Amazon Nova Premier est le modèle de compréhension le plus performant de la première génération de la famille Nova d’Amazon, conçu pour les travaux complexes exigeant une compréhension approfondie, du contexte et une planification sur plusieurs étapes. Il traite du texte, des images et des vidéos et produit du texte. Son rôle comprend le raisonnement sur de longs rapports, la comparaison des preuves entre documents, la compréhension de graphiques et de contenus visuels, et la coordination de tâches d’agents. Premier se distingue des modèles Micro, Lite et Pro plus légers, ainsi que des modèles Nova qui génèrent des images, des vidéos ou de la parole conversationnelle.
Le profil exact du fabricant indique une fenêtre de contexte de 1 million de jetons et une sortie maximale de 25K jetons. Sa date limite de connaissances documentée est octobre 2024. Premier est ainsi utile lorsqu’une tâche nécessite un vaste ensemble de références avec des instructions et une conversation. Organisez ces éléments avec des noms de documents, des repères de section et une question précise plutôt que de demander une analyse sans direction de l’ensemble. Un résultat utile peut être une matrice comparative, un rapport fondé sur des preuves ou une séquence d’actions proposée. Le budget de contexte couvre le matériel utilisé par le modèle; il ne promet pas que chaque détail figurera dans la réponse finale.
Le processus multimodal documenté de Premier traite les images PNG, JPG/JPEG, GIF et WebP et les conteneurs vidéo courants comme MP4, MOV, MKV et WebM. Le processus documentaire comprend PDF, DOC/DOCX, CSV, XLS/XLSX, HTML, TXT et Markdown. Les fichiers orientés texte fournissent du texte; PDF et DOCX peuvent fournir le texte des pages avec des informations visuelles. Pour un rapport comportant des graphiques, conservez des étiquettes lisibles et demandez au modèle de décrire les observations pertinentes avant de les interpréter. Si seule la prose est nécessaire, fournir le texte extrait évite de faire de l’extraction visuelle un préalable à la compréhension du document. Les médias intégrés partagent un budget de charge utile de 25 MB, surcharge base64 comprise. Une demande contient une vidéo, limitée à 1 GB par S3; l’ensemble des médias S3 peut atteindre 2 GB. Les entrées PDF et DOCX restent limitées à cinq documents, avec une allocation combinée de 25 MB pour le téléversement direct ou de 2 GB par S3.
La compréhension vidéo repose sur des images visuelles échantillonnées. Le guide de la première génération attribue précisément à Premier une cadence d’une image par seconde jusqu’à 3 200 images, différente de la stratégie à 960 images de Nova Lite et Pro. Cela convient aux résumés de scènes et aux questions sur les événements dans le temps, mais de brèves actions entre les images échantillonnées peuvent échapper à l’observation. Fournissez un extrait ou un intervalle pertinent et indiquez les détails à suivre. Pour une longue séquence, une analyse par segments suivie d’un résumé textuel peut préserver l’attention, même si le découpage peut perdre du contexte aux limites des segments. Les modalités documentées du modèle ne comprennent pas l’audio en entrée; les informations parlées doivent donc être fournies sous forme de texte.
Premier prend en charge la diffusion des réponses en continu, les processus utilisant des outils ou la récupération d’informations, et la mise en cache des invites dans le profil de service documenté par Amazon. Le cache explicite exige au moins 1K jetons par point de contrôle et autorise jusqu’à quatre points de contrôle avec une conservation de cinq minutes. Le fabricant limite le cache des invites à 20K jetons, principalement pour les invites textuelles; cette allocation de cache est distincte de la fenêtre de contexte complète. Donnez à un agent la tâche, les outils autorisés et la description de leurs arguments, puis laissez l’application exécuter les actions demandées et renvoyer des observations avant l’étape suivante du modèle. Son rôle de raisonnement n’implique pas qu’il puisse faire fonctionner un système externe sans cette couche d’exécution. Les recommandations de la première génération permettent d’expliquer une solution par étapes au moyen d’invites; les commandes distinctes low, medium et high de réflexion approfondie de Nova 2 Lite ne font pas partie de l’interface documentée de cette édition. Pour un rapport ou un résultat d’outil, demandez des champs explicites et des exemples de structure souhaitée; une forme JSON demandée se distingue d’une sortie structurée imposée.
