Amazon Nova Pro ist das ausgewogene Modell für multimodales Verstehen in Amazons Nova-Familie der ersten Generation. Es verbindet Text-, Bild- und Videoverständnis für Aufgaben von Fragen zu Dokumenten und visueller Analyse bis zu Softwarearbeit und Agentenabläufen. Seine Ausgabe ist Text: eine Erklärung, extrahierte Informationen, Code, ein Plan oder eine Werkzeuganfrage. Pro liegt zwischen dem leichteren Nova Lite und den anspruchsvolleren Langkontextaufgaben, die Premier adressiert; dieses Profil beschreibt die ursprüngliche Ausgabe Pro v1 und kein Nova-2-Modell.
Der Nova-Leitfaden der ersten Generation führt ein Kontextfenster von 300K Token und eine maximale Ausgabe von 10K Token an. Der dokumentierte Wissensstand reicht bis Oktober 2024. Ein praktischer Ablauf kann Referenzabschnitte, Dokumentinhalte, visuelle Belege und das jüngste Gespräch kombinieren und anschließend ein kompaktes Ergebnis zurückgeben. Stellen Sie für eine technische Prüfung relevanten Code, beobachtetes Verhalten und Einschränkungen bereit und verlangen Sie einen begründeten Änderungsvorschlag. Benennen Sie für einen Bericht die zu vergleichenden Quellen und Felder. Trennen Sie Belege von Anweisungen, damit das Modell zwischen Aussagen der Dokumente und der zu untersuchenden Schlussfolgerung unterscheiden kann.
Amazon dokumentiert Pros Fähigkeit, visuelle Fragen zu beantworten, Bilder zu klassifizieren oder zusammenzufassen und Begrenzungsrahmen für bestimmte Objekte zurückzugeben. Der Bildleitfaden der ersten Generation verwendet eine Koordinatenskala [0, 1000), die durch die nutzende Anwendung in die ursprünglichen Bildabmessungen umgerechnet wird. Bilder werden automatisch skaliert; die dokumentierte maximale Auflösung beträgt 8.000 × 8.000 Pixel. Das unterstützt Aufgaben wie die Identifikation eines Elements in einem Screenshot oder die Beschreibung eines Diagramms. Erhalten Sie lesbaren Text und wichtigen visuellen Kontext und fordern Sie die relevanten Beobachtungen an, bevor Sie um eine Interpretation bitten.
Zu den vom Hersteller unterstützten Bildformaten gehören PNG, JPG/JPEG, GIF und WebP. Der Dokumentablauf akzeptiert PDF, DOC/DOCX, CSV, XLS/XLSX, HTML, TXT und Markdown. Textbasierte Formate liefern Text, während PDF und DOCX gemeinsam mit visuellen Elementen wie Diagrammen und Tabellen interpretiert werden können. Der Dokumentleitfaden erlaubt bis zu fünf Dokumente und begrenzt jedes Textdokument auf 4,5 MB. Er schließt PDF-Inhalte mit CMYK- oder SVG-Bildern sowie nicht unterstützte Kodierungen wie JPEG2000 und JBIG2 aus. Wenn eine Aufgabe nur die Wörter aus einem PDF benötigt, ist extrahierter Text eine einfachere Eingabe als seitenweises visuelles Lesen. Eingebettete Medien teilen sich ein Nutzdatenbudget von 25 MB einschließlich Base64-Mehrbedarf. Eine Anfrage enthält ein Video, über S3 auf 1 GB begrenzt; kombinierte S3-Medien dürfen insgesamt 2 GB umfassen. PDF- und DOCX-Eingaben bleiben auf fünf Dokumente begrenzt, mit einem gemeinsamen Budget von 25 MB für direkten Upload oder 2 GB über S3.
