Amazon Nova Pro ist das ausgewogene multimodale Verständnis-Modell in Amazons Nova-Familie der ersten Generation. Es verbindet Text-, Bild- und Videoverständnis für Aufgaben von dokumentgestützter Fragebeantwortung und visueller Analyse bis zu Softwarearbeit und Agentenworkflows. Seine Ausgabe ist Text: eine Erklärung, extrahierte Informationen, Code, ein Plan oder eine Werkzeuganfrage. Pro liegt zwischen dem leichteren Nova Lite und den anspruchsvolleren Langkontext-Aufgaben, die Premier adressiert. Dieses Profil beschreibt die ursprüngliche Ausgabe Pro v1 statt eines Nova-2-Modells.
Der Nova-Leitfaden der ersten Generation nennt ein Kontextfenster von 300K Tokens und eine maximale Ausgabe von 10K Tokens. Der dokumentierte Wissensstand endet im Oktober 2024. Ein praktischer Workflow kann Referenzabschnitte, Dokumentinhalte, visuelle Belege und das jüngste Gespräch kombinieren und anschließend ein kompaktes Ergebnis liefern. Geben Sie für eine technische Prüfung relevanten Code, beobachtetes Verhalten und Einschränkungen an 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 unterscheiden kann, was die Dokumente sagen und welche Schlussfolgerung es untersuchen soll.
Amazon dokumentiert Pros Fähigkeit, visuelle Fragen zu beantworten, Bilder zu klassifizieren oder zusammenzufassen und Begrenzungsrahmen für angegebene Objekte zurückzugeben. Der Bildleitfaden der ersten Generation verwendet eine Koordinatenskala von [0, 1000), die die verarbeitende Anwendung in die ursprünglichen Bildabmessungen umrechnet. Bilder werden automatisch skaliert, bei einer dokumentierten maximalen Auflösung von 8.000 × 8.000 Pixeln. Das unterstützt Aufgaben wie das Identifizieren eines Elements in einem Screenshot oder das Beschreiben eines Diagramms. Erhalten Sie lesbaren Text und wichtigen visuellen Kontext und fordern Sie die relevanten Beobachtungen an, bevor Sie eine Interpretation verlangen.
Die unterstützten Bildformate des Herstellers umfassen PNG, JPG/JPEG, GIF und WebP. Der Dokumentworkflow akzeptiert PDF, DOC/DOCX, CSV, XLS/XLSX, HTML, TXT und Markdown. Textbasierte Formate liefern Text, während PDF und DOCX zusammen 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 einer PDF benötigt, ist extrahierter Text eine einfachere Eingabe als das visuelle Lesen einzelner Seiten. Eingebettete Medien teilen sich ein Nutzlastbudget von 25 MB, einschließlich Base64-Overhead. 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 bei direktem Upload oder 2 GB über S3.
Pro kann gängige Videoformate wie MP4, MOV, MKV und WebM analysieren. Seine Abtaststrategie der Version 1 verwendet bei Clips bis 16 Minuten ein Bild pro Sekunde und bei längeren Clips 960 über die Dauer verteilte Bilder. Das begünstigt Zusammenfassungen auf Szenenebene gegenüber präzisen Analysen sehr schneller Aktionen, besonders bei längeren Videos. Amazon empfiehlt für bewegungsreiche Clips weniger als 16 Minuten und für bewegungsarme Clips weniger als eine Stunde. Stellen Sie einen relevanten Ausschnitt bereit und benennen Sie das sichtbare Ereignis oder die zu prüfende Beziehung. Ein Transkript sollte gesprochene Informationen liefern, weil die dokumentierten Eingabemodalitäten kein Audio umfassen. Der Hersteller gibt außerdem an, dass dieses Modell Personen in Bildern, Dokumenten oder Videos nicht identifiziert oder namentlich benennt.
Pro unterstützt Antwortstreaming, clientseitig ausgeführte Funktionsaufrufe und retrievalgestützte Aufgaben. Es unterstützt auch Prompt-Caching im dokumentierten Bereitstellungsprofil von Amazon. Explizites Caching benötigt mindestens 1K Tokens pro Checkpoint und erlaubt bis zu vier Checkpoints mit fünf Minuten Aufbewahrungsdauer. Der Hersteller begrenzt Prompt-Caching auf 20K Tokens, 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 Sie das Modell fortsetzen lassen. Nova der ersten Generation kann per Prompt zu einer schrittweisen Lösung angeleitet werden. Das unterscheidet sich von den separat konfigurierten erweiterten Denkmodi und eingebauten Werkzeugen von Nova 2 Lite. Pro dient außerdem als Destillationslehrer für Nova Micro und Lite, und Amazon dokumentiert benutzerdefiniertes Fine-Tuning von Pro. Diese angepassten Modelle behalten ihre eigenen Identitäten.
