Amazon Nova 2 Lite est le modèle de compréhension multimodale de deuxième génération d’Amazon pour le travail quotidien en entreprise et les tâches d’agent plus exigeantes. Il accepte du texte, des images et des vidéos, y compris du contenu documentaire, et produit du texte. Ses usages pratiques comprennent les réponses d’assistance fondées sur des sources fournies, l’extraction d’informations de rapports, l’analyse de graphiques ou de captures d’écran, la revue de code et le résumé d’événements visuels. C’est un modèle de compréhension : l’entrée vidéo est analysée plutôt que régénérée, et sa sortie documentée est du texte plutôt que des images, de la vidéo ou de la parole natives.
La fiche du modèle publiée par le fournisseur indique une fenêtre de contexte de 1 million de tokens et une sortie maximale standard de 64K tokens. Sa date limite de connaissances documentée est octobre 2025. Ce contexte de travail plus grand distingue Nova 2 Lite de la fenêtre de 300K de Nova Lite de première génération. Utilisez cet espace pour les documents sources réels, la conversation pertinente, le code et les instructions, puis demandez un livrable ciblé comme un tableau d’éléments de preuve, une proposition de modification ou un résumé organisé par source. Un long contexte ne transforme pas les connaissances apprises en base de données en direct ; les informations évolutives doivent provenir des éléments fournis, d’une récupération de données ou d’un outil d’ancrage activé.
La réflexion étendue est facultative et désactivée par défaut. Lorsqu’elle est activée, le fournisseur propose les niveaux d’effort low, medium et high : low pour une analyse modérément complexe, medium pour un travail conséquent à plusieurs étapes et high pour le raisonnement le plus approfondi. L’extraction simple et les réponses factuelles courtes peuvent utiliser la réflexion désactivée ; le débogage difficile, le raisonnement mathématique et la synthèse entre documents peuvent bénéficier d’un effort supplémentaire. Le contenu du raisonnement est renvoyé sous la forme [REDACTED] et ne constitue donc pas une trace lisible étape par étape. Le contrat d’effort high exige d’omettre temperature, topP, topK et maxTokens ; Amazon documente que certaines sorties à effort high peuvent dépasser 65K tokens et atteindre 128K, plutôt que de définir 128K comme un budget de sortie ordinaire.
Nova 2 Lite prend en charge les appels de fonctions, le streaming des réponses et 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 avec une conservation de cinq minutes. Le fournisseur 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. Fournissez des noms d’outils clairs, des descriptions et des schémas d’arguments ; le modèle choisit un outil et demande des arguments, tandis que l’application exécute les outils personnalisés et renvoie leurs résultats. Amazon documente aussi les outils intégrés facultatifs Web Grounding pour les informations actuelles avec citations et Python Code Interpreter pour les calculs. Ce sont des outils configurés, pas des activités impliquées par chaque réponse. Amazon documente également l’ajustement supervisé et par renforcement pour adapter Nova 2 Lite à une tâche spécialisée ; ce sont des parcours distincts de personnalisation de modèle. Pour un rapport chiffré, une consigne utile sépare les chiffres sources, le calcul à effectuer et l’explication à renvoyer ; les erreurs d’outils doivent rester visibles dans le résultat renvoyé plutôt que d’être traitées comme des observations réussies.
Le guide multimodal répertorie les images PNG, JPEG, GIF et WebP ; pour les GIF ou WebP animés, seule la première image est utilisée. Les formats vidéo comprennent MP4, MOV, MKV, WebM, FLV, MPEG, MPG, WMV et 3GP. Les documents comprennent PDF, DOC/DOCX, TXT, CSV, XLS/XLSX, HTML et Markdown. Les formats textuels sont lus principalement comme du texte, tandis que PDF et DOCX peuvent associer le texte et les éléments visuels des pages. Le parcours documentaire du fournisseur autorise jusqu’à cinq documents et limite chaque document textuel à 4.5 MB. Le profil d’images intégrées autorise cinq images et une charge utile de 25 MB ; l’entrée d’images S3 autorise jusqu’à 1 000 images et 2 GB au total. L’entrée vidéo autorise un seul fichier : 25 MB intégré ou 1 GB via S3. Les fichiers PDF et DOCX partagent un total autorisé de 25 MB en téléversement direct ou de 2 GB via S3. Les PDF contenant des images CMYK ou SVG ne sont pas pris en charge. Ces détails de traitement des fichiers appartiennent au parcours documenté du fournisseur ; joignez le contenu réellement pertinent et conservez ses libellés de pages ou de sections pour des références utiles.
