ENABLE_MULTIMODAL | ❌ | true | Enable multimodal task tools |
# Run the server
nvidia-nim-mcp
NVIDIA_API_KEY=nvapi-your-key LOG_LEVEL=debug nvidia-nim-mcp
# Run with npx
npx nvidia-nim-mcp
npm start
# Development mode with auto-reload
npm run dev
npm run build && npm start
# Run with environment variables
docker run --rm \ -e NVIDIA_API_KEY=nvapi-your-key \ -e LOG_LEVEL=info \ nvidia-nim-mcp
docker run -d \ --name nvidia-nim-mcp \ -e NVIDIA_API_KEY=nvapi-your-key \ nvidia-nim-mcp
# Make executable (if not already)
chmod +x dist/index.js
./dist/index.js
NVIDIA_API_KEY=nvapi-your-key ./dist/index.js
{
"mcpServers": { "nvidia-nim": { "command": "nvidia-nim-mcp", "env": { "NVIDIA_API_KEY": "nvapi-your-key-here", "LOG_LEVEL": "info" } } } }
{
"mcpServers": { "nvidia-nim": { "command": "npx", "args": ["nvidia-nim-mcp"], "env": { "NVIDIA_API_KEY": "nvapi-your-key-here", "LOG_LEVEL": "info" } } } }
{
"mcpServers": { "nvidia-nim": { "command": "node", "args": ["/absolute/path/to/nvidia-nim-mcp/dist/index.js"], "env": { "NVIDIA_API_KEY": "nvapi-your-key-here", "LOG_LEVEL": "info" } } } }
chat_completionMulti-turn conversation with any NIM LLM.
{
"model": "nvidia/nemotron-3-ultra-550b-a55b", "messages": [ { "role": "user", "content": "Explain quantum computing" } ], "temperature": 0.3, "max_tokens": 4096 }
text_generationSingle-prompt text generation (simplified interface).
{
"prompt": "Write a haiku about machine learning", "temperature": 0.5, "max_tokens": 512 }
create_embeddingsConvert text(s) to vector embeddings for RAG/search.
{
"model": "nvidia/nv-embed-v1", "input": ["NVIDIA makes GPUs", "AI runs on GPUs"], "truncate": "END" }
rerank_passagesRerank passages by relevance to a query.
{
"query": "What is CUDA?", "passages": ["CUDA is a GPU programming platform", "NIM serves AI models"], "top_k": 3 }
function_callingUse NIM models with tool/function calling.
{
"model": "z-ai/glm-5.1", "messages": [{ "role": "user", "content": "What's the weather in Paris?" }], "tools": [{ "type": "function", "function": { "name": "get_weather", "description": "Get current weather", "parameters": { "type": "object", "properties": { "city": { "type": "string" } }, "required": ["city"] } } }] }
generate_imageGenerate images from text prompts using FLUX.1, SDXL, SD3, DiffusionGemma.
{
"model": "black-forest-labs/flux.1-dev", "prompt": "A photorealistic mountain landscape at sunset, 8K", "width": 1024, "height": 1024, "steps": 30, "cfg_scale": 3.5, "sampler": "euler_a", "scheduler": "simple" }
analyze_imageAnalyze and describe images using vision/multimodal models.
{
"model": "moonshotai/kimi-k2.6", "image_url": "https://example.com/image.jpg", "prompt": "Describe this image in detail", "detail": "high" }
multimodal_taskPerform multimodal tasks combining text and images.
{
"model": "minimaxai/minimax-m3", "messages": [ { "role": "user", "content": [ { "type": "text", "text": "Analyze this chart" }, { "type": "image_url", "image_url": { "url": "https://example.com/chart.png" } } ] } ], "max_tokens": 2048 }
list_modelsList available models with rich metadata and advanced filtering.
{
"category": "code", "commercial_use": true, "supports_reasoning": true, "tags": ["coding", "agentic"], "include_details": true }
Filter Options:
category: language, embedding, reranking, vision, code, multimodal, image_generation, allcommercial_use: Filter by commercial licensesupports_reasoning: Filter by reasoning capabilitysupports_vision: Filter by vision capabilitysupports_function_calling: Filter by function callingsupports_multimodal: Filter by multimodal inputmin_context_length: Minimum context window (tokens)tags: Filter by use case tagshardware: Filter by GPU type (Hopper, Blackwell, Ampere)include_details: Include full metadata (benchmarks, image specs, etc.)get_model_infoGet complete metadata for a specific model.
