Amazon Nova Pro est le modèle de compréhension multimodale équilibré de la première génération de la famille Nova d’Amazon. Il associe la compréhension du texte, des images et des vidéos pour des tâches allant des réponses à des questions sur des documents et de l’analyse visuelle au travail logiciel et aux processus d’agents. Sa sortie est textuelle : une explication, des informations extraites, du code, un plan ou une demande d’outil. Pro se situe entre Nova Lite, plus léger, et les travaux plus exigeants à long contexte auxquels répond Premier ; ce profil décrit l’édition Pro v1 d’origine plutôt qu’un modèle Nova 2.
Le guide de la première génération Nova indique une fenêtre de contexte de 300K tokens et une sortie maximale de 10K tokens. La date limite de ses connaissances documentée est octobre 2024. Un processus pratique peut combiner des passages de référence, le contenu de documents, des éléments visuels et la conversation récente, puis renvoyer un résultat concis. Pour une revue technique, fournissez le code pertinent, le comportement observé et les contraintes, puis demandez une proposition de modification motivée. Pour un rapport, nommez les sources et les champs à comparer. Séparez les éléments de preuve des instructions pour que le modèle distingue ce qu’affirment les documents de la conclusion à examiner.
Amazon documente la capacité de Pro à répondre à des questions visuelles, à classer ou résumer des images et à renvoyer des cadres de délimitation pour les objets indiqués. Le guide d’images de première génération utilise une échelle de coordonnées [0, 1000), convertie aux dimensions originales de l’image par l’application qui les exploite. Les images sont automatiquement redimensionnées, avec une résolution maximale documentée de 8 000 × 8 000 pixels. Cela permet notamment d’identifier un élément dans une capture d’écran ou de décrire un diagramme. Préservez la lisibilité du texte et le contexte visuel essentiel, et demandez les observations pertinentes avant une interprétation.
Les formats d’image pris en charge par le fabricant comprennent PNG, JPG/JPEG, GIF et WebP. Le processus documentaire accepte PDF, DOC/DOCX, CSV, XLS/XLSX, HTML, TXT et Markdown. Les formats textuels apportent du texte, tandis que PDF et DOCX peuvent être interprétés avec des éléments visuels comme des graphiques et des tableaux. Le guide documentaire autorise jusqu’à cinq documents et limite chaque document textuel à 4.5 MB. Il exclut les contenus PDF utilisant des images CMYK ou SVG et les encodages non pris en charge comme JPEG2000 et JBIG2. Si une tâche n’exige que les mots d’un PDF, le texte extrait fournit une entrée plus simple qu’une lecture visuelle des pages. Les médias intégrés partagent un budget de charge utile de 25 MB, surcoût base64 compris. Une requête contient une vidéo, limitée à 1 GB via S3 ; l’ensemble des médias S3 peut atteindre 2 GB. Les entrées PDF et DOCX restent limitées à cinq documents, avec un budget cumulé de 25 MB pour un téléversement direct ou de 2 GB via S3.
Pro peut analyser les formats vidéo courants, notamment MP4, MOV, MKV et WebM. Sa stratégie d’échantillonnage version1 utilise une image par seconde pour les vidéos allant jusqu’à 16 minutes, puis 960 images réparties sur les vidéos plus longues. Cela favorise les résumés de scènes plutôt que l’analyse précise d’actions très rapides, surtout à mesure que la vidéo s’allonge. Amazon recommande de garder les vidéos à mouvements importants sous 16 minutes et celles à faibles mouvements sous une heure. Fournissez un segment pertinent et indiquez l’événement visible ou la relation à examiner ; une transcription doit transmettre les informations parlées, car les modalités d’entrée documentées n’incluent pas l’audio. Le fabricant précise aussi que ce modèle n’identifie ni ne nomme les personnes dans les images, les documents ou les vidéos.