Pro kann gängige Videoformate einschließlich MP4, MOV, MKV und WebM analysieren. Seine Abtaststrategie version1 verwendet bei Clips bis zu 16 Minuten ein Bild pro Sekunde und danach 960 über längere Clips verteilte Bilder. Das begünstigt Zusammenfassungen auf Szenenebene gegenüber präziser Analyse sehr schneller Handlungen, besonders bei längeren Videos. Amazon empfiehlt, bewegungsreiche Clips unter 16 Minuten und bewegungsarme Clips unter einer Stunde zu halten. Stellen Sie einen relevanten Ausschnitt bereit und benennen Sie das sichtbare Ereignis oder die zu prüfende Beziehung; gesprochene Informationen sollten über ein Transkript geliefert werden, da die dokumentierten Eingabemodalitäten Audio nicht umfassen. Der Hersteller gibt außerdem an, dass dieses Modell Personen in Bildern, Dokumenten oder Videos weder identifiziert noch namentlich benennt.
Pro unterstützt Antwortstreaming, clientseitig ausgeführte Funktionsaufrufe und abrufgestützte Aufgaben. Es unterstützt außerdem 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. Beschreiben Sie Werkzeuge und ihre Argumente, lassen Sie die Anwendung Anfragen ausführen und geben Sie Beobachtungen oder Fehler zurück, bevor das Modell fortfährt. Nova der ersten Generation lässt sich per Prompt dazu anleiten, eine Lösung in Schritten zu erarbeiten; das unterscheidet sich von den separat konfigurierten Modi für erweitertes Denken und integrierten Werkzeugen von Nova 2 Lite. Pro dient außerdem als Distillationslehrer für Nova Micro und Lite, und Amazon dokumentiert benutzerdefinierte Feinabstimmung von Pro; diese angepassten Modelle behalten eigene Identitäten.
Der version1-Leitfaden beschreibt Training in mehr als 200 Sprachen mit Optimierung für 15, darunter Englisch, Deutsch, Spanisch, Französisch, Italienisch, Japanisch, Koreanisch, Arabisch, vereinfachtes Chinesisch, Russisch, Hindi, Portugiesisch, Niederländisch, Türkisch und Hebräisch. Geben Sie erforderliche Sprache und Terminologie an, statt gleichmäßige Leistung in allen Dialekten anzunehmen. Legen Sie für einen wiederverwendbaren Ablauf die endgültige Struktur fest und bestimmen Sie, welche Quellenbelege jedes Feld enthalten soll. Pro kann plausible, aber falsche Behauptungen oder nicht ausgeführten Code zurückgeben; ausdrückliche Fakten bereitzustellen und Werkzeugergebnisse von Vorschlägen getrennt zu halten macht die Ausgabe leichter nutzbar und überprüfbar.
", "aboutText": "Amazon Nova Pro ist das ausgewogene Modell für multimodales Verstehen in Amazons Nova-Familie der ersten Generation. Es verbindet Text-, Bild- und Videoverständnis für Aufgaben von Fragen zu Dokumenten und visueller Analyse bis zu Softwarearbeit und Agentenabläufen. Seine Ausgabe ist Text: eine Erklärung, extrahierte Informationen, Code, ein Plan oder eine Werkzeuganfrage. Pro liegt zwischen dem leichteren Nova Lite und den anspruchsvolleren Langkontextaufgaben, die Premier adressiert; dieses Profil beschreibt die ursprüngliche Ausgabe Pro v1 und kein Nova-2-Modell.\n\nDer Nova-Leitfaden der ersten Generation führt ein Kontextfenster von 300K Token und eine maximale Ausgabe von 10K Token an. Der dokumentierte Wissensstand reicht bis Oktober 2024. Ein praktischer Ablauf kann Referenzabschnitte, Dokumentinhalte, visuelle Belege und das jüngste Gespräch kombinieren und anschließend ein kompaktes Ergebnis zurückgeben. Stellen Sie für eine technische Prüfung relevanten Code, beobachtetes Verhalten und Einschränkungen bereit und verlangen Sie einen begründeten Änderungsvorschlag. Benennen Sie für einen Bericht die zu vergleichenden Quellen und Felder. Trennen Sie Belege von Anweisungen, damit das Modell zwischen Aussagen der Dokumente und der zu untersuchenden Schlussfolgerung unterscheiden kann.