Un rôle distinctif de Premier est d’enseigner aux modèles Nova plus petits par distillation. Amazon décrit l’utilisation des réponses de Premier comme exemples d’entraînement pour des variantes spécialisées de Nova Micro, Lite et Pro, puis la comparaison du comportement du modèle plus petit sur la tâche cible. Il s’agit d’un processus de personnalisation de modèle plutôt que d’un changement d’identité d’une réponse Premier normale. En usage courant, fournissez les faits faisant autorité et exigez que la réponse distingue les observations, les hypothèses et les preuves manquantes. Nova peut générer des affirmations plausibles qui contredisent une source, et le code généré n’inclut pas d’analyse automatique de sécurité; le livrable utile doit donc porter assez de preuves et de détails pour être vérifié à partir de ses entrées. Le fabricant indique aussi que ce modèle n’identifie ni ne nomme les personnes dans les images, les documents ou les vidéos.
", "aboutText": "Amazon Nova Premier est le modèle de compréhension le plus performant de la première génération de la famille Nova d’Amazon, conçu pour les travaux complexes exigeant une compréhension approfondie, du contexte et une planification sur plusieurs étapes. Il traite du texte, des images et des vidéos et produit du texte. Son rôle comprend le raisonnement sur de longs rapports, la comparaison des preuves entre documents, la compréhension de graphiques et de contenus visuels, et la coordination de tâches d’agents. Premier se distingue des modèles Micro, Lite et Pro plus légers, ainsi que des modèles Nova qui génèrent des images, des vidéos ou de la parole conversationnelle.\n\nLe profil exact du fabricant indique une fenêtre de contexte de 1 million de jetons et une sortie maximale de 25K jetons. Sa date limite de connaissances documentée est octobre 2024. Premier est ainsi utile lorsqu’une tâche nécessite un vaste ensemble de références avec des instructions et une conversation. Organisez ces éléments avec des noms de documents, des repères de section et une question précise plutôt que de demander une analyse sans direction de l’ensemble. Un résultat utile peut être une matrice comparative, un rapport fondé sur des preuves ou une séquence d’actions proposée. Le budget de contexte couvre le matériel utilisé par le modèle; il ne promet pas que chaque détail figurera dans la réponse finale.\n\nLe processus multimodal documenté de Premier traite les images PNG, JPG/JPEG, GIF et WebP et les conteneurs vidéo courants comme MP4, MOV, MKV et WebM. Le processus documentaire comprend PDF, DOC/DOCX, CSV, XLS/XLSX, HTML, TXT et Markdown. Les fichiers orientés texte fournissent du texte; PDF et DOCX peuvent fournir le texte des pages avec des informations visuelles. Pour un rapport comportant des graphiques, conservez des étiquettes lisibles et demandez au modèle de décrire les observations pertinentes avant de les interpréter. Si seule la prose est nécessaire, fournir le texte extrait évite de faire de l’extraction visuelle un préalable à la compréhension du document. Les médias intégrés partagent un budget de charge utile de 25 MB, surcharge base64 comprise. Une demande contient une vidéo, limitée à 1 GB par S3; l’ensemble des médias S3 peut atteindre 2 GB. Les entrées PDF et DOCX restent limitées à cinq documents, avec une allocation combinée de 25 MB pour le téléversement direct ou de 2 GB par S3.\n\nLa compréhension vidéo repose sur des images visuelles échantillonnées. Le guide de la première génération attribue précisément à Premier une cadence d’une image par seconde jusqu’à 3 200 images, différente de la stratégie à 960 images de Nova Lite et Pro. Cela convient aux résumés de scènes et aux questions sur les événements dans le temps, mais de brèves actions entre les images échantillonnées peuvent échapper à l’observation. Fournissez un extrait ou un intervalle pertinent et indiquez les détails à suivre. Pour une longue séquence, une analyse par segments suivie d’un résumé textuel peut préserver l’attention, même si le découpage peut perdre du contexte aux limites des segments. Les modalités documentées du modèle ne comprennent pas l’audio en entrée; les informations parlées doivent donc être fournies sous forme de texte.