Amazon Nova 2 Lite ist Amazons multimodales Verstehensmodell der zweiten Generation für alltägliche Unternehmensarbeit und anspruchsvollere Agentenaufgaben. Es akzeptiert Text, Bilder und Video einschließlich Dokumentinhalten und erzeugt Text. Praktische Aufgaben umfassen auf bereitgestelltes Material gestützte Supportantworten, die Extraktion von Informationen aus Berichten, die Analyse von Diagrammen oder Screenshots, Codeprüfung und das Zusammenfassen visueller Ereignisse. Es ist ein Verstehensmodell: Videoeingaben werden analysiert statt neu erzeugt, und seine dokumentierte Ausgabe ist Text statt nativer Bilder, Videos oder Sprache.
Das Modellprofil des Herstellers führt ein Kontextfenster von 1 Million Token und eine standardmäßige maximale Ausgabe von 64K Token an. Sein dokumentierter Wissensstand reicht bis Oktober 2025. Dieser größere Arbeitskontext unterscheidet Nova 2 Lite vom 300K-Fenster des Nova Lite der ersten Generation. Nutzen Sie den Raum für tatsächliche Quelldokumente, relevantes Gespräch, Code und Anweisungen und fordern Sie anschließend ein gezieltes Artefakt an, etwa eine Belegtabelle, einen Änderungsvorschlag oder eine nach Quellen gegliederte Zusammenfassung. Ein langer Kontext verwandelt erlerntes Wissen nicht in eine Live-Datenbank; veränderliche Informationen sollten aus bereitgestellten Belegen, Abruf oder einem aktivierten Werkzeug zur Quellenanbindung stammen.
Erweitertes Denken ist optional und standardmäßig deaktiviert. Bei Aktivierung bietet der Hersteller die Aufwandsstufen low, medium und high an: low für mäßig komplexe Analyse, medium für umfangreiche mehrstufige Arbeit und high für das tiefste Schlussfolgern. Einfache Extraktion und kurze sachliche Antworten können ohne Denken arbeiten; schwierige Fehlersuche, mathematisches Schlussfolgern und Synthese über Dokumente hinweg können von zusätzlichem Aufwand profitieren. Überlegungsinhalte werden als [REDACTED] zurückgegeben und sind daher keine lesbare schrittweise Spur. Der Vertrag für high verlangt, temperature, topP, topK und maxTokens wegzulassen; Amazon dokumentiert, dass manche Ausgaben mit hohem Aufwand 65K Token überschreiten und 128K erreichen können, statt 128K als gewöhnliches Ausgabebudget festzulegen.
Nova 2 Lite unterstützt Funktionsaufrufe, Antwortstreaming und Prompt-Caching im dokumentierten Bereitstellungsprofil von Amazon. Ausdrückliches Caching benötigt mindestens 1K Token pro Checkpoint und erlaubt bis zu vier Checkpoints mit fünf Minuten Aufbewahrungsdauer. Der Hersteller begrenzt Prompt-Caching auf 20K Token, vorwiegend für Textprompts; dieses Cachebudget ist vom vollständigen Kontextfenster getrennt. Stellen Sie klare Werkzeugnamen, Beschreibungen und Argumentschemas bereit; das Modell wählt ein Werkzeug und fordert Argumente an, während die Anwendung benutzerdefinierte Werkzeuge ausführt und deren Ergebnisse zurückgibt. Amazon dokumentiert außerdem optional integriertes Web Grounding für aktuelle Informationen mit Quellenangaben und einen Python Code Interpreter für Berechnungen. Das sind konfigurierte Werkzeuge und keine durch jede Antwort vorausgesetzten Tätigkeiten. Amazon dokumentiert auch überwachte Feinabstimmung und Reinforcement-Feinabstimmung zur Anpassung von Nova 2 Lite an eine spezialisierte Aufgabe; das sind separate Abläufe zur Modellanpassung. Für einen Zahlenbericht trennt ein hilfreiches Briefing Quellzahlen, auszuführende Berechnung und zurückzugebende Erklärung; Werkzeugfehler sollten im zurückgegebenen Ergebnis sichtbar bleiben und nicht als erfolgreiche Beobachtungen behandelt werden.