Der Leitfaden der Version 1 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 die erforderliche Sprache und Terminologie an, statt gleichmäßige Leistung über Dialekte hinweg anzunehmen. Legen Sie für einen wiederverwendbaren Workflow die finale Struktur und die Quellbelege fest, die jedes Feld enthalten soll. Pro kann plausible, aber falsche Behauptungen oder nicht ausgeführten Code zurückgeben. Ausdrückliche Fakten und die Trennung von Werkzeugergebnissen und Vorschlägen machen die Ausgabe leichter nutzbar und prüfbar.
", "aboutText": "Amazon Nova Pro ist das ausgewogene multimodale Verständnis-Modell in Amazons Nova-Familie der ersten Generation. Es verbindet Text-, Bild- und Videoverständnis für Aufgaben von dokumentgestützter Fragebeantwortung und visueller Analyse bis zu Softwarearbeit und Agentenworkflows. Seine Ausgabe ist Text: eine Erklärung, extrahierte Informationen, Code, ein Plan oder eine Werkzeuganfrage. Pro liegt zwischen dem leichteren Nova Lite und den anspruchsvolleren Langkontext-Aufgaben, die Premier adressiert. Dieses Profil beschreibt die ursprüngliche Ausgabe Pro v1 statt eines Nova-2-Modells.\n\nDer Nova-Leitfaden der ersten Generation nennt ein Kontextfenster von 300K Tokens und eine maximale Ausgabe von 10K Tokens. Der dokumentierte Wissensstand endet im Oktober 2024. Ein praktischer Workflow kann Referenzabschnitte, Dokumentinhalte, visuelle Belege und das jüngste Gespräch kombinieren und anschließend ein kompaktes Ergebnis liefern. Geben Sie für eine technische Prüfung relevanten Code, beobachtetes Verhalten und Einschränkungen an 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 unterscheiden kann, was die Dokumente sagen und welche Schlussfolgerung es untersuchen soll.\n\nAmazon dokumentiert Pros Fähigkeit, visuelle Fragen zu beantworten, Bilder zu klassifizieren oder zusammenzufassen und Begrenzungsrahmen für angegebene Objekte zurückzugeben. Der Bildleitfaden der ersten Generation verwendet eine Koordinatenskala von [0, 1000), die die verarbeitende Anwendung in die ursprünglichen Bildabmessungen umrechnet. Bilder werden automatisch skaliert, bei einer dokumentierten maximalen Auflösung von 8.000 × 8.000 Pixeln. Das unterstützt Aufgaben wie das Identifizieren eines Elements in einem Screenshot oder das Beschreiben eines Diagramms. Erhalten Sie lesbaren Text und wichtigen visuellen Kontext und fordern Sie die relevanten Beobachtungen an, bevor Sie eine Interpretation verlangen.\n\nDie unterstützten Bildformate des Herstellers umfassen PNG, JPG/JPEG, GIF und WebP. Der Dokumentworkflow akzeptiert PDF, DOC/DOCX, CSV, XLS/XLSX, HTML, TXT und Markdown. Textbasierte Formate liefern Text, während PDF und DOCX zusammen 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 einer PDF benötigt, ist extrahierter Text eine einfachere Eingabe als das visuelle Lesen einzelner Seiten. Eingebettete Medien teilen sich ein Nutzlastbudget von 25 MB, einschließlich Base64-Overhead. 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 bei direktem Upload oder 2 GB über S3.\n\nPro kann gängige Videoformate wie MP4, MOV, MKV und WebM analysieren. Seine Abtaststrategie der Version 1 verwendet bei Clips bis 16 Minuten ein Bild pro Sekunde und bei längeren Clips 960 über die Dauer verteilte Bilder. Das begünstigt Zusammenfassungen auf Szenenebene gegenüber präzisen Analysen sehr schneller Aktionen, besonders bei längeren Videos. Amazon empfiehlt für bewegungsreiche Clips weniger als 16 Minuten und für bewegungsarme Clips weniger als eine Stunde. Stellen Sie einen relevanten Ausschnitt bereit und benennen Sie das sichtbare Ereignis oder die zu prüfende Beziehung. Ein Transkript sollte gesprochene Informationen liefern, weil die dokumentierten Eingabemodalitäten kein Audio umfassen. Der Hersteller gibt außerdem an, dass dieses Modell Personen in Bildern, Dokumenten oder Videos nicht identifiziert oder namentlich benennt.