Amazon Nova 2 Lite ist Amazons Modell der zweiten Generation für multimodales Verständnis bei alltäglicher Unternehmensarbeit und anspruchsvolleren Agentenaufgaben. Es akzeptiert Text, Bilder und Video einschliesslich Dokumentinhalten und erzeugt Text. Praktische Arbeiten umfassen auf geliefertem Material beruhende Supportantworten, Informationsextraktion aus Berichten, Analyse von Diagrammen oder Screenshots, Codeprüfung und Zusammenfassungen visueller Ereignisse. Es ist ein Verständnis-Modell: Videoeingaben werden analysiert und nicht neu generiert; seine dokumentierte Ausgabe ist Text; native Bild-, Video- oder Sprachausgabe gehört nicht dazu.
Das Herstellerprofil nennt ein Kontextfenster von 1 Million Tokens und eine standardmässige maximale Ausgabe von 64K Tokens. Der dokumentierte Wissensstand endet im Oktober 2025. Dieser grössere Arbeitskontext unterscheidet Nova 2 Lite vom 300K-Fenster des Nova Lite der ersten Generation. Nutzen Sie den Platz für die tatsächlichen Quelldokumente, relevante Unterhaltung, Code und Anweisungen und verlangen Sie dann ein gezieltes Artefakt wie eine Belegtabelle, einen Änderungsvorschlag oder eine nach Quellen gegliederte Zusammenfassung. Ein langer Kontext verwandelt gelerntes Wissen nicht in eine aktuelle Datenbank; veränderliche Informationen sollten aus gelieferten Belegen, Informationsabruf oder einem aktivierten Verankerungswerkzeug stammen.
Extended Thinking ist optional und standardmässig deaktiviert. Bei Aktivierung bietet der Hersteller die Stufen low, medium und high: low für mässig komplexe Analysen, medium für umfangreiche mehrstufige Arbeit und high für die tiefsten Überlegungen. Einfache Extraktion und kurze sachliche Antworten können Thinking ausgeschaltet lassen; schwierige Fehlersuche, mathematisches Reasoning und Synthese über Dokumente hinweg können von zusätzlichem Aufwand profitieren. Reasoning-Inhalt wird als [REDACTED] zurückgegeben und ist somit kein lesbarer Schritt-für-Schritt-Verlauf. Die Vorgaben für high verlangen, temperature, topP, topK und maxTokens wegzulassen; Amazon dokumentiert, dass manche Ausgaben bei high über 65K Tokens hinausgehen und 128K erreichen können, statt 128K als gewöhnliches Ausgabebudget zu definieren.
Nova 2 Lite unterstützt Funktionsaufrufe, Antwortstreaming und Prompt-Caching im dokumentierten Bereitstellungsprofil von Amazon. Ausdrückliches Caching erfordert mindestens 1K Tokens pro Checkpoint und erlaubt bis zu vier Checkpoints mit fünfminütiger Aufbewahrung. Der Hersteller begrenzt Prompt-Caching auf 20K Tokens, hauptsächlich für Textprompts; dieses Cachebudget ist vom vollständigen Kontextfenster getrennt. Liefern Sie klare Werkzeugnamen, Beschreibungen und Argumentschemata; das Modell wählt ein Werkzeug und fordert Argumente an, während die Anwendung benutzerdefinierte Werkzeuge ausführt und ihre Ergebnisse zurückgibt. Amazon dokumentiert ausserdem das optionale integrierte Werkzeug Web Grounding für aktuelle Informationen mit Quellenangaben sowie einen Python Code Interpreter für Berechnungen. Das sind konfigurierte Werkzeuge und keine Aktivitäten, die jede Antwort voraussetzt. Amazon dokumentiert auch überwachte und verstärkungsbasierte Feinabstimmung, um Nova 2 Lite an eine spezialisierte Aufgabe anzupassen; dies sind separate Modellanpassungsabläufe. Für einen Zahlenbericht trennt ein nützliches Briefing die Ausgangszahlen, die durchzuführende Berechnung und die zurückzugebende Erklärung; Werkzeugfehler sollten im Ergebnis sichtbar bleiben, statt als erfolgreiche Beobachtungen behandelt zu werden.