Der multimodale Leitfaden führt PNG-, JPEG-, GIF- und WebP-Bilder an; bei animiertem GIF oder WebP wird nur das erste Bild verwendet. Videoformate umfassen MP4, MOV, MKV, WebM, FLV, MPEG, MPG, WMV und 3GP. Dokumente umfassen PDF, DOC/DOCX, TXT, CSV, XLS/XLSX, HTML und Markdown. Textbasierte Formate werden vorwiegend als Text gelesen, während PDF und DOCX Text und visuelle Seiteninhalte kombinieren können. Der Dokumentablauf des Herstellers erlaubt bis zu fünf Dokumente und begrenzt jedes Textdokument auf 4,5 MB. Das Profil für eingebettete Bilder erlaubt fünf Bilder und 25 MB Nutzdaten; S3-Bildeingabe erlaubt bis zu 1.000 Bilder und insgesamt 2 GB. Videoeingabe erlaubt eine Datei: 25 MB eingebettet oder 1 GB über S3. PDF- und DOCX-Dateien teilen sich ein gemeinsames Budget von 25 MB für direkten Upload oder 2 GB über S3. PDFs mit CMYK- oder SVG-Bildern werden nicht unterstützt. Diese Details zur Dateiverarbeitung gehören zum dokumentierten Herstellerablauf; fügen Sie die tatsächlich relevanten Inhalte bei und erhalten Sie ihre Seiten- oder Abschnittsbezeichnungen für hilfreiche Referenzen.
Videoverständnis verwendet visuelle Einzelbilder statt der Audiospur. Für Videos mit 16 Minuten oder weniger beschreibt der Leitfaden ein abgetastetes Bild pro Sekunde; sein Fließtext beschreibt die Verringerung der Abtastrate bei längeren Clips, um 960 Bilder beizubehalten. Schnelle Handlungen zwischen Bildern können daher übersehen werden. Bevorzugen Sie einen relevanten Clip und eine ausdrückliche Frage zu Szenen oder Ereignissen; stellen Sie ein separates Transkript bereit, wenn gesprochene Informationen wichtig sind. Kleine oder mehrsprachige Texte und präzise räumliche Beziehungen können ebenfalls schwierig sein; erhalten Sie daher lesbare Beschriftungen und ausreichend umgebenden visuellen Kontext. Der Hersteller gibt außerdem an, dass dieses Modell Personen in Bildern, Dokumenten oder Videos weder identifiziert noch namentlich benennt.
Amazon dokumentiert Unterstützung für über 200 Sprachen mit Optimierung für Englisch, Deutsch, Spanisch, Französisch, Italienisch, Japanisch, Koreanisch, Arabisch, vereinfachtes Chinesisch, Russisch, Hindi, Portugiesisch, Niederländisch, Türkisch und Hebräisch. Geben Sie erforderliche Ausgabesprache und Terminologie an, besonders wenn die Quellen mehrere Sprachen verwenden. Legen Sie für einen Dokumentablauf Fragen, Belegkennungen und endgültige Struktur fest und bitten Sie das Modell anschließend, genannte Fakten von fehlenden Informationen zu unterscheiden. Sein nützliches Ergebnis ist eine quellengestützte Antwort oder ein durch Werkzeugergebnisse informiertes Artefakt und keine Annahme, dass jedes Detail einer großen Eingabe erfasst wurde.
", "aboutText": "Amazon Nova 2 Lite ist Amazons multimodales Verstehensmodell der zweiten Generation für alltägliche Unternehmensarbeit und anspruchsvollere Agentenaufgaben. Es akzeptiert Text, Bilder und Video einschließlich Dokumentinhalten und erzeugt Text. Praktische Aufgaben umfassen auf bereitgestelltes Material gestützte Supportantworten, die Extraktion von Informationen aus Berichten, die Analyse von Diagrammen oder Screenshots, Codeprüfung und das Zusammenfassen visueller Ereignisse. Es ist ein Verstehensmodell: Videoeingaben werden analysiert statt neu erzeugt, und seine dokumentierte Ausgabe ist Text statt nativer Bilder, Videos oder Sprache.\n\nDas Modellprofil des Herstellers führt ein Kontextfenster von 1 Million Token und eine standardmäßige maximale Ausgabe von 64K Token an. Sein dokumentierter Wissensstand reicht bis Oktober 2025. Dieser größere Arbeitskontext unterscheidet Nova 2 Lite vom 300K-Fenster des Nova Lite der ersten Generation. Nutzen Sie den Raum für tatsächliche Quelldokumente, relevantes Gespräch, Code und Anweisungen und fordern Sie anschließend ein gezieltes Artefakt an, etwa eine Belegtabelle, einen Änderungsvorschlag oder eine nach Quellen gegliederte Zusammenfassung. Ein langer Kontext verwandelt erlerntes Wissen nicht in eine Live-Datenbank; veränderliche Informationen sollten aus bereitgestellten Belegen, Abruf oder einem aktivierten Werkzeug zur Quellenanbindung stammen.