\n\nPro unterstützt Antwortstreaming, clientseitig ausgeführte Funktionsaufrufe und retrievalgestützte Aufgaben. Es unterstützt auch Prompt-Caching im dokumentierten Bereitstellungsprofil von Amazon. Explizites Caching benötigt mindestens 1K Tokens pro Checkpoint und erlaubt bis zu vier Checkpoints mit fünf Minuten Aufbewahrungsdauer. Der Hersteller begrenzt Prompt-Caching auf 20K Tokens, 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 Sie das Modell fortsetzen lassen. Nova der ersten Generation kann per Prompt zu einer schrittweisen Lösung angeleitet werden. Das unterscheidet sich von den separat konfigurierten erweiterten Denkmodi und eingebauten Werkzeugen von Nova 2 Lite. Pro dient außerdem als Destillationslehrer für Nova Micro und Lite, und Amazon dokumentiert benutzerdefiniertes Fine-Tuning von Pro. Diese angepassten Modelle behalten ihre eigenen Identitäten.\n\nDer Leitfaden der Version 1 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 die erforderliche Sprache und Terminologie an, statt gleichmäßige Leistung über Dialekte hinweg anzunehmen. Legen Sie für einen wiederverwendbaren Workflow die finale Struktur und die Quellbelege fest, die jedes Feld enthalten soll. Pro kann plausible, aber falsche Behauptungen oder nicht ausgeführten Code zurückgeben. Ausdrückliche Fakten und die Trennung von Werkzeugergebnissen und Vorschlägen machen die Ausgabe leichter nutzbar und prüfbar.", "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 für Schlussfolgerungen auf Grundlage von Text, Bildern, Dokumenten und Video. Es erzeugt Text für visuelle Analysen, Softwareaufgaben, Dokumentworkflows 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 multimodale Verständnis-Modell in Amazons Nova-Familie der ersten Generation. Es verbindet Text-, Bild- und Videoverständnis für Aufgaben von dokumentgestützter Fragebeantwortung und visueller Analyse bis zu Softwarearbeit und Agentenworkflows. Seine Ausgabe ist Text: eine Erklärung, extrahierte Informationen, Code, ein Plan oder eine Werkzeuganfrage. Pro liegt zwischen dem leichteren Nova Lite und den anspruchsvolleren Langkontext-Aufgaben, die Premier adressiert. Dieses Profil beschreibt die ursprüngliche Ausgabe Pro v1 statt eines Nova-2-Modells.
Der Nova-Leitfaden der ersten Generation nennt ein Kontextfenster von 300K Tokens und eine maximale Ausgabe von 10K Tokens. Der dokumentierte Wissensstand endet im Oktober 2024. Ein praktischer Workflow kann Referenzabschnitte, Dokumentinhalte, visuelle Belege und das jüngste Gespräch kombinieren und anschließend ein kompaktes Ergebnis liefern. Geben Sie für eine technische Prüfung relevanten Code, beobachtetes Verhalten und Einschränkungen an 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 unterscheiden kann, was die Dokumente sagen und welche Schlussfolgerung es untersuchen soll.
Amazon dokumentiert Pros Fähigkeit, visuelle Fragen zu beantworten, Bilder zu klassifizieren oder zusammenzufassen und Begrenzungsrahmen für angegebene Objekte zurückzugeben. Der Bildleitfaden der ersten Generation verwendet eine Koordinatenskala von [0, 1000), die die verarbeitende Anwendung in die ursprünglichen Bildabmessungen umrechnet. Bilder werden automatisch skaliert, bei einer dokumentierten maximalen Auflösung von 8.000 × 8.000 Pixeln. Das unterstützt Aufgaben wie das Identifizieren eines Elements in einem Screenshot oder das Beschreiben eines Diagramms. Erhalten Sie lesbaren Text und wichtigen visuellen Kontext und fordern Sie die relevanten Beobachtungen an, bevor Sie eine Interpretation verlangen.