\n\nAmazon dokumentiert Pros Fähigkeit, visuelle Fragen zu beantworten, Bilder zu klassifizieren oder zusammenzufassen und Begrenzungsrahmen für bestimmte Objekte zurückzugeben. Der Bildleitfaden der ersten Generation verwendet eine Koordinatenskala [0, 1000), die durch die nutzende Anwendung in die ursprünglichen Bildabmessungen umgerechnet wird. Bilder werden automatisch skaliert; die dokumentierte maximale Auflösung beträgt 8.000 × 8.000 Pixel. Das unterstützt Aufgaben wie die Identifikation eines Elements in einem Screenshot oder die Beschreibung eines Diagramms. Erhalten Sie lesbaren Text und wichtigen visuellen Kontext und fordern Sie die relevanten Beobachtungen an, bevor Sie um eine Interpretation bitten.\n\nZu den vom Hersteller unterstützten Bildformaten gehören PNG, JPG/JPEG, GIF und WebP. Der Dokumentablauf akzeptiert PDF, DOC/DOCX, CSV, XLS/XLSX, HTML, TXT und Markdown. Textbasierte Formate liefern Text, während PDF und DOCX gemeinsam mit visuellen Elementen wie Diagrammen und Tabellen interpretiert werden können. Der Dokumentleitfaden erlaubt bis zu fünf Dokumente und begrenzt jedes Textdokument auf 4,5 MB. Er schließt PDF-Inhalte mit CMYK- oder SVG-Bildern sowie nicht unterstützte Kodierungen wie JPEG2000 und JBIG2 aus. Wenn eine Aufgabe nur die Wörter aus einem PDF benötigt, ist extrahierter Text eine einfachere Eingabe als seitenweises visuelles Lesen. Eingebettete Medien teilen sich ein Nutzdatenbudget von 25 MB einschließlich Base64-Mehrbedarf. Eine Anfrage enthält ein Video, über S3 auf 1 GB begrenzt; kombinierte S3-Medien dürfen insgesamt 2 GB umfassen. PDF- und DOCX-Eingaben bleiben auf fünf Dokumente begrenzt, mit einem gemeinsamen Budget von 25 MB für direkten Upload oder 2 GB über S3.\n\nPro kann gängige Videoformate einschließlich MP4, MOV, MKV und WebM analysieren. Seine Abtaststrategie version1 verwendet bei Clips bis zu 16 Minuten ein Bild pro Sekunde und danach 960 über längere Clips verteilte Bilder. Das begünstigt Zusammenfassungen auf Szenenebene gegenüber präziser Analyse sehr schneller Handlungen, besonders bei längeren Videos. Amazon empfiehlt, bewegungsreiche Clips unter 16 Minuten und bewegungsarme Clips unter einer Stunde zu halten. Stellen Sie einen relevanten Ausschnitt bereit und benennen Sie das sichtbare Ereignis oder die zu prüfende Beziehung; gesprochene Informationen sollten über ein Transkript geliefert werden, da die dokumentierten Eingabemodalitäten Audio nicht umfassen. Der Hersteller gibt außerdem an, dass dieses Modell Personen in Bildern, Dokumenten oder Videos weder identifiziert noch namentlich benennt.\n\nPro unterstützt Antwortstreaming, clientseitig ausgeführte Funktionsaufrufe und abrufgestützte Aufgaben. Es unterstützt außerdem 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. Beschreiben Sie Werkzeuge und ihre Argumente, lassen Sie die Anwendung Anfragen ausführen und geben Sie Beobachtungen oder Fehler zurück, bevor das Modell fortfährt. Nova der ersten Generation lässt sich per Prompt dazu anleiten, eine Lösung in Schritten zu erarbeiten; das unterscheidet sich von den separat konfigurierten Modi für erweitertes Denken und integrierten Werkzeugen von Nova 2 Lite. Pro dient außerdem als Distillationslehrer für Nova Micro und Lite, und Amazon dokumentiert benutzerdefinierte Feinabstimmung von Pro; diese angepassten Modelle behalten eigene Identitäten.