\n\nErweitertes Denken ist optional und standardmäßig deaktiviert. Bei Aktivierung bietet der Hersteller die Aufwandsstufen low, medium und high an: low für mäßig komplexe Analyse, medium für umfangreiche mehrstufige Arbeit und high für das tiefste Schlussfolgern. Einfache Extraktion und kurze sachliche Antworten können ohne Denken arbeiten; schwierige Fehlersuche, mathematisches Schlussfolgern und Synthese über Dokumente hinweg können von zusätzlichem Aufwand profitieren. Überlegungsinhalte werden als [REDACTED] zurückgegeben und sind daher keine lesbare schrittweise Spur. Der Vertrag für high verlangt, temperature, topP, topK und maxTokens wegzulassen; Amazon dokumentiert, dass manche Ausgaben mit hohem Aufwand 65K Token überschreiten und 128K erreichen können, statt 128K als gewöhnliches Ausgabebudget festzulegen.\n\nNova 2 Lite unterstützt Funktionsaufrufe, Antwortstreaming und Prompt-Caching im dokumentierten Bereitstellungsprofil von Amazon. Ausdrückliches Caching benötigt mindestens 1K Token pro Checkpoint und erlaubt bis zu vier Checkpoints mit fünf Minuten Aufbewahrungsdauer. Der Hersteller begrenzt Prompt-Caching auf 20K Token, vorwiegend für Textprompts; dieses Cachebudget ist vom vollständigen Kontextfenster getrennt. Stellen Sie klare Werkzeugnamen, Beschreibungen und Argumentschemas bereit; das Modell wählt ein Werkzeug und fordert Argumente an, während die Anwendung benutzerdefinierte Werkzeuge ausführt und deren Ergebnisse zurückgibt. Amazon dokumentiert außerdem optional integriertes Web Grounding für aktuelle Informationen mit Quellenangaben und einen Python Code Interpreter für Berechnungen. Das sind konfigurierte Werkzeuge und keine durch jede Antwort vorausgesetzten Tätigkeiten. Amazon dokumentiert auch überwachte Feinabstimmung und Reinforcement-Feinabstimmung zur Anpassung von Nova 2 Lite an eine spezialisierte Aufgabe; das sind separate Abläufe zur Modellanpassung. Für einen Zahlenbericht trennt ein hilfreiches Briefing Quellzahlen, auszuführende Berechnung und zurückzugebende Erklärung; Werkzeugfehler sollten im zurückgegebenen Ergebnis sichtbar bleiben und nicht als erfolgreiche Beobachtungen behandelt werden.\n\nDer multimodale Leitfaden führt PNG-, JPEG-, GIF- und WebP-Bilder an; bei animiertem GIF oder WebP wird nur das erste Bild verwendet. Videoformate umfassen MP4, MOV, MKV, WebM, FLV, MPEG, MPG, WMV und 3GP. Dokumente umfassen PDF, DOC/DOCX, TXT, CSV, XLS/XLSX, HTML und Markdown. Textbasierte Formate werden vorwiegend als Text gelesen, während PDF und DOCX Text und visuelle Seiteninhalte kombinieren können. Der Dokumentablauf des Herstellers erlaubt bis zu fünf Dokumente und begrenzt jedes Textdokument auf 4,5 MB. Das Profil für eingebettete Bilder erlaubt fünf Bilder und 25 MB Nutzdaten; S3-Bildeingabe erlaubt bis zu 1.000 Bilder und insgesamt 2 GB. Videoeingabe erlaubt eine Datei: 25 MB eingebettet oder 1 GB über S3. PDF- und DOCX-Dateien teilen sich ein gemeinsames Budget von 25 MB für direkten Upload oder 2 GB über S3. PDFs mit CMYK- oder SVG-Bildern werden nicht unterstützt. Diese Details zur Dateiverarbeitung gehören zum dokumentierten Herstellerablauf; fügen Sie die tatsächlich relevanten Inhalte bei und erhalten Sie ihre Seiten- oder Abschnittsbezeichnungen für hilfreiche Referenzen.\n\nVideoverständnis verwendet visuelle Einzelbilder statt der Audiospur. Für Videos mit 16 Minuten oder weniger beschreibt der Leitfaden ein abgetastetes Bild pro Sekunde; sein Fließtext beschreibt die Verringerung der Abtastrate bei längeren Clips, um 960 Bilder beizubehalten. Schnelle Handlungen zwischen Bildern können daher übersehen werden. Bevorzugen Sie einen relevanten Clip und eine ausdrückliche Frage zu Szenen oder Ereignissen; stellen Sie ein separates Transkript bereit, wenn gesprochene Informationen wichtig sind. Kleine oder mehrsprachige Texte und präzise räumliche Beziehungen können ebenfalls schwierig sein; erhalten Sie daher lesbare Beschriftungen und ausreichend umgebenden visuellen Kontext. Der Hersteller gibt außerdem an, dass dieses Modell Personen in Bildern, Dokumenten oder Videos weder identifiziert noch namentlich benennt.