Der multimodale Leitfaden nennt PNG-, JPEG-, GIF- und WebP-Bilder; 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 hauptsächlich als Text gelesen, während PDF und DOCX Text und Seitenbilder verbinden 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 Nutzdaten von 25 MB; die 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 ein gemeinsames Budget von 25 MB für direkten Upload oder 2 GB über S3. PDFs mit CMYK- oder SVG-Bildern werden nicht unterstützt. Diese Einzelheiten zur Dateiverarbeitung gehören zum dokumentierten Herstellerablauf; fügen Sie den tatsächlich relevanten Inhalt bei und bewahren Sie seine Seiten- oder Abschnittskennzeichnungen für nützliche Verweise.
Videoverständnis nutzt visuelle Einzelbilder statt der Tonspur. Für Videos mit 16 Minuten oder weniger beschreibt der Leitfaden ein abgetastetes Bild pro Sekunde; sein Text beschreibt eine Reduzierung 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; liefern Sie ein separates Transkript, wenn gesprochene Informationen wichtig sind. Auch kleiner oder mehrsprachiger Text und präzise räumliche Beziehungen können schwierig sein; bewahren Sie daher lesbare Beschriftungen und ausreichend umgebenden visuellen Kontext. Der Hersteller erklärt ausserdem, dass dieses Modell Personen in Bildern, Dokumenten oder Videos weder identifiziert noch 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. Nennen Sie die erforderliche Ausgabesprache und Terminologie, insbesondere bei Quellen in mehreren Sprachen. Legen Sie für einen Dokumentablauf Fragen, Belegkennungen und endgültige Struktur fest und verlangen Sie dann, dass das Modell angegebene Tatsachen von fehlenden Informationen unterscheidet. Sein nützliches Ergebnis ist eine quellenbasierte Antwort oder ein durch Werkzeugergebnisse gestütztes Artefakt und keine Annahme, dass jedes Detail einer umfangreichen Eingabe erfasst wurde.
", "aboutText": "Amazon Nova 2 Lite ist Amazons Modell der zweiten Generation für multimodales Verständnis bei alltäglicher Unternehmensarbeit und anspruchsvolleren Agentenaufgaben. Es akzeptiert Text, Bilder und Video einschliesslich Dokumentinhalten und erzeugt Text. Praktische Arbeiten umfassen auf geliefertem Material beruhende Supportantworten, Informationsextraktion aus Berichten, Analyse von Diagrammen oder Screenshots, Codeprüfung und Zusammenfassungen visueller Ereignisse. Es ist ein Verständnis-Modell: Videoeingaben werden analysiert und nicht neu generiert; seine dokumentierte Ausgabe ist Text; native Bild-, Video- oder Sprachausgabe gehört nicht dazu.\n\nDas Herstellerprofil nennt ein Kontextfenster von 1 Million Tokens und eine standardmässige maximale Ausgabe von 64K Tokens. Der dokumentierte Wissensstand endet im Oktober 2025. Dieser grössere Arbeitskontext unterscheidet Nova 2 Lite vom 300K-Fenster des Nova Lite der ersten Generation. Nutzen Sie den Platz für die tatsächlichen Quelldokumente, relevante Unterhaltung, Code und Anweisungen und verlangen Sie dann ein gezieltes Artefakt wie eine Belegtabelle, einen Änderungsvorschlag oder eine nach Quellen gegliederte Zusammenfassung. Ein langer Kontext verwandelt gelerntes Wissen nicht in eine aktuelle Datenbank; veränderliche Informationen sollten aus gelieferten Belegen, Informationsabruf oder einem aktivierten Verankerungswerkzeug stammen.\n\nExtended Thinking ist optional und standardmässig deaktiviert. Bei Aktivierung bietet der Hersteller die Stufen low, medium und high: low für mässig komplexe Analysen, medium für umfangreiche mehrstufige Arbeit und high für die tiefsten Überlegungen. Einfache Extraktion und kurze sachliche Antworten können Thinking ausgeschaltet lassen; schwierige Fehlersuche, mathematisches Reasoning und Synthese über Dokumente hinweg können von zusätzlichem Aufwand profitieren. Reasoning-Inhalt wird als [REDACTED] zurückgegeben und ist somit kein lesbarer Schritt-für-Schritt-Verlauf. Die Vorgaben für high verlangen, temperature, topP, topK und maxTokens wegzulassen; Amazon dokumentiert, dass manche Ausgaben bei high über 65K Tokens hinausgehen und 128K erreichen können, statt 128K als gewöhnliches Ausgabebudget zu definieren.