Pro prend en charge la diffusion des réponses en continu, les appels de fonctions exécutés par le client et les tâches enrichies par recherche documentaire. Il prend aussi en charge la mise en cache des prompts dans le profil de service documenté d’Amazon. La mise en cache explicite exige au moins 1K tokens par point de contrôle et autorise jusqu’à quatre points de contrôle avec une conservation de cinq minutes. Le fabricant limite la mise en cache des prompts à 20K tokens, principalement pour les prompts textuels ; ce budget de cache est distinct de la fenêtre de contexte complète. Décrivez les outils et leurs arguments, laissez l’application exécuter les demandes et renvoyez les observations ou les erreurs avant de demander au modèle de poursuivre. La première génération Nova peut être invitée par prompt à résoudre un problème par étapes, ce qui est distinct des modes de réflexion étendue configurés séparément et des outils intégrés de Nova 2 Lite. Pro sert aussi de modèle enseignant pour la distillation vers Nova Micro et Lite, et Amazon documente l’ajustement personnalisé de Pro ; ces modèles personnalisés conservent leur propre identité.
Le guide version1 décrit un entraînement dans plus de 200 langues avec une optimisation pour 15 d’entre elles : anglais, allemand, espagnol, français, italien, japonais, coréen, arabe, chinois simplifié, russe, hindi, portugais, néerlandais, turc et hébreu. Précisez la langue et la terminologie requises plutôt que de supposer des performances uniformes entre dialectes. Pour un processus réutilisable, définissez la structure finale et les éléments de source que chaque champ doit contenir. Pro peut renvoyer des affirmations plausibles mais incorrectes ou du code non exécuté ; fournir des faits explicites et distinguer les résultats des outils des propositions facilite l’utilisation et la vérification de la sortie.
", "aboutText": "Amazon Nova Pro est le modèle de compréhension multimodale équilibré de la première génération de la famille Nova d’Amazon. Il associe la compréhension du texte, des images et des vidéos pour des tâches allant des réponses à des questions sur des documents et de l’analyse visuelle au travail logiciel et aux processus d’agents. Sa sortie est textuelle : une explication, des informations extraites, du code, un plan ou une demande d’outil. Pro se situe entre Nova Lite, plus léger, et les travaux plus exigeants à long contexte auxquels répond Premier ; ce profil décrit l’édition Pro v1 d’origine plutôt qu’un modèle Nova 2.\n\nLe guide de la première génération Nova indique une fenêtre de contexte de 300K tokens et une sortie maximale de 10K tokens. La date limite de ses connaissances documentée est octobre 2024. Un processus pratique peut combiner des passages de référence, le contenu de documents, des éléments visuels et la conversation récente, puis renvoyer un résultat concis. Pour une revue technique, fournissez le code pertinent, le comportement observé et les contraintes, puis demandez une proposition de modification motivée. Pour un rapport, nommez les sources et les champs à comparer. Séparez les éléments de preuve des instructions pour que le modèle distingue ce qu’affirment les documents de la conclusion à examiner.\n\nAmazon documente la capacité de Pro à répondre à des questions visuelles, à classer ou résumer des images et à renvoyer des cadres de délimitation pour les objets indiqués. Le guide d’images de première génération utilise une échelle de coordonnées [0, 1000), convertie aux dimensions originales de l’image par l’application qui les exploite. Les images sont automatiquement redimensionnées, avec une résolution maximale documentée de 8 000 × 8 000 pixels. Cela permet notamment d’identifier un élément dans une capture d’écran ou de décrire un diagramme. Préservez la lisibilité du texte et le contexte visuel essentiel, et demandez les observations pertinentes avant une interprétation.