\n\nDer version1-Leitfaden beschreibt Training in mehr als 200 Sprachen mit Optimierung für 15, darunter Englisch, Deutsch, Spanisch, Französisch, Italienisch, Japanisch, Koreanisch, Arabisch, vereinfachtes Chinesisch, Russisch, Hindi, Portugiesisch, Niederländisch, Türkisch und Hebräisch. Geben Sie erforderliche Sprache und Terminologie an, statt gleichmäßige Leistung in allen Dialekten anzunehmen. Legen Sie für einen wiederverwendbaren Ablauf die endgültige Struktur fest und bestimmen Sie, welche Quellenbelege jedes Feld enthalten soll. Pro kann plausible, aber falsche Behauptungen oder nicht ausgeführten Code zurückgeben; ausdrückliche Fakten bereitzustellen und Werkzeugergebnisse von Vorschlägen getrennt zu halten macht die Ausgabe leichter nutzbar und überprüfbar.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Compare supplier delivery terms\n\nCompare these supplier notes for a purchasing manager. Note A: 120 units, delivery within 14 calendar days, damaged units reported within 48 hours. Note B: 120 units, delivery within 10 business days, damage reported within five calendar days. Give a three-row comparison and identify what prevents a reliable delivery-date comparison.A table covering quantity, delivery timing and damage reporting, followed by one clarification about the delivery calendar or start date.The answer preserves calendar versus business days and does not invent arrival dates.amazon/nova-pro-v1Amazon Nova Pro ist das ausgewogene Nova-Modell der ersten Generation zum Schlussfolgern über Text, Bilder, Dokumente und Video. Es erzeugt Text für visuelle Analyse, Softwareaufgaben, Dokumentabläufe und Agenten, die bereitgestellte Belege mit Werkzeugen verbinden.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Amazon Nova Pro ist das ausgewogene Modell für multimodales Verstehen in Amazons Nova-Familie der ersten Generation. Es verbindet Text-, Bild- und Videoverständnis für Aufgaben von Fragen zu Dokumenten und visueller Analyse bis zu Softwarearbeit und Agentenabläufen. Seine Ausgabe ist Text: eine Erklärung, extrahierte Informationen, Code, ein Plan oder eine Werkzeuganfrage. Pro liegt zwischen dem leichteren Nova Lite und den anspruchsvolleren Langkontextaufgaben, die Premier adressiert; dieses Profil beschreibt die ursprüngliche Ausgabe Pro v1 und kein Nova-2-Modell.
Der Nova-Leitfaden der ersten Generation führt ein Kontextfenster von 300K Token und eine maximale Ausgabe von 10K Token an. Der dokumentierte Wissensstand reicht bis Oktober 2024. Ein praktischer Ablauf kann Referenzabschnitte, Dokumentinhalte, visuelle Belege und das jüngste Gespräch kombinieren und anschließend ein kompaktes Ergebnis zurückgeben. Stellen Sie für eine technische Prüfung relevanten Code, beobachtetes Verhalten und Einschränkungen bereit und verlangen Sie einen begründeten Änderungsvorschlag. Benennen Sie für einen Bericht die zu vergleichenden Quellen und Felder. Trennen Sie Belege von Anweisungen, damit das Modell zwischen Aussagen der Dokumente und der zu untersuchenden Schlussfolgerung unterscheiden kann.
Amazon dokumentiert Pros Fähigkeit, visuelle Fragen zu beantworten, Bilder zu klassifizieren oder zusammenzufassen und Begrenzungsrahmen für bestimmte Objekte zurückzugeben. Der Bildleitfaden der ersten Generation verwendet eine Koordinatenskala [0, 1000), die durch die nutzende Anwendung in die ursprünglichen Bildabmessungen umgerechnet wird. Bilder werden automatisch skaliert; die dokumentierte maximale Auflösung beträgt 8.000 × 8.000 Pixel. Das unterstützt Aufgaben wie die Identifikation eines Elements in einem Screenshot oder die Beschreibung eines Diagramms. Erhalten Sie lesbaren Text und wichtigen visuellen Kontext und fordern Sie die relevanten Beobachtungen an, bevor Sie um eine Interpretation bitten.