\n\nNova 2 Lite unterstützt Funktionsaufrufe, Antwortstreaming und Prompt-Caching im dokumentierten Bereitstellungsprofil von Amazon. Ausdrückliches Caching erfordert mindestens 1K Tokens pro Checkpoint und erlaubt bis zu vier Checkpoints mit fünfminütiger Aufbewahrung. Der Hersteller begrenzt Prompt-Caching auf 20K Tokens, hauptsächlich für Textprompts; dieses Cachebudget ist vom vollständigen Kontextfenster getrennt. Liefern Sie klare Werkzeugnamen, Beschreibungen und Argumentschemata; das Modell wählt ein Werkzeug und fordert Argumente an, während die Anwendung benutzerdefinierte Werkzeuge ausführt und ihre Ergebnisse zurückgibt. Amazon dokumentiert ausserdem das optionale integrierte Werkzeug Web Grounding für aktuelle Informationen mit Quellenangaben sowie einen Python Code Interpreter für Berechnungen. Das sind konfigurierte Werkzeuge und keine Aktivitäten, die jede Antwort voraussetzt. Amazon dokumentiert auch überwachte und verstärkungsbasierte Feinabstimmung, um Nova 2 Lite an eine spezialisierte Aufgabe anzupassen; dies sind separate Modellanpassungsabläufe. Für einen Zahlenbericht trennt ein nützliches Briefing die Ausgangszahlen, die durchzuführende Berechnung und die zurückzugebende Erklärung; Werkzeugfehler sollten im Ergebnis sichtbar bleiben, statt als erfolgreiche Beobachtungen behandelt zu werden.\n\nDer multimodale Leitfaden nennt PNG-, JPEG-, GIF- und WebP-Bilder; 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 hauptsächlich als Text gelesen, während PDF und DOCX Text und Seitenbilder verbinden 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 Nutzdaten von 25 MB; die 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 ein gemeinsames Budget von 25 MB für direkten Upload oder 2 GB über S3. PDFs mit CMYK- oder SVG-Bildern werden nicht unterstützt. Diese Einzelheiten zur Dateiverarbeitung gehören zum dokumentierten Herstellerablauf; fügen Sie den tatsächlich relevanten Inhalt bei und bewahren Sie seine Seiten- oder Abschnittskennzeichnungen für nützliche Verweise.\n\nVideoverständnis nutzt visuelle Einzelbilder statt der Tonspur. Für Videos mit 16 Minuten oder weniger beschreibt der Leitfaden ein abgetastetes Bild pro Sekunde; sein Text beschreibt eine Reduzierung 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; liefern Sie ein separates Transkript, wenn gesprochene Informationen wichtig sind. Auch kleiner oder mehrsprachiger Text und präzise räumliche Beziehungen können schwierig sein; bewahren Sie daher lesbare Beschriftungen und ausreichend umgebenden visuellen Kontext. Der Hersteller erklärt ausserdem, dass dieses Modell Personen in Bildern, Dokumenten oder Videos weder identifiziert noch 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. Nennen Sie die erforderliche Ausgabesprache und Terminologie, insbesondere bei Quellen in mehreren Sprachen. Legen Sie für einen Dokumentablauf Fragen, Belegkennungen und endgültige Struktur fest und verlangen Sie dann, dass das Modell angegebene Tatsachen von fehlenden Informationen unterscheidet. Sein nützliches Ergebnis ist eine quellenbasierte Antwort oder ein durch Werkzeugergebnisse gestütztes Artefakt und keine Annahme, dass jedes Detail einer umfangreichen 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 Extended Thinking und Werkzeugnutzung. Sein Kontext von einer Million Tokens unterstützt Dokumentabläufe, Programmierung und Agenten, die über mehrere Schritte nachdenken 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 Modell der zweiten Generation für multimodales Verständnis bei alltäglicher Unternehmensarbeit und anspruchsvolleren Agentenaufgaben. Es akzeptiert Text, Bilder und Video einschliesslich Dokumentinhalten und erzeugt Text. Praktische Arbeiten umfassen auf geliefertem Material beruhende Supportantworten, Informationsextraktion aus Berichten, Analyse von Diagrammen oder Screenshots, Codeprüfung und Zusammenfassungen visueller Ereignisse. Es ist ein Verständnis-Modell: Videoeingaben werden analysiert und nicht neu generiert; seine dokumentierte Ausgabe ist Text; native Bild-, Video- oder Sprachausgabe gehört nicht dazu.