\n\nAmazon dokumentiert Unterstützung für über 200 Sprachen mit Optimierung für Englisch, Deutsch, Spanisch, Französisch, Italienisch, Japanisch, Koreanisch, Arabisch, vereinfachtes Chinesisch, Russisch, Hindi, Portugiesisch, Niederländisch, Türkisch und Hebräisch. Geben Sie erforderliche Ausgabesprache und Terminologie an, besonders wenn die Quellen mehrere Sprachen verwenden. Legen Sie für einen Dokumentablauf Fragen, Belegkennungen und endgültige Struktur fest und bitten Sie das Modell anschließend, genannte Fakten von fehlenden Informationen zu unterscheiden. Sein nützliches Ergebnis ist eine quellengestützte Antwort oder ein durch Werkzeugergebnisse informiertes Artefakt und keine Annahme, dass jedes Detail einer großen Eingabe erfasst wurde.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Draft a grounded support reply\n\nWrite a customer reply using only this help article: A replacement may be requested within 14 days of delivery for a damaged item; include the order number and a photo in the support ticket. Customer: My parcel arrived broken yesterday. Can you send another? Explain the next step without claiming a replacement has already been approved.A customer-ready reply of 60–90 words covering eligibility, required ticket information and the next action.Check that the reply requests the order number and photo without asserting that a ticket or replacement was created.amazon/nova-2-lite-v1Amazon Nova 2 Lite verbindet Text-, Bild-, Dokument- und Videoverständnis mit optionalem erweitertem Denken und Werkzeugnutzung. Sein Kontext von einer Million Token unterstützt Dokumentabläufe, Programmierung und Agenten, die über mehrere Schritte schlussfolgern müssen.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Amazon Nova 2 Lite ist Amazons multimodales Verstehensmodell der zweiten Generation für alltägliche Unternehmensarbeit und anspruchsvollere Agentenaufgaben. Es akzeptiert Text, Bilder und Video einschließlich Dokumentinhalten und erzeugt Text. Praktische Aufgaben umfassen auf bereitgestelltes Material gestützte Supportantworten, die Extraktion von Informationen aus Berichten, die Analyse von Diagrammen oder Screenshots, Codeprüfung und das Zusammenfassen visueller Ereignisse. Es ist ein Verstehensmodell: Videoeingaben werden analysiert statt neu erzeugt, und seine dokumentierte Ausgabe ist Text statt nativer Bilder, Videos oder Sprache.
Das Modellprofil des Herstellers führt ein Kontextfenster von 1 Million Token und eine standardmäßige maximale Ausgabe von 64K Token an. Sein dokumentierter Wissensstand reicht bis Oktober 2025. Dieser größere Arbeitskontext unterscheidet Nova 2 Lite vom 300K-Fenster des Nova Lite der ersten Generation. Nutzen Sie den Raum für tatsächliche Quelldokumente, relevantes Gespräch, Code und Anweisungen und fordern Sie anschließend ein gezieltes Artefakt an, etwa eine Belegtabelle, einen Änderungsvorschlag oder eine nach Quellen gegliederte Zusammenfassung. Ein langer Kontext verwandelt erlerntes Wissen nicht in eine Live-Datenbank; veränderliche Informationen sollten aus bereitgestellten Belegen, Abruf oder einem aktivierten Werkzeug zur Quellenanbindung stammen.
Erweitertes Denken ist optional und standardmäßig deaktiviert. Bei Aktivierung bietet der Hersteller die Aufwandsstufen low, medium und high an: low für mäßig komplexe Analyse, medium für umfangreiche mehrstufige Arbeit und high für das tiefste Schlussfolgern. Einfache Extraktion und kurze sachliche Antworten können ohne Denken arbeiten; schwierige Fehlersuche, mathematisches Schlussfolgern und Synthese über Dokumente hinweg können von zusätzlichem Aufwand profitieren. Überlegungsinhalte werden als [REDACTED] zurückgegeben und sind daher keine lesbare schrittweise Spur. Der Vertrag für high verlangt, temperature, topP, topK und maxTokens wegzulassen; Amazon dokumentiert, dass manche Ausgaben mit hohem Aufwand 65K Token überschreiten und 128K erreichen können, statt 128K als gewöhnliches Ausgabebudget festzulegen.