Zu den vom Hersteller unterstützten Bildformaten gehören PNG, JPG/JPEG, GIF und WebP. Der Dokumentablauf akzeptiert PDF, DOC/DOCX, CSV, XLS/XLSX, HTML, TXT und Markdown. Textbasierte Formate liefern Text, während PDF und DOCX gemeinsam mit visuellen Elementen wie Diagrammen und Tabellen interpretiert werden können. Der Dokumentleitfaden erlaubt bis zu fünf Dokumente und begrenzt jedes Textdokument auf 4,5 MB. Er schließt PDF-Inhalte mit CMYK- oder SVG-Bildern sowie nicht unterstützte Kodierungen wie JPEG2000 und JBIG2 aus. Wenn eine Aufgabe nur die Wörter aus einem PDF benötigt, ist extrahierter Text eine einfachere Eingabe als seitenweises visuelles Lesen. Eingebettete Medien teilen sich ein Nutzdatenbudget von 25 MB einschließlich Base64-Mehrbedarf. Eine Anfrage enthält ein Video, über S3 auf 1 GB begrenzt; kombinierte S3-Medien dürfen insgesamt 2 GB umfassen. PDF- und DOCX-Eingaben bleiben auf fünf Dokumente begrenzt, mit einem gemeinsamen Budget von 25 MB für direkten Upload oder 2 GB über S3.
Pro kann gängige Videoformate einschließlich MP4, MOV, MKV und WebM analysieren. Seine Abtaststrategie version1 verwendet bei Clips bis zu 16 Minuten ein Bild pro Sekunde und danach 960 über längere Clips verteilte Bilder. Das begünstigt Zusammenfassungen auf Szenenebene gegenüber präziser Analyse sehr schneller Handlungen, besonders bei längeren Videos. Amazon empfiehlt, bewegungsreiche Clips unter 16 Minuten und bewegungsarme Clips unter einer Stunde zu halten. Stellen Sie einen relevanten Ausschnitt bereit und benennen Sie das sichtbare Ereignis oder die zu prüfende Beziehung; gesprochene Informationen sollten über ein Transkript geliefert werden, da die dokumentierten Eingabemodalitäten Audio nicht umfassen. Der Hersteller gibt außerdem an, dass dieses Modell Personen in Bildern, Dokumenten oder Videos weder identifiziert noch namentlich benennt.
Pro unterstützt Antwortstreaming, clientseitig ausgeführte Funktionsaufrufe und abrufgestützte Aufgaben. Es unterstützt außerdem 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. Beschreiben Sie Werkzeuge und ihre Argumente, lassen Sie die Anwendung Anfragen ausführen und geben Sie Beobachtungen oder Fehler zurück, bevor das Modell fortfährt. Nova der ersten Generation lässt sich per Prompt dazu anleiten, eine Lösung in Schritten zu erarbeiten; das unterscheidet sich von den separat konfigurierten Modi für erweitertes Denken und integrierten Werkzeugen von Nova 2 Lite. Pro dient außerdem als Distillationslehrer für Nova Micro und Lite, und Amazon dokumentiert benutzerdefinierte Feinabstimmung von Pro; diese angepassten Modelle behalten eigene Identitäten.
Der version1-Leitfaden beschreibt Training in mehr als 200 Sprachen mit Optimierung für 15, darunter Englisch, Deutsch, Spanisch, Französisch, Italienisch, Japanisch, Koreanisch, Arabisch, vereinfachtes Chinesisch, Russisch, Hindi, Portugiesisch, Niederländisch, Türkisch und Hebräisch. Geben Sie erforderliche Sprache und Terminologie an, statt gleichmäßige Leistung in allen Dialekten anzunehmen. Legen Sie für einen wiederverwendbaren Ablauf die endgültige Struktur fest und bestimmen Sie, welche Quellenbelege jedes Feld enthalten soll. Pro kann plausible, aber falsche Behauptungen oder nicht ausgeführten Code zurückgeben; ausdrückliche Fakten bereitzustellen und Werkzeugergebnisse von Vorschlägen getrennt zu halten macht die Ausgabe leichter nutzbar und überprüfbar.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits amazon/nova-pro-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 $0.0016 / 1K Tokens Ausgabe · Ausgabetoken $0.0064 / 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 $0.0016 / 1K Tokens Ausgabe · Ausgabetoken $0.0064 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · In Cache schreiben — / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "amazon/nova-pro-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-pro-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-pro-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-pro-v1
Verwenden Sie die oben angezeigten Methodenpfade.