\n\nPremier prend en charge la diffusion des réponses en continu, les processus utilisant des outils ou la récupération d’informations, et la mise en cache des invites dans le profil de service documenté par Amazon. Le cache explicite exige au moins 1K jetons par point de contrôle et autorise jusqu’à quatre points de contrôle avec une conservation de cinq minutes. Le fabricant limite le cache des invites à 20K jetons, principalement pour les invites textuelles; cette allocation de cache est distincte de la fenêtre de contexte complète. Donnez à un agent la tâche, les outils autorisés et la description de leurs arguments, puis laissez l’application exécuter les actions demandées et renvoyer des observations avant l’étape suivante du modèle. Son rôle de raisonnement n’implique pas qu’il puisse faire fonctionner un système externe sans cette couche d’exécution. Les recommandations de la première génération permettent d’expliquer une solution par étapes au moyen d’invites; les commandes distinctes low, medium et high de réflexion approfondie de Nova 2 Lite ne font pas partie de l’interface documentée de cette édition. Pour un rapport ou un résultat d’outil, demandez des champs explicites et des exemples de structure souhaitée; une forme JSON demandée se distingue d’une sortie structurée imposée.\n\nUn rôle distinctif de Premier est d’enseigner aux modèles Nova plus petits par distillation. Amazon décrit l’utilisation des réponses de Premier comme exemples d’entraînement pour des variantes spécialisées de Nova Micro, Lite et Pro, puis la comparaison du comportement du modèle plus petit sur la tâche cible. Il s’agit d’un processus de personnalisation de modèle plutôt que d’un changement d’identité d’une réponse Premier normale. En usage courant, fournissez les faits faisant autorité et exigez que la réponse distingue les observations, les hypothèses et les preuves manquantes. Nova peut générer des affirmations plausibles qui contredisent une source, et le code généré n’inclut pas d’analyse automatique de sécurité; le livrable utile doit donc porter assez de preuves et de détails pour être vérifié à partir de ses entrées. Le fabricant indique aussi que ce modèle n’identifie ni ne nomme les personnes dans les images, les documents ou les vidéos.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Compare two rollout proposals\n\nCompare these rollout notes for a support team. Plan A: train all 40 agents on Monday, migrate Tuesday, no rollback rehearsal. Plan B: train 10 agents, pilot for two days, rehearse rollback, then migrate the rest. Prepare a decision memo with evidence, trade-offs and one question the notes cannot answer.A short recommendation, a two-plan comparison table and one explicitly unanswered question.Check every stated advantage against the notes; do not invent costs, outage rates or pilot results.amazon/nova-premier-v1Amazon Nova Premier est le modèle de première génération Nova pour le raisonnement multimodal complexe, l’analyse de longs documents et les agents. Il accepte du texte, des images et des vidéos, renvoie du texte et sert aussi de modèle enseignant pour distiller des modèles Nova spécialisés.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Amazon Nova Premier est le modèle de compréhension le plus performant de la première génération de la famille Nova d’Amazon, conçu pour les travaux complexes exigeant une compréhension approfondie, du contexte et une planification sur plusieurs étapes. Il traite du texte, des images et des vidéos et produit du texte. Son rôle comprend le raisonnement sur de longs rapports, la comparaison des preuves entre documents, la compréhension de graphiques et de contenus visuels, et la coordination de tâches d’agents. Premier se distingue des modèles Micro, Lite et Pro plus légers, ainsi que des modèles Nova qui génèrent des images, des vidéos ou de la parole conversationnelle.