Nova 2 Lite unterstützt Funktionsaufrufe, Antwortstreaming und Prompt-Caching im dokumentierten Bereitstellungsprofil von Amazon. Ausdrückliches Caching benötigt mindestens 1K Token pro Checkpoint und erlaubt bis zu vier Checkpoints mit fünf Minuten Aufbewahrungsdauer. Der Hersteller begrenzt Prompt-Caching auf 20K Token, vorwiegend für Textprompts; dieses Cachebudget ist vom vollständigen Kontextfenster getrennt. Stellen Sie klare Werkzeugnamen, Beschreibungen und Argumentschemas bereit; das Modell wählt ein Werkzeug und fordert Argumente an, während die Anwendung benutzerdefinierte Werkzeuge ausführt und deren Ergebnisse zurückgibt. Amazon dokumentiert außerdem optional integriertes Web Grounding für aktuelle Informationen mit Quellenangaben und einen Python Code Interpreter für Berechnungen. Das sind konfigurierte Werkzeuge und keine durch jede Antwort vorausgesetzten Tätigkeiten. Amazon dokumentiert auch überwachte Feinabstimmung und Reinforcement-Feinabstimmung zur Anpassung von Nova 2 Lite an eine spezialisierte Aufgabe; das sind separate Abläufe zur Modellanpassung. Für einen Zahlenbericht trennt ein hilfreiches Briefing Quellzahlen, auszuführende Berechnung und zurückzugebende Erklärung; Werkzeugfehler sollten im zurückgegebenen Ergebnis sichtbar bleiben und nicht als erfolgreiche Beobachtungen behandelt werden.
Der multimodale Leitfaden führt PNG-, JPEG-, GIF- und WebP-Bilder an; bei animiertem GIF oder WebP wird nur das erste Bild verwendet. Videoformate umfassen MP4, MOV, MKV, WebM, FLV, MPEG, MPG, WMV und 3GP. Dokumente umfassen PDF, DOC/DOCX, TXT, CSV, XLS/XLSX, HTML und Markdown. Textbasierte Formate werden vorwiegend als Text gelesen, während PDF und DOCX Text und visuelle Seiteninhalte kombinieren können. Der Dokumentablauf des Herstellers erlaubt bis zu fünf Dokumente und begrenzt jedes Textdokument auf 4,5 MB. Das Profil für eingebettete Bilder erlaubt fünf Bilder und 25 MB Nutzdaten; S3-Bildeingabe erlaubt bis zu 1.000 Bilder und insgesamt 2 GB. Videoeingabe erlaubt eine Datei: 25 MB eingebettet oder 1 GB über S3. PDF- und DOCX-Dateien teilen sich ein gemeinsames Budget von 25 MB für direkten Upload oder 2 GB über S3. PDFs mit CMYK- oder SVG-Bildern werden nicht unterstützt. Diese Details zur Dateiverarbeitung gehören zum dokumentierten Herstellerablauf; fügen Sie die tatsächlich relevanten Inhalte bei und erhalten Sie ihre Seiten- oder Abschnittsbezeichnungen für hilfreiche Referenzen.
Videoverständnis verwendet visuelle Einzelbilder statt der Audiospur. Für Videos mit 16 Minuten oder weniger beschreibt der Leitfaden ein abgetastetes Bild pro Sekunde; sein Fließtext beschreibt die Verringerung der Abtastrate bei längeren Clips, um 960 Bilder beizubehalten. Schnelle Handlungen zwischen Bildern können daher übersehen werden. Bevorzugen Sie einen relevanten Clip und eine ausdrückliche Frage zu Szenen oder Ereignissen; stellen Sie ein separates Transkript bereit, wenn gesprochene Informationen wichtig sind. Kleine oder mehrsprachige Texte und präzise räumliche Beziehungen können ebenfalls schwierig sein; erhalten Sie daher lesbare Beschriftungen und ausreichend umgebenden visuellen Kontext. Der Hersteller gibt außerdem an, dass dieses Modell Personen in Bildern, Dokumenten oder Videos weder identifiziert noch namentlich benennt.