\n\nLes formats d’image pris en charge par le fabricant comprennent PNG, JPG/JPEG, GIF et WebP. Le processus documentaire accepte PDF, DOC/DOCX, CSV, XLS/XLSX, HTML, TXT et Markdown. Les formats textuels apportent du texte, tandis que PDF et DOCX peuvent être interprétés avec des éléments visuels comme des graphiques et des tableaux. Le guide documentaire autorise jusqu’à cinq documents et limite chaque document textuel à 4.5 MB. Il exclut les contenus PDF utilisant des images CMYK ou SVG et les encodages non pris en charge comme JPEG2000 et JBIG2. Si une tâche n’exige que les mots d’un PDF, le texte extrait fournit une entrée plus simple qu’une lecture visuelle des pages. Les médias intégrés partagent un budget de charge utile de 25 MB, surcoût base64 compris. Une requête contient une vidéo, limitée à 1 GB via S3 ; l’ensemble des médias S3 peut atteindre 2 GB. Les entrées PDF et DOCX restent limitées à cinq documents, avec un budget cumulé de 25 MB pour un téléversement direct ou de 2 GB via S3.\n\nPro peut analyser les formats vidéo courants, notamment MP4, MOV, MKV et WebM. Sa stratégie d’échantillonnage version1 utilise une image par seconde pour les vidéos allant jusqu’à 16 minutes, puis 960 images réparties sur les vidéos plus longues. Cela favorise les résumés de scènes plutôt que l’analyse précise d’actions très rapides, surtout à mesure que la vidéo s’allonge. Amazon recommande de garder les vidéos à mouvements importants sous 16 minutes et celles à faibles mouvements sous une heure. Fournissez un segment pertinent et indiquez l’événement visible ou la relation à examiner ; une transcription doit transmettre les informations parlées, car les modalités d’entrée documentées n’incluent pas l’audio. Le fabricant précise aussi que ce modèle n’identifie ni ne nomme les personnes dans les images, les documents ou les vidéos.\n\nPro prend en charge la diffusion des réponses en continu, les appels de fonctions exécutés par le client et les tâches enrichies par recherche documentaire. Il prend aussi en charge la mise en cache des prompts dans le profil de service documenté d’Amazon. La mise en cache explicite exige au moins 1K tokens par point de contrôle et autorise jusqu’à quatre points de contrôle avec une conservation de cinq minutes. Le fabricant limite la mise en cache des prompts à 20K tokens, principalement pour les prompts textuels ; ce budget de cache est distinct de la fenêtre de contexte complète. Décrivez les outils et leurs arguments, laissez l’application exécuter les demandes et renvoyez les observations ou les erreurs avant de demander au modèle de poursuivre. La première génération Nova peut être invitée par prompt à résoudre un problème par étapes, ce qui est distinct des modes de réflexion étendue configurés séparément et des outils intégrés de Nova 2 Lite. Pro sert aussi de modèle enseignant pour la distillation vers Nova Micro et Lite, et Amazon documente l’ajustement personnalisé de Pro ; ces modèles personnalisés conservent leur propre identité.\n\nLe guide version1 décrit un entraînement dans plus de 200 langues avec une optimisation pour 15 d’entre elles : anglais, allemand, espagnol, français, italien, japonais, coréen, arabe, chinois simplifié, russe, hindi, portugais, néerlandais, turc et hébreu. Précisez la langue et la terminologie requises plutôt que de supposer des performances uniformes entre dialectes. Pour un processus réutilisable, définissez la structure finale et les éléments de source que chaque champ doit contenir. Pro peut renvoyer des affirmations plausibles mais incorrectes ou du code non exécuté ; fournir des faits explicites et distinguer les résultats des outils des propositions facilite l’utilisation et la vérification de la sortie.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
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 est le modèle équilibré de la première génération Nova pour raisonner sur du texte, des images, des documents et des vidéos. Il produit du texte pour l’analyse visuelle, les tâches logicielles, les processus documentaires et les agents qui combinent les éléments fournis avec des outils.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Amazon Nova Pro est le modèle de compréhension multimodale équilibré de la première génération de la famille Nova d’Amazon. Il associe la compréhension du texte, des images et des vidéos pour des tâches allant des réponses à des questions sur des documents et de l’analyse visuelle au travail logiciel et aux processus d’agents. Sa sortie est textuelle : une explication, des informations extraites, du code, un plan ou une demande d’outil. Pro se situe entre Nova Lite, plus léger, et les travaux plus exigeants à long contexte auxquels répond Premier ; ce profil décrit l’édition Pro v1 d’origine plutôt qu’un modèle Nova 2.