Le profil exact du fabricant indique une fenêtre de contexte de 1 million de jetons et une sortie maximale de 25K jetons. Sa date limite de connaissances documentée est octobre 2024. Premier est ainsi utile lorsqu’une tâche nécessite un vaste ensemble de références avec des instructions et une conversation. Organisez ces éléments avec des noms de documents, des repères de section et une question précise plutôt que de demander une analyse sans direction de l’ensemble. Un résultat utile peut être une matrice comparative, un rapport fondé sur des preuves ou une séquence d’actions proposée. Le budget de contexte couvre le matériel utilisé par le modèle; il ne promet pas que chaque détail figurera dans la réponse finale.
Le processus multimodal documenté de Premier traite les images PNG, JPG/JPEG, GIF et WebP et les conteneurs vidéo courants comme MP4, MOV, MKV et WebM. Le processus documentaire comprend PDF, DOC/DOCX, CSV, XLS/XLSX, HTML, TXT et Markdown. Les fichiers orientés texte fournissent du texte; PDF et DOCX peuvent fournir le texte des pages avec des informations visuelles. Pour un rapport comportant des graphiques, conservez des étiquettes lisibles et demandez au modèle de décrire les observations pertinentes avant de les interpréter. Si seule la prose est nécessaire, fournir le texte extrait évite de faire de l’extraction visuelle un préalable à la compréhension du document. Les médias intégrés partagent un budget de charge utile de 25 MB, surcharge base64 comprise. Une demande contient une vidéo, limitée à 1 GB par S3; l’ensemble des médias S3 peut atteindre 2 GB. Les entrées PDF et DOCX restent limitées à cinq documents, avec une allocation combinée de 25 MB pour le téléversement direct ou de 2 GB par S3.
La compréhension vidéo repose sur des images visuelles échantillonnées. Le guide de la première génération attribue précisément à Premier une cadence d’une image par seconde jusqu’à 3 200 images, différente de la stratégie à 960 images de Nova Lite et Pro. Cela convient aux résumés de scènes et aux questions sur les événements dans le temps, mais de brèves actions entre les images échantillonnées peuvent échapper à l’observation. Fournissez un extrait ou un intervalle pertinent et indiquez les détails à suivre. Pour une longue séquence, une analyse par segments suivie d’un résumé textuel peut préserver l’attention, même si le découpage peut perdre du contexte aux limites des segments. Les modalités documentées du modèle ne comprennent pas l’audio en entrée; les informations parlées doivent donc être fournies sous forme de texte.
Premier prend en charge la diffusion des réponses en continu, les processus utilisant des outils ou la récupération d’informations, et la mise en cache des invites dans le profil de service documenté par Amazon. Le cache explicite exige au moins 1K jetons par point de contrôle et autorise jusqu’à quatre points de contrôle avec une conservation de cinq minutes. Le fabricant limite le cache des invites à 20K jetons, principalement pour les invites textuelles; cette allocation de cache est distincte de la fenêtre de contexte complète. Donnez à un agent la tâche, les outils autorisés et la description de leurs arguments, puis laissez l’application exécuter les actions demandées et renvoyer des observations avant l’étape suivante du modèle. Son rôle de raisonnement n’implique pas qu’il puisse faire fonctionner un système externe sans cette couche d’exécution. Les recommandations de la première génération permettent d’expliquer une solution par étapes au moyen d’invites; les commandes distinctes low, medium et high de réflexion approfondie de Nova 2 Lite ne font pas partie de l’interface documentée de cette édition. Pour un rapport ou un résultat d’outil, demandez des champs explicites et des exemples de structure souhaitée; une forme JSON demandée se distingue d’une sortie structurée imposée.
