Table of Contents
背景
随着大语言模型在企业中的广泛部署，内容安全成为不容忽视的挑战。不同行业面临的风险各异：医疗保健平台需要防止患者数据泄露，金融聊天机器人必须警惕欺诈诱导，儿童教育应用则要过滤不当内容。然而，传统安全方案往往依赖单一分类器，难以兼顾多模态输入（文本、图像）和多语言场景，且无法适应企业自定义的安全策略。
NVIDIA 的内容安全堆栈在过去两年从专注英语文本的分类器演进为多任务模型家族。2026 年 3 月发布的 Nemotron 3 Content Safety 首次在 4B 参数模型中结合多模态和多语言能力。而今，NVIDIA 发布了 Nemotron 3.5 Content Safety，进一步统一多模态评估、扩展语言覆盖，并引入可定制的企业政策执行功能，将安全性、灵活性和可审计性整合到单次推理调用中。
核心内容分析
Nemotron 3.5 Content Safety 的主要改进体现在三个方面：
1. 统一多模态评估
该模型能够同时接受用户提示、可选图像和可选助手响应作为上下文，并生成连贯的安全判决。与分别评估各模态的传统方法不同，Nemotron 3.5 在一个推理过程中捕捉文本与图像之间、请求与响应之间交互产生的策略违规。例如，一张看似无害的图片配上特定文字可能构成骚扰，而这种多模态组合风险此前很难被单一分类器识别。
2. 全球语言覆盖
模型显式支持 12 种语言（英、法、西、德、中、日、韩、阿拉伯、印地、俄、葡、意），同时继承 Gemma 3 基础模型的零样本泛化能力，覆盖约 140 种语言。这意味着在缺乏训练数据的市场（如东南亚语言、斯堪的纳维亚语言、部分非洲语言）中，部署可直接受益于基础模型的多语言迁移，无需额外微调。
3. 可定制政策执行
这是 3.5 版本最重要的架构创新。企业生产环境极少遵循单一安全分类法。Nemotron 3.5 接受自定义政策规范作为输入，模型在推理时基于该政策生成判决，而非完全依赖内置分类。该功能扩展了此前在 Nemotron Content Safety Reasoning 4B 中引入的推理能力，首次在完整多模态、多语言设置中实现企业级定制，并附带可审计的推理过程。
行业影响
Nemotron 3.5 标志着企业 AI 安全从“一刀切”向“按需定制”的转变。其可审计推理能力使合规记录成为可能，尤其受到金融、医疗等强监管行业的关注。同时，统一多模态评估降低了系统复杂度，企业无需维护多个模型分别处理文本、图像和响应审核，从而减少延迟和成本。
值得注意的是，该模型基于开源基础模型 Gemma 3，延续了 NVIDIA 推动开放安全的策略。未来，随着多模态 Agent 和跨国应用的普及，Nemotron 3.5 有望成为企业安全流水线的标准组件。