Das Herstellerprofil nennt ein Kontextfenster von 1 Million Tokens und eine standardmässige maximale Ausgabe von 64K Tokens. Der dokumentierte Wissensstand endet im Oktober 2025. Dieser grössere Arbeitskontext unterscheidet Nova 2 Lite vom 300K-Fenster des Nova Lite der ersten Generation. Nutzen Sie den Platz für die tatsächlichen Quelldokumente, relevante Unterhaltung, Code und Anweisungen und verlangen Sie dann ein gezieltes Artefakt wie eine Belegtabelle, einen Änderungsvorschlag oder eine nach Quellen gegliederte Zusammenfassung. Ein langer Kontext verwandelt gelerntes Wissen nicht in eine aktuelle Datenbank; veränderliche Informationen sollten aus gelieferten Belegen, Informationsabruf oder einem aktivierten Verankerungswerkzeug stammen.
Extended Thinking ist optional und standardmässig deaktiviert. Bei Aktivierung bietet der Hersteller die Stufen low, medium und high: low für mässig komplexe Analysen, medium für umfangreiche mehrstufige Arbeit und high für die tiefsten Überlegungen. Einfache Extraktion und kurze sachliche Antworten können Thinking ausgeschaltet lassen; schwierige Fehlersuche, mathematisches Reasoning und Synthese über Dokumente hinweg können von zusätzlichem Aufwand profitieren. Reasoning-Inhalt wird als [REDACTED] zurückgegeben und ist somit kein lesbarer Schritt-für-Schritt-Verlauf. Die Vorgaben für high verlangen, temperature, topP, topK und maxTokens wegzulassen; Amazon dokumentiert, dass manche Ausgaben bei high über 65K Tokens hinausgehen und 128K erreichen können, statt 128K als gewöhnliches Ausgabebudget zu definieren.
Nova 2 Lite unterstützt Funktionsaufrufe, Antwortstreaming und Prompt-Caching im dokumentierten Bereitstellungsprofil von Amazon. Ausdrückliches Caching erfordert mindestens 1K Tokens pro Checkpoint und erlaubt bis zu vier Checkpoints mit fünfminütiger Aufbewahrung. Der Hersteller begrenzt Prompt-Caching auf 20K Tokens, hauptsächlich für Textprompts; dieses Cachebudget ist vom vollständigen Kontextfenster getrennt. Liefern Sie klare Werkzeugnamen, Beschreibungen und Argumentschemata; das Modell wählt ein Werkzeug und fordert Argumente an, während die Anwendung benutzerdefinierte Werkzeuge ausführt und ihre Ergebnisse zurückgibt. Amazon dokumentiert ausserdem das optionale integrierte Werkzeug Web Grounding für aktuelle Informationen mit Quellenangaben sowie einen Python Code Interpreter für Berechnungen. Das sind konfigurierte Werkzeuge und keine Aktivitäten, die jede Antwort voraussetzt. Amazon dokumentiert auch überwachte und verstärkungsbasierte Feinabstimmung, um Nova 2 Lite an eine spezialisierte Aufgabe anzupassen; dies sind separate Modellanpassungsabläufe. Für einen Zahlenbericht trennt ein nützliches Briefing die Ausgangszahlen, die durchzuführende Berechnung und die zurückzugebende Erklärung; Werkzeugfehler sollten im Ergebnis sichtbar bleiben, statt als erfolgreiche Beobachtungen behandelt zu werden.