Un rôle distinctif de Premier est d’enseigner aux modèles Nova plus petits par distillation. Amazon décrit l’utilisation des réponses de Premier comme exemples d’entraînement pour des variantes spécialisées de Nova Micro, Lite et Pro, puis la comparaison du comportement du modèle plus petit sur la tâche cible. Il s’agit d’un processus de personnalisation de modèle plutôt que d’un changement d’identité d’une réponse Premier normale. En usage courant, fournissez les faits faisant autorité et exigez que la réponse distingue les observations, les hypothèses et les preuves manquantes. Nova peut générer des affirmations plausibles qui contredisent une source, et le code généré n’inclut pas d’analyse automatique de sécurité; le livrable utile doit donc porter assez de preuves et de détails pour être vérifié à partir de ses entrées. Le fabricant indique aussi que ce modèle n’identifie ni ne nomme les personnes dans les images, les documents ou les vidéos.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites amazon/nova-premier-v1 | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites Exemples : system, user, assistant, tool, function Conditions: Ces rôles sont explicitement représentés par les types de compatibilité du code source ; l’ensemble exact des rôles reste propre à chaque modèle. Selon le modèle | Par défaut— |
Champmessages[].content | Typestring|content_part[]|null | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_calls | Typetool_call[] | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_call_id | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: role=tool ; utilisez l’ID réellement renvoyé | Par défaut— |
Champmessages[].name | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].reasoning_content | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: Réinjectez le raisonnement réellement renvoyé lorsque ce modèle l’utilise | Par défaut— |
Champmessages[].reasoning_details | Typeobject|array | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champmax_completion_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Champstream_options.include_usage | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtemperature | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtop_p | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champstop | Typestring|string[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools | Typefunction_tool[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools[].type | Typestring | ExigenceFacultatif | Valeurs et limites function Selon le modèle | Par défaut— |
Champtools[].function.name | Typestring | ExigenceObligatoire | Valeurs et limites S’applique lorsque: Fonction fournie comme outil | Par défaut— |
Champtools[].function.description | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtools[].function.parameters | TypeJSON_schema | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtool_choice | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champparallel_tool_calls | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champresponse_format | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning_effort | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champservice_tier | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champinstructions | Typestring | ExigenceFacultatif | Valeurs et limites Champ de compatibilité | Par défaut— |
Champfunctions | Typefunction[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champfunction_call | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champprompt_cache_options | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmodalities | Typestring[] | ExigenceFacultatif | Valeurs et limites text | Par défaut— |
Champprovider | Typeobject | ExigenceFacultatif | Valeurs et limites Conditions: provider.options est refusé sur cette route textuelle Ultra | Par défaut— |
Champcache_control.ttl | Typestring | ExigenceFacultatif | Valeurs et limites Conditions: La valeur 1h est refusée là où le cache des prompts est configuré | Par défaut— |
Texte · Texte UTF8
messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages |
Paramètrematerial_types | Contrattext |
Paramètremessages | ContratTableau de messages avec une structure role/content |
Paramètrefile_material | ContratDocument UTF-8 réel inséré comme texte littéral ; aucun ID de fichier déduit |
Paramètreoptional_controls | Contratstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Paramètrecontrol_scope | ContratPropre au modèle ; les outils de fonctions de l’utilisateur diffèrent des outils hébergés |
Paramètreoutput_modalities | Contrattext |
Paramètrehosted_operations | Contratfalse |
Paramètremultimodal_input_binding | Contratnull |
Cycle de vie : synchronous_or_streamed
Envoyez l’ID exact du modèle avec messages.
La longueur du contexte n’est pas un plafond de sortie.
Un fichier texte peut fournir du texte littéral ; les entrées image/audio/objet fichier nécessitent une liaison exacte.
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Jetons de contexte, plus de | Jetons de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des jetons | Barème tarifaireTarif de base | Jetons de contexte, plus de— | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.005 / 1K jetons Sortie · Jetons en sortie $0.025 / 1K jetons Entrée · Lecture du cache $0.00125 / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Jetons de contexte, plus de0 | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.005 / 1K jetons Sortie · Jetons en sortie $0.025 / 1K jetons Entrée · Lecture du cache $0.00125 / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "amazon/nova-premier-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-premier-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-premier-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 ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez chaque choix avec son contenu, ses appels d’outils et son raisonnement. En SSE, assemblez les deltas par index de choix et d’outil, et conservez le motif final d’arrêt et les données d’utilisation.