Amazon dokumentiert Unterstützung für über 200 Sprachen mit Optimierung für Englisch, Deutsch, Spanisch, Französisch, Italienisch, Japanisch, Koreanisch, Arabisch, vereinfachtes Chinesisch, Russisch, Hindi, Portugiesisch, Niederländisch, Türkisch und Hebräisch. Geben Sie erforderliche Ausgabesprache und Terminologie an, besonders wenn die Quellen mehrere Sprachen verwenden. Legen Sie für einen Dokumentablauf Fragen, Belegkennungen und endgültige Struktur fest und bitten Sie das Modell anschließend, genannte Fakten von fehlenden Informationen zu unterscheiden. Sein nützliches Ergebnis ist eine quellengestützte Antwort oder ein durch Werkzeugergebnisse informiertes Artefakt und keine Annahme, dass jedes Detail einer großen Eingabe erfasst wurde.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits amazon/nova-2-lite-v1 | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits Beispiele: system, user, assistant, tool, function Bedingungen: Diese Rollen sind in den Kompatibilitätstypen des Quellcodes ausdrücklich dargestellt; der genaue Rollenumfang bleibt modellspezifisch. Modellabhängig | Standard— |
Feldmessages[].content | Typstring|content_part[]|null | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_calls | Typtool_call[] | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_call_id | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: role=tool; die tatsächlich zurückgegebene ID verwenden | Standard— |
Feldmessages[].name | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].reasoning_content | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Tatsächlich zurückgegebene Reasoning-Daten erneut übermitteln, sofern dieses Modell sie verwendet | Standard— |
Feldmessages[].reasoning_details | Typobject|array | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmax_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldmax_completion_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Feldstream_options.include_usage | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtemperature | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtop_p | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldstop | Typstring|string[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools | Typfunction_tool[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools[].type | Typstring | AnforderungOptional | Werte und Limits function Modellabhängig | Standard— |
Feldtools[].function.name | Typstring | AnforderungErforderlich | Werte und Limits Gilt, wenn: Funktionswerkzeug bereitgestellt | Standard— |
Feldtools[].function.description | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldtools[].function.parameters | TypJSON_schema | AnforderungOptional | Werte und Limits | Standard— |
Feldtool_choice | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldparallel_tool_calls | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldresponse_format | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning_effort | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldservice_tier | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldinstructions | Typstring | AnforderungOptional | Werte und Limits Kompatibilitätsfeld | Standard— |
Feldfunctions | Typfunction[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldfunction_call | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldprompt_cache_options | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmodalities | Typstring[] | AnforderungOptional | Werte und Limits text | Standard— |
Feldprovider | Typobject | AnforderungOptional | Werte und Limits Bedingungen: provider.options wird auf dieser Ultra-Textroute abgelehnt | Standard— |
Feldcache_control.ttl | Typstring | AnforderungOptional | Werte und Limits Bedingungen: 1h wird in den tatsächlichen Prompt-Cache-Feldern abgelehnt | Standard— |
Text · UTF8-Text
messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages |
Parametermaterial_types | Vertragtext |
Parametermessages | VertragNachrichtenarray mit role/content-Struktur |
Parameterfile_material | VertragTatsächliches UTF-8-Dokument als wörtlicher Text eingefügt; keine Datei-ID abgeleitet |
Parameteroptional_controls | Vertragstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | VertragModellspezifisch; benutzerseitige Funktionswerkzeuge unterscheiden sich von gehosteten Werkzeugen |
Parameteroutput_modalities | Vertragtext |
Parameterhosted_operations | Vertragfalse |
Parametermultimodal_input_binding | Vertragnull |
Lebenszyklus: synchronous_or_streamed
Die genaue Modell-ID zusammen mit messages senden.
Die Kontextlänge ist keine Ausgabeobergrenze.
Eine Textdatei kann wörtlichen Text liefern; Bild-, Audio- und Dateiobjekteingaben benötigen eine exakte Zuordnung.
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0006 / 1K Tokens Ausgabe · Ausgabetoken $0.005 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · In Cache schreiben — / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0006 / 1K Tokens Ausgabe · Ausgabetoken $0.005 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · In Cache schreiben — / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "amazon/nova-2-lite-v1", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='amazon/nova-2-lite-v1',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='amazon/nova-2-lite-v1',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Antwortvarianten mit ihren Inhalten, Werkzeugaufrufen und Reasoning-Daten beibehalten. In SSE die Deltas nach Varianten- und Werkzeugindex zusammensetzen; endgültigen Beendigungsgrund und Verbrauchsdaten beibehalten.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldchoices[].index | Typinteger |
Feldchoices[].message.content | Typstring|null |
Feldchoices[].message.tool_calls | Typtool_call[] |
Feldchoices[].message.reasoning_content | Typstring |
Feldchoices[].message.reasoning_details | Typobject|array |
Feldchoices[].finish_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra amazon/nova-2-lite-v1
Verwenden Sie die oben angezeigten Methodenpfade.
amazon/nova-2-lite-v1Amazon Nova 2 Lite verbindet Text-, Bild-, Dokument- und Videoverständnis mit optionalem erweitertem Denken und Werkzeugnutzung. Sein Kontext von einer Million Token unterstützt Dokumentabläufe, Programmierung und Agenten, die über mehrere Schritte schlussfolgern müssen.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Amazon Nova 2 Lite ist Amazons multimodales Verstehensmodell der zweiten Generation für alltägliche Unternehmensarbeit und anspruchsvollere Agentenaufgaben. Es akzeptiert Text, Bilder und Video einschließlich Dokumentinhalten und erzeugt Text. Praktische Aufgaben umfassen auf bereitgestelltes Material gestützte Supportantworten, die Extraktion von Informationen aus Berichten, die Analyse von Diagrammen oder Screenshots, Codeprüfung und das Zusammenfassen visueller Ereignisse. Es ist ein Verstehensmodell: Videoeingaben werden analysiert statt neu erzeugt, und seine dokumentierte Ausgabe ist Text statt nativer Bilder, Videos oder Sprache.