amazon/nova-pro-v1Amazon Nova Pro ist das ausgewogene Nova-Modell der ersten Generation zum Schlussfolgern über Text, Bilder, Dokumente und Video. Es erzeugt Text für visuelle Analyse, Softwareaufgaben, Dokumentabläufe und Agenten, die bereitgestellte Belege mit Werkzeugen verbinden.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Amazon Nova Pro ist das ausgewogene Modell für multimodales Verstehen in Amazons Nova-Familie der ersten Generation. Es verbindet Text-, Bild- und Videoverständnis für Aufgaben von Fragen zu Dokumenten und visueller Analyse bis zu Softwarearbeit und Agentenabläufen. Seine Ausgabe ist Text: eine Erklärung, extrahierte Informationen, Code, ein Plan oder eine Werkzeuganfrage. Pro liegt zwischen dem leichteren Nova Lite und den anspruchsvolleren Langkontextaufgaben, die Premier adressiert; dieses Profil beschreibt die ursprüngliche Ausgabe Pro v1 und kein Nova-2-Modell.
Der Nova-Leitfaden der ersten Generation führt ein Kontextfenster von 300K Token und eine maximale Ausgabe von 10K Token an. Der dokumentierte Wissensstand reicht bis Oktober 2024. Ein praktischer Ablauf kann Referenzabschnitte, Dokumentinhalte, visuelle Belege und das jüngste Gespräch kombinieren und anschließend ein kompaktes Ergebnis zurückgeben. Stellen Sie für eine technische Prüfung relevanten Code, beobachtetes Verhalten und Einschränkungen bereit und verlangen Sie einen begründeten Änderungsvorschlag. Benennen Sie für einen Bericht die zu vergleichenden Quellen und Felder. Trennen Sie Belege von Anweisungen, damit das Modell zwischen Aussagen der Dokumente und der zu untersuchenden Schlussfolgerung unterscheiden kann.
Amazon dokumentiert Pros Fähigkeit, visuelle Fragen zu beantworten, Bilder zu klassifizieren oder zusammenzufassen und Begrenzungsrahmen für bestimmte Objekte zurückzugeben. Der Bildleitfaden der ersten Generation verwendet eine Koordinatenskala [0, 1000), die durch die nutzende Anwendung in die ursprünglichen Bildabmessungen umgerechnet wird. Bilder werden automatisch skaliert; die dokumentierte maximale Auflösung beträgt 8.000 × 8.000 Pixel. Das unterstützt Aufgaben wie die Identifikation eines Elements in einem Screenshot oder die Beschreibung eines Diagramms. Erhalten Sie lesbaren Text und wichtigen visuellen Kontext und fordern Sie die relevanten Beobachtungen an, bevor Sie um eine Interpretation bitten.
Zu den vom Hersteller unterstützten Bildformaten gehören PNG, JPG/JPEG, GIF und WebP. Der Dokumentablauf akzeptiert PDF, DOC/DOCX, CSV, XLS/XLSX, HTML, TXT und Markdown. Textbasierte Formate liefern Text, während PDF und DOCX gemeinsam mit visuellen Elementen wie Diagrammen und Tabellen interpretiert werden können. Der Dokumentleitfaden erlaubt bis zu fünf Dokumente und begrenzt jedes Textdokument auf 4,5 MB. Er schließt PDF-Inhalte mit CMYK- oder SVG-Bildern sowie nicht unterstützte Kodierungen wie JPEG2000 und JBIG2 aus. Wenn eine Aufgabe nur die Wörter aus einem PDF benötigt, ist extrahierter Text eine einfachere Eingabe als seitenweises visuelles Lesen. Eingebettete Medien teilen sich ein Nutzdatenbudget von 25 MB einschließlich Base64-Mehrbedarf. Eine Anfrage enthält ein Video, über S3 auf 1 GB begrenzt; kombinierte S3-Medien dürfen insgesamt 2 GB umfassen. PDF- und DOCX-Eingaben bleiben auf fünf Dokumente begrenzt, mit einem gemeinsamen Budget von 25 MB für direkten Upload oder 2 GB über S3.