Der multimodale Leitfaden nennt PNG-, JPEG-, GIF- und WebP-Bilder; 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 hauptsächlich als Text gelesen, während PDF und DOCX Text und Seitenbilder verbinden 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 Nutzdaten von 25 MB; die 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 ein gemeinsames Budget von 25 MB für direkten Upload oder 2 GB über S3. PDFs mit CMYK- oder SVG-Bildern werden nicht unterstützt. Diese Einzelheiten zur Dateiverarbeitung gehören zum dokumentierten Herstellerablauf; fügen Sie den tatsächlich relevanten Inhalt bei und bewahren Sie seine Seiten- oder Abschnittskennzeichnungen für nützliche Verweise.
Videoverständnis nutzt visuelle Einzelbilder statt der Tonspur. Für Videos mit 16 Minuten oder weniger beschreibt der Leitfaden ein abgetastetes Bild pro Sekunde; sein Text beschreibt eine Reduzierung 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; liefern Sie ein separates Transkript, wenn gesprochene Informationen wichtig sind. Auch kleiner oder mehrsprachiger Text und präzise räumliche Beziehungen können schwierig sein; bewahren Sie daher lesbare Beschriftungen und ausreichend umgebenden visuellen Kontext. Der Hersteller erklärt ausserdem, dass dieses Modell Personen in Bildern, Dokumenten oder Videos weder identifiziert noch 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. Nennen Sie die erforderliche Ausgabesprache und Terminologie, insbesondere bei Quellen in mehreren Sprachen. Legen Sie für einen Dokumentablauf Fragen, Belegkennungen und endgültige Struktur fest und verlangen Sie dann, dass das Modell angegebene Tatsachen von fehlenden Informationen unterscheidet. Sein nützliches Ergebnis ist eine quellenbasierte Antwort oder ein durch Werkzeugergebnisse gestütztes Artefakt und keine Annahme, dass jedes Detail einer umfangreichen 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 · Cache schreiben — / 1K Tokens Eingabe · 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 $0.005 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${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 Extended Thinking und Werkzeugnutzung. Sein Kontext von einer Million Tokens unterstützt Dokumentabläufe, Programmierung und Agenten, die über mehrere Schritte nachdenken 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 Modell der zweiten Generation für multimodales Verständnis bei alltäglicher Unternehmensarbeit und anspruchsvolleren Agentenaufgaben. Es akzeptiert Text, Bilder und Video einschliesslich Dokumentinhalten und erzeugt Text. Praktische Arbeiten umfassen auf geliefertem Material beruhende Supportantworten, Informationsextraktion aus Berichten, Analyse von Diagrammen oder Screenshots, Codeprüfung und Zusammenfassungen visueller Ereignisse. Es ist ein Verständnis-Modell: Videoeingaben werden analysiert und nicht neu generiert; seine dokumentierte Ausgabe ist Text; native Bild-, Video- oder Sprachausgabe gehört nicht dazu.
Das Herstellerprofil nennt ein Kontextfenster von 1 Million Tokens und eine standardmässige maximale Ausgabe von 64K Tokens. Der dokumentierte Wissensstand endet im Oktober 2025. Dieser grössere Arbeitskontext unterscheidet Nova 2 Lite vom 300K-Fenster des Nova Lite der ersten Generation. Nutzen Sie den Platz für die tatsächlichen Quelldokumente, relevante Unterhaltung, Code und Anweisungen und verlangen Sie dann ein gezieltes Artefakt wie eine Belegtabelle, einen Änderungsvorschlag oder eine nach Quellen gegliederte Zusammenfassung. Ein langer Kontext verwandelt gelerntes Wissen nicht in eine aktuelle Datenbank; veränderliche Informationen sollten aus gelieferten Belegen, Informationsabruf oder einem aktivierten Verankerungswerkzeug stammen.