Die unterstützten Bildformate des Herstellers umfassen PNG, JPG/JPEG, GIF und WebP. Der Dokumentworkflow akzeptiert PDF, DOC/DOCX, CSV, XLS/XLSX, HTML, TXT und Markdown. Textbasierte Formate liefern Text, während PDF und DOCX zusammen 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 einer PDF benötigt, ist extrahierter Text eine einfachere Eingabe als das visuelle Lesen einzelner Seiten. Eingebettete Medien teilen sich ein Nutzlastbudget von 25 MB, einschließlich Base64-Overhead. 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 bei direktem Upload oder 2 GB über S3.
Pro kann gängige Videoformate wie MP4, MOV, MKV und WebM analysieren. Seine Abtaststrategie der Version 1 verwendet bei Clips bis 16 Minuten ein Bild pro Sekunde und bei längeren Clips 960 über die Dauer verteilte Bilder. Das begünstigt Zusammenfassungen auf Szenenebene gegenüber präzisen Analysen sehr schneller Aktionen, besonders bei längeren Videos. Amazon empfiehlt für bewegungsreiche Clips weniger als 16 Minuten und für bewegungsarme Clips weniger als eine Stunde. Stellen Sie einen relevanten Ausschnitt bereit und benennen Sie das sichtbare Ereignis oder die zu prüfende Beziehung. Ein Transkript sollte gesprochene Informationen liefern, weil die dokumentierten Eingabemodalitäten kein Audio umfassen. Der Hersteller gibt außerdem an, dass dieses Modell Personen in Bildern, Dokumenten oder Videos nicht identifiziert oder namentlich benennt.
Pro unterstützt Antwortstreaming, clientseitig ausgeführte Funktionsaufrufe und retrievalgestützte Aufgaben. Es unterstützt auch Prompt-Caching im dokumentierten Bereitstellungsprofil von Amazon. Explizites Caching benötigt mindestens 1K Tokens pro Checkpoint und erlaubt bis zu vier Checkpoints mit fünf Minuten Aufbewahrungsdauer. Der Hersteller begrenzt Prompt-Caching auf 20K Tokens, 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 Sie das Modell fortsetzen lassen. Nova der ersten Generation kann per Prompt zu einer schrittweisen Lösung angeleitet werden. Das unterscheidet sich von den separat konfigurierten erweiterten Denkmodi und eingebauten Werkzeugen von Nova 2 Lite. Pro dient außerdem als Destillationslehrer für Nova Micro und Lite, und Amazon dokumentiert benutzerdefiniertes Fine-Tuning von Pro. Diese angepassten Modelle behalten ihre eigenen Identitäten.
Der Leitfaden der Version 1 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 die erforderliche Sprache und Terminologie an, statt gleichmäßige Leistung über Dialekte hinweg anzunehmen. Legen Sie für einen wiederverwendbaren Workflow die finale Struktur und die Quellbelege fest, die jedes Feld enthalten soll. Pro kann plausible, aber falsche Behauptungen oder nicht ausgeführten Code zurückgeben. Ausdrückliche Fakten und die Trennung von Werkzeugergebnissen und Vorschlägen machen die Ausgabe leichter nutzbar und prüfbar.
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 Token Ausgabe · Ausgabetoken $0.0064 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0016 / 1K Token Ausgabe · Ausgabetoken $0.0064 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${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 für Schlussfolgerungen auf Grundlage von Text, Bildern, Dokumenten und Video. Es erzeugt Text für visuelle Analysen, Softwareaufgaben, Dokumentworkflows 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 multimodale Verständnis-Modell in Amazons Nova-Familie der ersten Generation. Es verbindet Text-, Bild- und Videoverständnis für Aufgaben von dokumentgestützter Fragebeantwortung und visueller Analyse bis zu Softwarearbeit und Agentenworkflows. Seine Ausgabe ist Text: eine Erklärung, extrahierte Informationen, Code, ein Plan oder eine Werkzeuganfrage. Pro liegt zwischen dem leichteren Nova Lite und den anspruchsvolleren Langkontext-Aufgaben, die Premier adressiert. Dieses Profil beschreibt die ursprüngliche Ausgabe Pro v1 statt eines Nova-2-Modells.
Der Nova-Leitfaden der ersten Generation nennt ein Kontextfenster von 300K Tokens und eine maximale Ausgabe von 10K Tokens. Der dokumentierte Wissensstand endet im Oktober 2024. Ein praktischer Workflow kann Referenzabschnitte, Dokumentinhalte, visuelle Belege und das jüngste Gespräch kombinieren und anschließend ein kompaktes Ergebnis liefern. Geben Sie für eine technische Prüfung relevanten Code, beobachtetes Verhalten und Einschränkungen an 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 unterscheiden kann, was die Dokumente sagen und welche Schlussfolgerung es untersuchen soll.