Le guide de la première génération Nova indique une fenêtre de contexte de 300K tokens et une sortie maximale de 10K tokens. La date limite de ses connaissances documentée est octobre 2024. Un processus pratique peut combiner des passages de référence, le contenu de documents, des éléments visuels et la conversation récente, puis renvoyer un résultat concis. Pour une revue technique, fournissez le code pertinent, le comportement observé et les contraintes, puis demandez une proposition de modification motivée. Pour un rapport, nommez les sources et les champs à comparer. Séparez les éléments de preuve des instructions pour que le modèle distingue ce qu’affirment les documents de la conclusion à examiner.
Amazon documente la capacité de Pro à répondre à des questions visuelles, à classer ou résumer des images et à renvoyer des cadres de délimitation pour les objets indiqués. Le guide d’images de première génération utilise une échelle de coordonnées [0, 1000), convertie aux dimensions originales de l’image par l’application qui les exploite. Les images sont automatiquement redimensionnées, avec une résolution maximale documentée de 8 000 × 8 000 pixels. Cela permet notamment d’identifier un élément dans une capture d’écran ou de décrire un diagramme. Préservez la lisibilité du texte et le contexte visuel essentiel, et demandez les observations pertinentes avant une interprétation.
Les formats d’image pris en charge par le fabricant comprennent PNG, JPG/JPEG, GIF et WebP. Le processus documentaire accepte PDF, DOC/DOCX, CSV, XLS/XLSX, HTML, TXT et Markdown. Les formats textuels apportent du texte, tandis que PDF et DOCX peuvent être interprétés avec des éléments visuels comme des graphiques et des tableaux. Le guide documentaire autorise jusqu’à cinq documents et limite chaque document textuel à 4.5 MB. Il exclut les contenus PDF utilisant des images CMYK ou SVG et les encodages non pris en charge comme JPEG2000 et JBIG2. Si une tâche n’exige que les mots d’un PDF, le texte extrait fournit une entrée plus simple qu’une lecture visuelle des pages. Les médias intégrés partagent un budget de charge utile de 25 MB, surcoût base64 compris. Une requête contient une vidéo, limitée à 1 GB via S3 ; l’ensemble des médias S3 peut atteindre 2 GB. Les entrées PDF et DOCX restent limitées à cinq documents, avec un budget cumulé de 25 MB pour un téléversement direct ou de 2 GB via S3.
Pro peut analyser les formats vidéo courants, notamment MP4, MOV, MKV et WebM. Sa stratégie d’échantillonnage version1 utilise une image par seconde pour les vidéos allant jusqu’à 16 minutes, puis 960 images réparties sur les vidéos plus longues. Cela favorise les résumés de scènes plutôt que l’analyse précise d’actions très rapides, surtout à mesure que la vidéo s’allonge. Amazon recommande de garder les vidéos à mouvements importants sous 16 minutes et celles à faibles mouvements sous une heure. Fournissez un segment pertinent et indiquez l’événement visible ou la relation à examiner ; une transcription doit transmettre les informations parlées, car les modalités d’entrée documentées n’incluent pas l’audio. Le fabricant précise aussi que ce modèle n’identifie ni ne nomme les personnes dans les images, les documents ou les vidéos.
Pro prend en charge la diffusion des réponses en continu, les appels de fonctions exécutés par le client et les tâches enrichies par recherche documentaire. Il prend aussi en charge la mise en cache des prompts dans le profil de service documenté d’Amazon. La mise en cache explicite exige au moins 1K tokens par point de contrôle et autorise jusqu’à quatre points de contrôle avec une conservation de cinq minutes. Le fabricant limite la mise en cache des prompts à 20K tokens, principalement pour les prompts textuels ; ce budget de cache est distinct de la fenêtre de contexte complète. Décrivez les outils et leurs arguments, laissez l’application exécuter les demandes et renvoyez les observations ou les erreurs avant de demander au modèle de poursuivre. La première génération Nova peut être invitée par prompt à résoudre un problème par étapes, ce qui est distinct des modes de réflexion étendue configurés séparément et des outils intégrés de Nova 2 Lite. Pro sert aussi de modèle enseignant pour la distillation vers Nova Micro et Lite, et Amazon documente l’ajustement personnalisé de Pro ; ces modèles personnalisés conservent leur propre identité.