La compréhension vidéo utilise les images visuelles plutôt que la piste audio. Pour les vidéos de 16 minutes ou moins, le guide décrit un échantillonnage d’une image par seconde ; son texte décrit une réduction de la fréquence d’échantillonnage pour les clips plus longs afin de conserver 960 images. Les actions rapides entre les images peuvent donc être manquées. Préférez un clip pertinent et une question explicite sur les scènes ou événements ; fournissez une transcription séparée lorsque les informations parlées comptent. Le texte petit ou multilingue et les relations spatiales précises peuvent aussi être difficiles : préservez donc la lisibilité des libellés et un contexte visuel environnant suffisant. Le fournisseur précise également que ce modèle n’identifie ni ne nomme les personnes dans les images, documents ou vidéos.
Amazon documente la prise en charge de plus de 200 langues, avec une optimisation pour l’anglais, l’allemand, l’espagnol, le français, l’italien, le japonais, le coréen, l’arabe, le chinois simplifié, le russe, l’hindi, le portugais, le néerlandais, le turc et l’hébreu. Précisez la langue de sortie et la terminologie requises, surtout lorsque les sources utilisent plusieurs langues. Pour un parcours documentaire, définissez les questions, les identifiants des éléments de preuve et la structure finale, puis demandez au modèle de distinguer les faits énoncés des informations manquantes. Son résultat utile est une réponse ancrée dans les sources ou un livrable éclairé par des outils, et non l’hypothèse que tous les détails d’une grande entrée ont été capturés.
", "aboutText": "Amazon Nova 2 Lite est le modèle de compréhension multimodale de deuxième génération d’Amazon pour le travail quotidien en entreprise et les tâches d’agent plus exigeantes. Il accepte du texte, des images et des vidéos, y compris du contenu documentaire, et produit du texte. Ses usages pratiques comprennent les réponses d’assistance fondées sur des sources fournies, l’extraction d’informations de rapports, l’analyse de graphiques ou de captures d’écran, la revue de code et le résumé d’événements visuels. C’est un modèle de compréhension : l’entrée vidéo est analysée plutôt que régénérée, et sa sortie documentée est du texte plutôt que des images, de la vidéo ou de la parole natives.\n\nLa fiche du modèle publiée par le fournisseur indique une fenêtre de contexte de 1 million de tokens et une sortie maximale standard de 64K tokens. Sa date limite de connaissances documentée est octobre 2025. Ce contexte de travail plus grand distingue Nova 2 Lite de la fenêtre de 300K de Nova Lite de première génération. Utilisez cet espace pour les documents sources réels, la conversation pertinente, le code et les instructions, puis demandez un livrable ciblé comme un tableau d’éléments de preuve, une proposition de modification ou un résumé organisé par source. Un long contexte ne transforme pas les connaissances apprises en base de données en direct ; les informations évolutives doivent provenir des éléments fournis, d’une récupération de données ou d’un outil d’ancrage activé.\n\nLa réflexion étendue est facultative et désactivée par défaut. Lorsqu’elle est activée, le fournisseur propose les niveaux d’effort low, medium et high : low pour une analyse modérément complexe, medium pour un travail conséquent à plusieurs étapes et high pour le raisonnement le plus approfondi. L’extraction simple et les réponses factuelles courtes peuvent utiliser la réflexion désactivée ; le débogage difficile, le raisonnement mathématique et la synthèse entre documents peuvent bénéficier d’un effort supplémentaire. Le contenu du raisonnement est renvoyé sous la forme [REDACTED] et ne constitue donc pas une trace lisible étape par étape. Le contrat d’effort high exige d’omettre temperature, topP, topK et maxTokens ; Amazon documente que certaines sorties à effort high peuvent dépasser 65K tokens et atteindre 128K, plutôt que de définir 128K comme un budget de sortie ordinaire.\n\nNova 2 Lite prend en charge les appels de fonctions, le streaming des réponses et 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 avec une conservation de cinq minutes. Le fournisseur 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. Fournissez des noms d’outils clairs, des descriptions et des schémas d’arguments ; le modèle choisit un outil et demande des arguments, tandis que l’application exécute les outils personnalisés et renvoie leurs résultats. Amazon documente aussi les outils intégrés facultatifs Web Grounding pour les informations actuelles avec citations et Python Code Interpreter pour les calculs. Ce sont des outils configurés, pas des activités impliquées par chaque réponse. Amazon documente également l’ajustement supervisé et par renforcement pour adapter Nova 2 Lite à une tâche spécialisée ; ce sont des parcours distincts de personnalisation de modèle. Pour un rapport chiffré, une consigne utile sépare les chiffres sources, le calcul à effectuer et l’explication à renvoyer ; les erreurs d’outils doivent rester visibles dans le résultat renvoyé plutôt que d’être traitées comme des observations réussies.