Das Modellprofil des Herstellers führt ein Kontextfenster von 1 Million Token und eine standardmäßige maximale Ausgabe von 64K Token an. Sein dokumentierter Wissensstand reicht bis Oktober 2025. Dieser größere Arbeitskontext unterscheidet Nova 2 Lite vom 300K-Fenster des Nova Lite der ersten Generation. Nutzen Sie den Raum für tatsächliche Quelldokumente, relevantes Gespräch, Code und Anweisungen und fordern Sie anschließend ein gezieltes Artefakt an, etwa eine Belegtabelle, einen Änderungsvorschlag oder eine nach Quellen gegliederte Zusammenfassung. Ein langer Kontext verwandelt erlerntes Wissen nicht in eine Live-Datenbank; veränderliche Informationen sollten aus bereitgestellten Belegen, Abruf oder einem aktivierten Werkzeug zur Quellenanbindung stammen.
Erweitertes Denken ist optional und standardmäßig deaktiviert. Bei Aktivierung bietet der Hersteller die Aufwandsstufen low, medium und high an: low für mäßig komplexe Analyse, medium für umfangreiche mehrstufige Arbeit und high für das tiefste Schlussfolgern. Einfache Extraktion und kurze sachliche Antworten können ohne Denken arbeiten; schwierige Fehlersuche, mathematisches Schlussfolgern und Synthese über Dokumente hinweg können von zusätzlichem Aufwand profitieren. Überlegungsinhalte werden als [REDACTED] zurückgegeben und sind daher keine lesbare schrittweise Spur. Der Vertrag für high verlangt, temperature, topP, topK und maxTokens wegzulassen; Amazon dokumentiert, dass manche Ausgaben mit hohem Aufwand 65K Token überschreiten und 128K erreichen können, statt 128K als gewöhnliches Ausgabebudget festzulegen.
Nova 2 Lite unterstützt Funktionsaufrufe, Antwortstreaming und Prompt-Caching im dokumentierten Bereitstellungsprofil von Amazon. Ausdrückliches Caching benötigt mindestens 1K Token pro Checkpoint und erlaubt bis zu vier Checkpoints mit fünf Minuten Aufbewahrungsdauer. Der Hersteller begrenzt Prompt-Caching auf 20K Token, vorwiegend für Textprompts; dieses Cachebudget ist vom vollständigen Kontextfenster getrennt. Stellen Sie klare Werkzeugnamen, Beschreibungen und Argumentschemas bereit; das Modell wählt ein Werkzeug und fordert Argumente an, während die Anwendung benutzerdefinierte Werkzeuge ausführt und deren Ergebnisse zurückgibt. Amazon dokumentiert außerdem optional integriertes Web Grounding für aktuelle Informationen mit Quellenangaben und einen Python Code Interpreter für Berechnungen. Das sind konfigurierte Werkzeuge und keine durch jede Antwort vorausgesetzten Tätigkeiten. Amazon dokumentiert auch überwachte Feinabstimmung und Reinforcement-Feinabstimmung zur Anpassung von Nova 2 Lite an eine spezialisierte Aufgabe; das sind separate Abläufe zur Modellanpassung. Für einen Zahlenbericht trennt ein hilfreiches Briefing Quellzahlen, auszuführende Berechnung und zurückzugebende Erklärung; Werkzeugfehler sollten im zurückgegebenen Ergebnis sichtbar bleiben und nicht als erfolgreiche Beobachtungen behandelt werden.