Amazon dokumentiert Pros Fähigkeit, visuelle Fragen zu beantworten, Bilder zu klassifizieren oder zusammenzufassen und Begrenzungsrahmen für angegebene Objekte zurückzugeben. Der Bildleitfaden der ersten Generation verwendet eine Koordinatenskala von [0, 1000), die die verarbeitende Anwendung in die ursprünglichen Bildabmessungen umrechnet. Bilder werden automatisch skaliert, bei einer dokumentierten maximalen Auflösung von 8.000 × 8.000 Pixeln. Das unterstützt Aufgaben wie das Identifizieren eines Elements in einem Screenshot oder das Beschreiben eines Diagramms. Erhalten Sie lesbaren Text und wichtigen visuellen Kontext und fordern Sie die relevanten Beobachtungen an, bevor Sie eine Interpretation verlangen.
Die unterstützten Bildformate des Herstellers umfassen PNG, JPG/JPEG, GIF und WebP. Der Dokumentworkflow akzeptiert PDF, DOC/DOCX, CSV, XLS/XLSX, HTML, TXT und Markdown. Textbasierte Formate liefern Text, während PDF und DOCX zusammen 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 einer PDF benötigt, ist extrahierter Text eine einfachere Eingabe als das visuelle Lesen einzelner Seiten. Eingebettete Medien teilen sich ein Nutzlastbudget von 25 MB, einschließlich Base64-Overhead. 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 bei direktem Upload oder 2 GB über S3.
Pro kann gängige Videoformate wie MP4, MOV, MKV und WebM analysieren. Seine Abtaststrategie der Version 1 verwendet bei Clips bis 16 Minuten ein Bild pro Sekunde und bei längeren Clips 960 über die Dauer verteilte Bilder. Das begünstigt Zusammenfassungen auf Szenenebene gegenüber präzisen Analysen sehr schneller Aktionen, besonders bei längeren Videos. Amazon empfiehlt für bewegungsreiche Clips weniger als 16 Minuten und für bewegungsarme Clips weniger als eine Stunde. Stellen Sie einen relevanten Ausschnitt bereit und benennen Sie das sichtbare Ereignis oder die zu prüfende Beziehung. Ein Transkript sollte gesprochene Informationen liefern, weil die dokumentierten Eingabemodalitäten kein Audio umfassen. Der Hersteller gibt außerdem an, dass dieses Modell Personen in Bildern, Dokumenten oder Videos nicht identifiziert oder namentlich benennt.
Pro unterstützt Antwortstreaming, clientseitig ausgeführte Funktionsaufrufe und retrievalgestützte Aufgaben. Es unterstützt auch Prompt-Caching im dokumentierten Bereitstellungsprofil von Amazon. Explizites Caching benötigt mindestens 1K Tokens pro Checkpoint und erlaubt bis zu vier Checkpoints mit fünf Minuten Aufbewahrungsdauer. Der Hersteller begrenzt Prompt-Caching auf 20K Tokens, 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 Sie das Modell fortsetzen lassen. Nova der ersten Generation kann per Prompt zu einer schrittweisen Lösung angeleitet werden. Das unterscheidet sich von den separat konfigurierten erweiterten Denkmodi und eingebauten Werkzeugen von Nova 2 Lite. Pro dient außerdem als Destillationslehrer für Nova Micro und Lite, und Amazon dokumentiert benutzerdefiniertes Fine-Tuning von Pro. Diese angepassten Modelle behalten ihre eigenen Identitäten.
Der Leitfaden der Version 1 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 die erforderliche Sprache und Terminologie an, statt gleichmäßige Leistung über Dialekte hinweg anzunehmen. Legen Sie für einen wiederverwendbaren Workflow die finale Struktur und die Quellbelege fest, die jedes Feld enthalten soll. Pro kann plausible, aber falsche Behauptungen oder nicht ausgeführten Code zurückgeben. Ausdrückliche Fakten und die Trennung von Werkzeugergebnissen und Vorschlägen machen die Ausgabe leichter nutzbar und prüfbar.
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 Token Ausgabe · Ausgabetoken $0.0064 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0016 / 1K Token Ausgabe · Ausgabetoken $0.0064 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "amazon/nova-pro-v1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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.