Le guide version1 décrit un entraînement dans plus de 200 langues avec une optimisation pour 15 d’entre elles : anglais, allemand, espagnol, français, italien, japonais, coréen, arabe, chinois simplifié, russe, hindi, portugais, néerlandais, turc et hébreu. Précisez la langue et la terminologie requises plutôt que de supposer des performances uniformes entre dialectes. Pour un processus réutilisable, définissez la structure finale et les éléments de source que chaque champ doit contenir. Pro peut renvoyer des affirmations plausibles mais incorrectes ou du code non exécuté ; fournir des faits explicites et distinguer les résultats des outils des propositions facilite l’utilisation et la vérification de la sortie.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites amazon/nova-pro-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’identifiant 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: outil de fonction fourni | 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 rejeté sur cette route textuelle Ultra | Par défaut— |
Champcache_control.ttl | Typestring | ExigenceFacultatif | Valeurs et limites Conditions: 1h est rejeté dans les emplacements réels du cache de prompt | 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 sous forme de texte littéral ; aucun identifiant 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’identifiant 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/objets 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 | Tokens de contexte, plus de | Tokens de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0016 / 1K tokens Sortie · Tokens en sortie $0.0064 / 1K tokens Entrée · Lecture du cache — / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0016 / 1K tokens Sortie · Tokens en sortie $0.0064 / 1K tokens Entrée · Lecture du cache — / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "amazon/nova-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 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, puis conservez le motif final de terminaison et les données d’utilisation.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles 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 contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra amazon/nova-pro-v1
Utilisez les chemins de méthode indiqués ci-dessus.
amazon/nova-pro-v1Amazon Nova Pro est le modèle équilibré de la première génération Nova pour raisonner sur du texte, des images, des documents et des vidéos. Il produit du texte pour l’analyse visuelle, les tâches logicielles, les processus documentaires et les agents qui combinent les éléments fournis avec des outils.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Amazon Nova Pro est le modèle de compréhension multimodale équilibré de la première génération de la famille Nova d’Amazon. Il associe la compréhension du texte, des images et des vidéos pour des tâches allant des réponses à des questions sur des documents et de l’analyse visuelle au travail logiciel et aux processus d’agents. Sa sortie est textuelle : une explication, des informations extraites, du code, un plan ou une demande d’outil. Pro se situe entre Nova Lite, plus léger, et les travaux plus exigeants à long contexte auxquels répond Premier ; ce profil décrit l’édition Pro v1 d’origine plutôt qu’un modèle Nova 2.
Le guide de la première génération Nova indique une fenêtre de contexte de 300K tokens et une sortie maximale de 10K tokens. La date limite de ses connaissances documentée est octobre 2024. Un processus pratique peut combiner des passages de référence, le contenu de documents, des éléments visuels et la conversation récente, puis renvoyer un résultat concis. Pour une revue technique, fournissez le code pertinent, le comportement observé et les contraintes, puis demandez une proposition de modification motivée. Pour un rapport, nommez les sources et les champs à comparer. Séparez les éléments de preuve des instructions pour que le modèle distingue ce qu’affirment les documents de la conclusion à examiner.
Amazon documente la capacité de Pro à répondre à des questions visuelles, à classer ou résumer des images et à renvoyer des cadres de délimitation pour les objets indiqués. Le guide d’images de première génération utilise une échelle de coordonnées [0, 1000), convertie aux dimensions originales de l’image par l’application qui les exploite. Les images sont automatiquement redimensionnées, avec une résolution maximale documentée de 8 000 × 8 000 pixels. Cela permet notamment d’identifier un élément dans une capture d’écran ou de décrire un diagramme. Préservez la lisibilité du texte et le contexte visuel essentiel, et demandez les observations pertinentes avant une interprétation.