Pro kann gängige Videoformate einschließlich MP4, MOV, MKV und WebM analysieren. Seine Abtaststrategie version1 verwendet bei Clips bis zu 16 Minuten ein Bild pro Sekunde und danach 960 über längere Clips verteilte Bilder. Das begünstigt Zusammenfassungen auf Szenenebene gegenüber präziser Analyse sehr schneller Handlungen, besonders bei längeren Videos. Amazon empfiehlt, bewegungsreiche Clips unter 16 Minuten und bewegungsarme Clips unter einer Stunde zu halten. Stellen Sie einen relevanten Ausschnitt bereit und benennen Sie das sichtbare Ereignis oder die zu prüfende Beziehung; gesprochene Informationen sollten über ein Transkript geliefert werden, da die dokumentierten Eingabemodalitäten Audio nicht umfassen. Der Hersteller gibt außerdem an, dass dieses Modell Personen in Bildern, Dokumenten oder Videos weder identifiziert noch namentlich benennt.
Pro unterstützt Antwortstreaming, clientseitig ausgeführte Funktionsaufrufe und abrufgestützte Aufgaben. Es unterstützt außerdem 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. Beschreiben Sie Werkzeuge und ihre Argumente, lassen Sie die Anwendung Anfragen ausführen und geben Sie Beobachtungen oder Fehler zurück, bevor das Modell fortfährt. Nova der ersten Generation lässt sich per Prompt dazu anleiten, eine Lösung in Schritten zu erarbeiten; das unterscheidet sich von den separat konfigurierten Modi für erweitertes Denken und integrierten Werkzeugen von Nova 2 Lite. Pro dient außerdem als Distillationslehrer für Nova Micro und Lite, und Amazon dokumentiert benutzerdefinierte Feinabstimmung von Pro; diese angepassten Modelle behalten eigene Identitäten.
Der version1-Leitfaden beschreibt Training in mehr als 200 Sprachen mit Optimierung für 15, darunter Englisch, Deutsch, Spanisch, Französisch, Italienisch, Japanisch, Koreanisch, Arabisch, vereinfachtes Chinesisch, Russisch, Hindi, Portugiesisch, Niederländisch, Türkisch und Hebräisch. Geben Sie erforderliche Sprache und Terminologie an, statt gleichmäßige Leistung in allen Dialekten anzunehmen. Legen Sie für einen wiederverwendbaren Ablauf die endgültige Struktur fest und bestimmen Sie, welche Quellenbelege jedes Feld enthalten soll. Pro kann plausible, aber falsche Behauptungen oder nicht ausgeführten Code zurückgeben; ausdrückliche Fakten bereitzustellen und Werkzeugergebnisse von Vorschlägen getrennt zu halten macht die Ausgabe leichter nutzbar und überprüfbar.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits amazon/nova-pro-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 $0.0016 / 1K Tokens Ausgabe · Ausgabetoken $0.0064 / 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 $0.0016 / 1K Tokens Ausgabe · Ausgabetoken $0.0064 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · In Cache schreiben — / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "amazon/nova-pro-v1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-pro-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-pro-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-pro-v1
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Compare supplier delivery terms\n\nCompare these supplier notes for a purchasing manager. Note A: 120 units, delivery within 14 calendar days, damaged units reported within 48 hours. Note B: 120 units, delivery within 10 business days, damage reported within five calendar days. Give a three-row comparison and identify what prevents a reliable delivery-date comparison.A table covering quantity, delivery timing and damage reporting, followed by one clarification about the delivery calendar or start date.The answer preserves calendar versus business days and does not invent arrival dates.