Der multimodale Leitfaden führt PNG-, JPEG-, GIF- und WebP-Bilder an; bei animiertem GIF oder WebP wird nur das erste Bild verwendet. Videoformate umfassen MP4, MOV, MKV, WebM, FLV, MPEG, MPG, WMV und 3GP. Dokumente umfassen PDF, DOC/DOCX, TXT, CSV, XLS/XLSX, HTML und Markdown. Textbasierte Formate werden vorwiegend als Text gelesen, während PDF und DOCX Text und visuelle Seiteninhalte kombinieren können. Der Dokumentablauf des Herstellers erlaubt bis zu fünf Dokumente und begrenzt jedes Textdokument auf 4,5 MB. Das Profil für eingebettete Bilder erlaubt fünf Bilder und 25 MB Nutzdaten; S3-Bildeingabe erlaubt bis zu 1.000 Bilder und insgesamt 2 GB. Videoeingabe erlaubt eine Datei: 25 MB eingebettet oder 1 GB über S3. PDF- und DOCX-Dateien teilen sich ein gemeinsames Budget von 25 MB für direkten Upload oder 2 GB über S3. PDFs mit CMYK- oder SVG-Bildern werden nicht unterstützt. Diese Details zur Dateiverarbeitung gehören zum dokumentierten Herstellerablauf; fügen Sie die tatsächlich relevanten Inhalte bei und erhalten Sie ihre Seiten- oder Abschnittsbezeichnungen für hilfreiche Referenzen.
Videoverständnis verwendet visuelle Einzelbilder statt der Audiospur. Für Videos mit 16 Minuten oder weniger beschreibt der Leitfaden ein abgetastetes Bild pro Sekunde; sein Fließtext beschreibt die Verringerung der Abtastrate bei längeren Clips, um 960 Bilder beizubehalten. Schnelle Handlungen zwischen Bildern können daher übersehen werden. Bevorzugen Sie einen relevanten Clip und eine ausdrückliche Frage zu Szenen oder Ereignissen; stellen Sie ein separates Transkript bereit, wenn gesprochene Informationen wichtig sind. Kleine oder mehrsprachige Texte und präzise räumliche Beziehungen können ebenfalls schwierig sein; erhalten Sie daher lesbare Beschriftungen und ausreichend umgebenden visuellen Kontext. Der Hersteller gibt außerdem an, dass dieses Modell Personen in Bildern, Dokumenten oder Videos weder identifiziert noch namentlich benennt.
Amazon dokumentiert Unterstützung für über 200 Sprachen mit Optimierung für Englisch, Deutsch, Spanisch, Französisch, Italienisch, Japanisch, Koreanisch, Arabisch, vereinfachtes Chinesisch, Russisch, Hindi, Portugiesisch, Niederländisch, Türkisch und Hebräisch. Geben Sie erforderliche Ausgabesprache und Terminologie an, besonders wenn die Quellen mehrere Sprachen verwenden. Legen Sie für einen Dokumentablauf Fragen, Belegkennungen und endgültige Struktur fest und bitten Sie das Modell anschließend, genannte Fakten von fehlenden Informationen zu unterscheiden. Sein nützliches Ergebnis ist eine quellengestützte Antwort oder ein durch Werkzeugergebnisse informiertes Artefakt und keine Annahme, dass jedes Detail einer großen Eingabe erfasst wurde.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits amazon/nova-2-lite-v1 | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits user, assistant | Standard— |
Feldmessages[].content | Typstring | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmax_tokens | Typinteger | AnforderungErforderlich | Werte und Limits | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Text · UTF-8-Text
Zeichenfolge messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages, max_tokens |
Parameteroptional_controls | Vertragstream |
Parametermaterial_types | Vertragtext |
Parametertext_file_material | VertragDas tatsächliche UTF-8-Dokument lesen und seinen Text in die angegebene Zeichenfolge für Eingabe oder Nachrichteninhalt einfügen. |
Lebenszyklus: synchronous_or_streamed
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0006 / 1K Tokens Ausgabe · Ausgabetoken $0.005 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · In Cache schreiben — / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0006 / 1K Tokens Ausgabe · Ausgabetoken $0.005 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · In Cache schreiben — / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "amazon/nova-2-lite-v1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'amazon/nova-2-lite-v1', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'amazon/nova-2-lite-v1', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Inhaltsblöcke, Thinking-Signaturen und tatsächlichen Werkzeugaufruf-IDs beibehalten. Alle SSE-Blockdeltas zusammensetzen; der erste Textblock ist nicht die vollständige Ausgabe.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldid | Typstring |
Feldmodel | Typstring |
Feldcontent[] | Typtext|thinking|tool_use|other content block |
Feldstop_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra amazon/nova-2-lite-v1
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Draft a grounded support reply\n\nWrite a customer reply using only this help article: A replacement may be requested within 14 days of delivery for a damaged item; include the order number and a photo in the support ticket. Customer: My parcel arrived broken yesterday. Can you send another? Explain the next step without claiming a replacement has already been approved.A customer-ready reply of 60–90 words covering eligibility, required ticket information and the next action.Check that the reply requests the order number and photo without asserting that a ticket or replacement was created.