Conservez les ID et les en-têtes de requête/réponse. Aucune URL générique de récupération de tâche textuelle n’est fournie.
| Champ | Type |
|---|---|
Champchoices[].index | Typeinteger |
Champchoices[].message.content | Typestring|null |
Champchoices[].message.tool_calls | Typetool_call[] |
Champchoices[].message.reasoning_content | Typestring |
Champchoices[].message.reasoning_details | Typeobject|array |
Champchoices[].finish_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des éléments fournis ou valeur de paramètre invalides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra amazon/nova-premier-v1
Utilisez les chemins de méthode indiqués ci-dessus.
amazon/nova-premier-v1Amazon Nova Premier est le modèle de première génération Nova pour le raisonnement multimodal complexe, l’analyse de longs documents et les agents. Il accepte du texte, des images et des vidéos, renvoie du texte et sert aussi de modèle enseignant pour distiller des modèles Nova spécialisés.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Amazon Nova Premier est le modèle de compréhension le plus performant de la première génération de la famille Nova d’Amazon, conçu pour les travaux complexes exigeant une compréhension approfondie, du contexte et une planification sur plusieurs étapes. Il traite du texte, des images et des vidéos et produit du texte. Son rôle comprend le raisonnement sur de longs rapports, la comparaison des preuves entre documents, la compréhension de graphiques et de contenus visuels, et la coordination de tâches d’agents. Premier se distingue des modèles Micro, Lite et Pro plus légers, ainsi que des modèles Nova qui génèrent des images, des vidéos ou de la parole conversationnelle.
Le profil exact du fabricant indique une fenêtre de contexte de 1 million de jetons et une sortie maximale de 25K jetons. Sa date limite de connaissances documentée est octobre 2024. Premier est ainsi utile lorsqu’une tâche nécessite un vaste ensemble de références avec des instructions et une conversation. Organisez ces éléments avec des noms de documents, des repères de section et une question précise plutôt que de demander une analyse sans direction de l’ensemble. Un résultat utile peut être une matrice comparative, un rapport fondé sur des preuves ou une séquence d’actions proposée. Le budget de contexte couvre le matériel utilisé par le modèle; il ne promet pas que chaque détail figurera dans la réponse finale.
Le processus multimodal documenté de Premier traite les images PNG, JPG/JPEG, GIF et WebP et les conteneurs vidéo courants comme MP4, MOV, MKV et WebM. Le processus documentaire comprend PDF, DOC/DOCX, CSV, XLS/XLSX, HTML, TXT et Markdown. Les fichiers orientés texte fournissent du texte; PDF et DOCX peuvent fournir le texte des pages avec des informations visuelles. Pour un rapport comportant des graphiques, conservez des étiquettes lisibles et demandez au modèle de décrire les observations pertinentes avant de les interpréter. Si seule la prose est nécessaire, fournir le texte extrait évite de faire de l’extraction visuelle un préalable à la compréhension du document. Les médias intégrés partagent un budget de charge utile de 25 MB, surcharge base64 comprise. Une demande contient une vidéo, limitée à 1 GB par S3; l’ensemble des médias S3 peut atteindre 2 GB. Les entrées PDF et DOCX restent limitées à cinq documents, avec une allocation combinée de 25 MB pour le téléversement direct ou de 2 GB par S3.
La compréhension vidéo repose sur des images visuelles échantillonnées. Le guide de la première génération attribue précisément à Premier une cadence d’une image par seconde jusqu’à 3 200 images, différente de la stratégie à 960 images de Nova Lite et Pro. Cela convient aux résumés de scènes et aux questions sur les événements dans le temps, mais de brèves actions entre les images échantillonnées peuvent échapper à l’observation. Fournissez un extrait ou un intervalle pertinent et indiquez les détails à suivre. Pour une longue séquence, une analyse par segments suivie d’un résumé textuel peut préserver l’attention, même si le découpage peut perdre du contexte aux limites des segments. Les modalités documentées du modèle ne comprennent pas l’audio en entrée; les informations parlées doivent donc être fournies sous forme de texte.