\n\nLe guide multimodal répertorie les images PNG, JPEG, GIF et WebP ; pour les GIF ou WebP animés, seule la première image est utilisée. Les formats vidéo comprennent MP4, MOV, MKV, WebM, FLV, MPEG, MPG, WMV et 3GP. Les documents comprennent PDF, DOC/DOCX, TXT, CSV, XLS/XLSX, HTML et Markdown. Les formats textuels sont lus principalement comme du texte, tandis que PDF et DOCX peuvent associer le texte et les éléments visuels des pages. Le parcours documentaire du fournisseur autorise jusqu’à cinq documents et limite chaque document textuel à 4.5 MB. Le profil d’images intégrées autorise cinq images et une charge utile de 25 MB ; l’entrée d’images S3 autorise jusqu’à 1 000 images et 2 GB au total. L’entrée vidéo autorise un seul fichier : 25 MB intégré ou 1 GB via S3. Les fichiers PDF et DOCX partagent un total autorisé de 25 MB en téléversement direct ou de 2 GB via S3. Les PDF contenant des images CMYK ou SVG ne sont pas pris en charge. Ces détails de traitement des fichiers appartiennent au parcours documenté du fournisseur ; joignez le contenu réellement pertinent et conservez ses libellés de pages ou de sections pour des références utiles.\n\nLa compréhension vidéo utilise les images visuelles plutôt que la piste audio. Pour les vidéos de 16 minutes ou moins, le guide décrit un échantillonnage d’une image par seconde ; son texte décrit une réduction de la fréquence d’échantillonnage pour les clips plus longs afin de conserver 960 images. Les actions rapides entre les images peuvent donc être manquées. Préférez un clip pertinent et une question explicite sur les scènes ou événements ; fournissez une transcription séparée lorsque les informations parlées comptent. Le texte petit ou multilingue et les relations spatiales précises peuvent aussi être difficiles : préservez donc la lisibilité des libellés et un contexte visuel environnant suffisant. Le fournisseur précise également que ce modèle n’identifie ni ne nomme les personnes dans les images, documents ou vidéos.\n\nAmazon documente la prise en charge de plus de 200 langues, avec une optimisation pour l’anglais, l’allemand, l’espagnol, le français, l’italien, le japonais, le coréen, l’arabe, le chinois simplifié, le russe, l’hindi, le portugais, le néerlandais, le turc et l’hébreu. Précisez la langue de sortie et la terminologie requises, surtout lorsque les sources utilisent plusieurs langues. Pour un parcours documentaire, définissez les questions, les identifiants des éléments de preuve et la structure finale, puis demandez au modèle de distinguer les faits énoncés des informations manquantes. Son résultat utile est une réponse ancrée dans les sources ou un livrable éclairé par des outils, et non l’hypothèse que tous les détails d’une grande entrée ont été capturés.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Draft a grounded support reply\n\nWrite a customer reply using only this help article: A replacement may be requested within 14 days of delivery for a damaged item; include the order number and a photo in the support ticket. Customer: My parcel arrived broken yesterday. Can you send another? Explain the next step without claiming a replacement has already been approved.A customer-ready reply of 60–90 words covering eligibility, required ticket information and the next action.Check that the reply requests the order number and photo without asserting that a ticket or replacement was created.amazon/nova-2-lite-v1Amazon Nova 2 Lite associe la compréhension de textes, images, documents et vidéos à une réflexion étendue facultative et à l’usage d’outils. Son contexte d’un million de tokens convient aux parcours documentaires, à la programmation et aux agents qui doivent raisonner en plusieurs étapes.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Amazon Nova 2 Lite est le modèle de compréhension multimodale de deuxième génération d’Amazon pour le travail quotidien en entreprise et les tâches d’agent plus exigeantes. Il accepte du texte, des images et des vidéos, y compris du contenu documentaire, et produit du texte. Ses usages pratiques comprennent les réponses d’assistance fondées sur des sources fournies, l’extraction d’informations de rapports, l’analyse de graphiques ou de captures d’écran, la revue de code et le résumé d’événements visuels. C’est un modèle de compréhension : l’entrée vidéo est analysée plutôt que régénérée, et sa sortie documentée est du texte plutôt que des images, de la vidéo ou de la parole natives.