Extended Thinking ist optional und standardmässig deaktiviert. Bei Aktivierung bietet der Hersteller die Stufen low, medium und high: low für mässig komplexe Analysen, medium für umfangreiche mehrstufige Arbeit und high für die tiefsten Überlegungen. Einfache Extraktion und kurze sachliche Antworten können Thinking ausgeschaltet lassen; schwierige Fehlersuche, mathematisches Reasoning und Synthese über Dokumente hinweg können von zusätzlichem Aufwand profitieren. Reasoning-Inhalt wird als [REDACTED] zurückgegeben und ist somit kein lesbarer Schritt-für-Schritt-Verlauf. Die Vorgaben für high verlangen, temperature, topP, topK und maxTokens wegzulassen; Amazon dokumentiert, dass manche Ausgaben bei high über 65K Tokens hinausgehen und 128K erreichen können, statt 128K als gewöhnliches Ausgabebudget zu definieren.
Nova 2 Lite unterstützt Funktionsaufrufe, Antwortstreaming und Prompt-Caching im dokumentierten Bereitstellungsprofil von Amazon. Ausdrückliches Caching erfordert mindestens 1K Tokens pro Checkpoint und erlaubt bis zu vier Checkpoints mit fünfminütiger Aufbewahrung. Der Hersteller begrenzt Prompt-Caching auf 20K Tokens, hauptsächlich für Textprompts; dieses Cachebudget ist vom vollständigen Kontextfenster getrennt. Liefern Sie klare Werkzeugnamen, Beschreibungen und Argumentschemata; das Modell wählt ein Werkzeug und fordert Argumente an, während die Anwendung benutzerdefinierte Werkzeuge ausführt und ihre Ergebnisse zurückgibt. Amazon dokumentiert ausserdem das optionale integrierte Werkzeug Web Grounding für aktuelle Informationen mit Quellenangaben sowie einen Python Code Interpreter für Berechnungen. Das sind konfigurierte Werkzeuge und keine Aktivitäten, die jede Antwort voraussetzt. Amazon dokumentiert auch überwachte und verstärkungsbasierte Feinabstimmung, um Nova 2 Lite an eine spezialisierte Aufgabe anzupassen; dies sind separate Modellanpassungsabläufe. Für einen Zahlenbericht trennt ein nützliches Briefing die Ausgangszahlen, die durchzuführende Berechnung und die zurückzugebende Erklärung; Werkzeugfehler sollten im Ergebnis sichtbar bleiben, statt als erfolgreiche Beobachtungen behandelt zu werden.
Der multimodale Leitfaden nennt PNG-, JPEG-, GIF- und WebP-Bilder; 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 hauptsächlich als Text gelesen, während PDF und DOCX Text und Seitenbilder verbinden 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 Nutzdaten von 25 MB; die 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 ein gemeinsames Budget von 25 MB für direkten Upload oder 2 GB über S3. PDFs mit CMYK- oder SVG-Bildern werden nicht unterstützt. Diese Einzelheiten zur Dateiverarbeitung gehören zum dokumentierten Herstellerablauf; fügen Sie den tatsächlich relevanten Inhalt bei und bewahren Sie seine Seiten- oder Abschnittskennzeichnungen für nützliche Verweise.
Videoverständnis nutzt visuelle Einzelbilder statt der Tonspur. Für Videos mit 16 Minuten oder weniger beschreibt der Leitfaden ein abgetastetes Bild pro Sekunde; sein Text beschreibt eine Reduzierung 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; liefern Sie ein separates Transkript, wenn gesprochene Informationen wichtig sind. Auch kleiner oder mehrsprachiger Text und präzise räumliche Beziehungen können schwierig sein; bewahren Sie daher lesbare Beschriftungen und ausreichend umgebenden visuellen Kontext. Der Hersteller erklärt ausserdem, dass dieses Modell Personen in Bildern, Dokumenten oder Videos weder identifiziert noch 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. Nennen Sie die erforderliche Ausgabesprache und Terminologie, insbesondere bei Quellen in mehreren Sprachen. Legen Sie für einen Dokumentablauf Fragen, Belegkennungen und endgültige Struktur fest und verlangen Sie dann, dass das Modell angegebene Tatsachen von fehlenden Informationen unterscheidet. Sein nützliches Ergebnis ist eine quellenbasierte Antwort oder ein durch Werkzeugergebnisse gestütztes Artefakt und keine Annahme, dass jedes Detail einer umfangreichen 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 · Cache schreiben — / 1K Tokens Eingabe · 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 $0.005 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "amazon/nova-2-lite-v1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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.