Premier prend en charge la diffusion des réponses en continu, les processus utilisant des outils ou la récupération d’informations, et la mise en cache des invites dans le profil de service documenté par Amazon. Le cache explicite exige au moins 1K jetons par point de contrôle et autorise jusqu’à quatre points de contrôle avec une conservation de cinq minutes. Le fabricant limite le cache des invites à 20K jetons, principalement pour les invites textuelles; cette allocation de cache est distincte de la fenêtre de contexte complète. Donnez à un agent la tâche, les outils autorisés et la description de leurs arguments, puis laissez l’application exécuter les actions demandées et renvoyer des observations avant l’étape suivante du modèle. Son rôle de raisonnement n’implique pas qu’il puisse faire fonctionner un système externe sans cette couche d’exécution. Les recommandations de la première génération permettent d’expliquer une solution par étapes au moyen d’invites; les commandes distinctes low, medium et high de réflexion approfondie de Nova 2 Lite ne font pas partie de l’interface documentée de cette édition. Pour un rapport ou un résultat d’outil, demandez des champs explicites et des exemples de structure souhaitée; une forme JSON demandée se distingue d’une sortie structurée imposée.
Un rôle distinctif de Premier est d’enseigner aux modèles Nova plus petits par distillation. Amazon décrit l’utilisation des réponses de Premier comme exemples d’entraînement pour des variantes spécialisées de Nova Micro, Lite et Pro, puis la comparaison du comportement du modèle plus petit sur la tâche cible. Il s’agit d’un processus de personnalisation de modèle plutôt que d’un changement d’identité d’une réponse Premier normale. En usage courant, fournissez les faits faisant autorité et exigez que la réponse distingue les observations, les hypothèses et les preuves manquantes. Nova peut générer des affirmations plausibles qui contredisent une source, et le code généré n’inclut pas d’analyse automatique de sécurité; le livrable utile doit donc porter assez de preuves et de détails pour être vérifié à partir de ses entrées. Le fabricant indique aussi que ce modèle n’identifie ni ne nomme les personnes dans les images, les documents ou les vidéos.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites amazon/nova-premier-v1 | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites user, assistant | Par défaut— |
Champmessages[].content | Typestring | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Texte · Texte UTF-8
Chaîne messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages, max_tokens |
Paramètreoptional_controls | Contratstream |
Paramètrematerial_types | Contrattext |
Paramètretext_file_material | ContratLisez le document UTF-8 réel et placez son texte dans l’entrée indiquée ou dans la chaîne de contenu du message. |
Cycle de vie : synchronous_or_streamed
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Jetons de contexte, plus de | Jetons de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des jetons | Barème tarifaireTarif de base | Jetons de contexte, plus de— | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.005 / 1K jetons Sortie · Jetons en sortie $0.025 / 1K jetons Entrée · Lecture du cache $0.00125 / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Jetons de contexte, plus de0 | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.005 / 1K jetons Sortie · Jetons en sortie $0.025 / 1K jetons Entrée · Lecture du cache $0.00125 / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "amazon/nova-premier-v1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-premier-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-premier-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 ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez tous les blocs de contenu, les signatures de raisonnement et les ID réels d’utilisation d’outils. Assemblez tous les deltas de blocs SSE ; un premier bloc de texte ne constitue pas la sortie complète.
Conservez les ID et les en-têtes de requête/réponse. Aucune URL générique de récupération de tâche textuelle n’est fournie.
| Champ | Type |
|---|---|
Champid | Typestring |
Champmodel | Typestring |
Champcontent[] | Typetext|thinking|tool_use|other content block |
Champstop_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des éléments fournis ou valeur de paramètre invalides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra amazon/nova-premier-v1
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
Compare two rollout proposals\n\nCompare these rollout notes for a support team. Plan A: train all 40 agents on Monday, migrate Tuesday, no rollback rehearsal. Plan B: train 10 agents, pilot for two days, rehearse rollback, then migrate the rest. Prepare a decision memo with evidence, trade-offs and one question the notes cannot answer.A short recommendation, a two-plan comparison table and one explicitly unanswered question.Check every stated advantage against the notes; do not invent costs, outage rates or pilot results.