{ "model_id": "nvidia/nemotron-3-ultra-550b-a55b" }
Returns: licensing, hardware requirements, benchmarks, image gen specs, reasoning modes, tags, supported languages, etc.
compare_modelsCompare 2-5 models side-by-side across all decision factors.
{
"model_ids": [ "nvidia/nemotron-3-ultra-550b-a55b", "deepseek-ai/deepseek-v4-pro", "moonshotai/kimi-k2.6", "z-ai/glm-5.1" ] }
Returns: Structured comparison table with licensing, hardware, benchmarks, capabilities, tags, image generation specs, etc.
| Model | Parameters | Context | License | Commercial | Best For |
|---|---|---|---|---|---|
nvidia/nemotron-3-ultra-550b-a55b | 550B (55B active) | 131K | OpenMDW-1.1 | ✅ | Frontier reasoning, coding, agentic, 1M context, multilingual |
nvidia/nemotron-3-ultra-550b-a55b-instruct | 550B | 131K | OpenMDW-1.1 | ✅ | Instruction-tuned variant |
minimaxai/minimax-m3 | 428B (22B active) | 1M | Non-Commercial | ❌ | Multimodal, video (30min), 8hr coding, agentic |
moonshotai/kimi-k2.6 | 1T (32B active) | 256K | Modified MIT | ✅ | Long-horizon coding, 300 agents, vision, agentic |
deepseek-ai/deepseek-v4-pro | 1.6T (49B active) | 1M | MIT | ✅ | Advanced coding, math, reasoning, 3 reasoning modes |
z-ai/glm-5.1 | 754B (DSA) | 131K | MIT | ✅ | Software engineering, agentic, SWE-Bench 58.4% |
qwen/qwen3.5-397b-a17b | 397B (MoE) | 131K | Research | ❌ | Large-scale multilingual, multimodal |
mistralai/mistral-large-3-675b-instruct-2512 | 675B | 131K | Research | ❌ | Frontier reasoning, multimodal |
openai/gpt-oss-120b | 120B | 131K | Apache 2.0 | ✅ | Open-weight, research, fine-tuning |
google/diffusiongemma-26b-a4b-it | 25.2B (3.8B active) | 256K | Apache 2.0 | ✅ | Diffusion text gen, 35+ langs, fast, multimodal |
| Model | Parameters | Context | License | Commercial |
|---|---|---|---|---|
z-ai/glm-5.1 | 754B | 131K | MIT | ✅ |
z-ai/glm5 | - | 128K | Z.ai | ✅ |
qwen/qwen2.5-coder-32b-instruct | 32B | 131K | Research | ❌ |
| Model | Parameters | Context | Vision | Video | License | Commercial |
|---|---|---|---|---|---|---|
meta/llama-3.2-90b-vision-instruct | 90B | 128K | ✅ | ❌ | Llama 3.2 | ✅ |
meta/llama-3.2-11b-vision-instruct | 11B | 128K | ✅ | ❌ | Llama 3.2 | ✅ |
nvidia/neva-22b | 22B | 4K | ✅ | ❌ | NVIDIA | ✅ |
microsoft/phi-3.5-vision-instruct | - | 128K | ✅ | ❌ | MIT | ✅ |
minimaxai/minimax-m3 | 428B | 1M | ✅ | ✅ (30min) | Non-Commercial | ❌ |
moonshotai/kimi-k2.6 | 1T | 256K | ✅ | ✅ | Modified MIT | ✅ |
| Model | Architecture | Resolutions | Aspect Ratios | Max Images | ControlNet | License | Commercial |
|---|---|---|---|---|---|---|---|
black-forest-labs/flux.1-dev | Diffusion Transformer | 1024², 1152×896, 1344×768, 21:9 | 1:1, 16:9, 9:16, 4:3, 3:4, 21:9 | 1 | Canny, Depth | Apache 2.0* | ❌* |
black-forest-labs/flux.1-kontext-dev | Diffusion Transformer | Same | Same | 1 | - | Apache 2.0* | ❌* |
nvidia/stable-diffusion-xl | UNet + Attention | 1024², 1152×896, 1216×832 | 1:1, 16:9, 9:16, 4:3, 3:4 | 4 | - | SDXL 1.0 | ✅** |
stabilityai/sd-3-medium | SD3 | Same | Same | 2 | - | Stability AI | ✅** |
nvidia/sdxl-turbo | ADD | 512², 1024² | 1:1 | 4 | - | SDXL 1.0 | ✅** |
*\*Non-commercial default; commercial via contact* **\*\*Requires Stability AI membership**