Les formats d’image pris en charge par le fabricant comprennent PNG, JPG/JPEG, GIF et WebP. Le processus documentaire accepte PDF, DOC/DOCX, CSV, XLS/XLSX, HTML, TXT et Markdown. Les formats textuels apportent du texte, tandis que PDF et DOCX peuvent être interprétés avec des éléments visuels comme des graphiques et des tableaux. Le guide documentaire autorise jusqu’à cinq documents et limite chaque document textuel à 4.5 MB. Il exclut les contenus PDF utilisant des images CMYK ou SVG et les encodages non pris en charge comme JPEG2000 et JBIG2. Si une tâche n’exige que les mots d’un PDF, le texte extrait fournit une entrée plus simple qu’une lecture visuelle des pages. Les médias intégrés partagent un budget de charge utile de 25 MB, surcoût base64 compris. Une requête contient une vidéo, limitée à 1 GB via S3 ; l’ensemble des médias S3 peut atteindre 2 GB. Les entrées PDF et DOCX restent limitées à cinq documents, avec un budget cumulé de 25 MB pour un téléversement direct ou de 2 GB via S3.
Pro peut analyser les formats vidéo courants, notamment MP4, MOV, MKV et WebM. Sa stratégie d’échantillonnage version1 utilise une image par seconde pour les vidéos allant jusqu’à 16 minutes, puis 960 images réparties sur les vidéos plus longues. Cela favorise les résumés de scènes plutôt que l’analyse précise d’actions très rapides, surtout à mesure que la vidéo s’allonge. Amazon recommande de garder les vidéos à mouvements importants sous 16 minutes et celles à faibles mouvements sous une heure. Fournissez un segment pertinent et indiquez l’événement visible ou la relation à examiner ; une transcription doit transmettre les informations parlées, car les modalités d’entrée documentées n’incluent pas l’audio. Le fabricant précise aussi que ce modèle n’identifie ni ne nomme les personnes dans les images, les documents ou les vidéos.
Pro prend en charge la diffusion des réponses en continu, les appels de fonctions exécutés par le client et les tâches enrichies par recherche documentaire. Il prend aussi en charge la mise en cache des prompts dans le profil de service documenté d’Amazon. La mise en cache explicite exige au moins 1K tokens par point de contrôle et autorise jusqu’à quatre points de contrôle avec une conservation de cinq minutes. Le fabricant limite la mise en cache des prompts à 20K tokens, principalement pour les prompts textuels ; ce budget de cache est distinct de la fenêtre de contexte complète. Décrivez les outils et leurs arguments, laissez l’application exécuter les demandes et renvoyez les observations ou les erreurs avant de demander au modèle de poursuivre. La première génération Nova peut être invitée par prompt à résoudre un problème par étapes, ce qui est distinct des modes de réflexion étendue configurés séparément et des outils intégrés de Nova 2 Lite. Pro sert aussi de modèle enseignant pour la distillation vers Nova Micro et Lite, et Amazon documente l’ajustement personnalisé de Pro ; ces modèles personnalisés conservent leur propre identité.
Le guide version1 décrit un entraînement dans plus de 200 langues avec une optimisation pour 15 d’entre elles : anglais, allemand, espagnol, français, italien, japonais, coréen, arabe, chinois simplifié, russe, hindi, portugais, néerlandais, turc et hébreu. Précisez la langue et la terminologie requises plutôt que de supposer des performances uniformes entre dialectes. Pour un processus réutilisable, définissez la structure finale et les éléments de source que chaque champ doit contenir. Pro peut renvoyer des affirmations plausibles mais incorrectes ou du code non exécuté ; fournir des faits explicites et distinguer les résultats des outils des propositions facilite l’utilisation et la vérification de la sortie.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites amazon/nova-pro-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 | Tokens de contexte, plus de | Tokens de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0016 / 1K tokens Sortie · Tokens en sortie $0.0064 / 1K tokens Entrée · Lecture du cache — / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0016 / 1K tokens Sortie · Tokens en sortie $0.0064 / 1K tokens Entrée · Lecture du cache — / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "amazon/nova-pro-v1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 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 identifiants 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 identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles 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 contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra amazon/nova-pro-v1
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
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.