La fiche du modèle publiée par le fournisseur indique une fenêtre de contexte de 1 million de tokens et une sortie maximale standard de 64K tokens. Sa date limite de connaissances documentée est octobre 2025. Ce contexte de travail plus grand distingue Nova 2 Lite de la fenêtre de 300K de Nova Lite de première génération. Utilisez cet espace pour les documents sources réels, la conversation pertinente, le code et les instructions, puis demandez un livrable ciblé comme un tableau d’éléments de preuve, une proposition de modification ou un résumé organisé par source. Un long contexte ne transforme pas les connaissances apprises en base de données en direct ; les informations évolutives doivent provenir des éléments fournis, d’une récupération de données ou d’un outil d’ancrage activé.
La réflexion étendue est facultative et désactivée par défaut. Lorsqu’elle est activée, le fournisseur propose les niveaux d’effort low, medium et high : low pour une analyse modérément complexe, medium pour un travail conséquent à plusieurs étapes et high pour le raisonnement le plus approfondi. L’extraction simple et les réponses factuelles courtes peuvent utiliser la réflexion désactivée ; le débogage difficile, le raisonnement mathématique et la synthèse entre documents peuvent bénéficier d’un effort supplémentaire. Le contenu du raisonnement est renvoyé sous la forme [REDACTED] et ne constitue donc pas une trace lisible étape par étape. Le contrat d’effort high exige d’omettre temperature, topP, topK et maxTokens ; Amazon documente que certaines sorties à effort high peuvent dépasser 65K tokens et atteindre 128K, plutôt que de définir 128K comme un budget de sortie ordinaire.
Nova 2 Lite prend en charge les appels de fonctions, le streaming des réponses et 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 avec une conservation de cinq minutes. Le fournisseur 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. Fournissez des noms d’outils clairs, des descriptions et des schémas d’arguments ; le modèle choisit un outil et demande des arguments, tandis que l’application exécute les outils personnalisés et renvoie leurs résultats. Amazon documente aussi les outils intégrés facultatifs Web Grounding pour les informations actuelles avec citations et Python Code Interpreter pour les calculs. Ce sont des outils configurés, pas des activités impliquées par chaque réponse. Amazon documente également l’ajustement supervisé et par renforcement pour adapter Nova 2 Lite à une tâche spécialisée ; ce sont des parcours distincts de personnalisation de modèle. Pour un rapport chiffré, une consigne utile sépare les chiffres sources, le calcul à effectuer et l’explication à renvoyer ; les erreurs d’outils doivent rester visibles dans le résultat renvoyé plutôt que d’être traitées comme des observations réussies.
Le guide multimodal répertorie les images PNG, JPEG, GIF et WebP ; pour les GIF ou WebP animés, seule la première image est utilisée. Les formats vidéo comprennent MP4, MOV, MKV, WebM, FLV, MPEG, MPG, WMV et 3GP. Les documents comprennent PDF, DOC/DOCX, TXT, CSV, XLS/XLSX, HTML et Markdown. Les formats textuels sont lus principalement comme du texte, tandis que PDF et DOCX peuvent associer le texte et les éléments visuels des pages. Le parcours documentaire du fournisseur autorise jusqu’à cinq documents et limite chaque document textuel à 4.5 MB. Le profil d’images intégrées autorise cinq images et une charge utile de 25 MB ; l’entrée d’images S3 autorise jusqu’à 1 000 images et 2 GB au total. L’entrée vidéo autorise un seul fichier : 25 MB intégré ou 1 GB via S3. Les fichiers PDF et DOCX partagent un total autorisé de 25 MB en téléversement direct ou de 2 GB via S3. Les PDF contenant des images CMYK ou SVG ne sont pas pris en charge. Ces détails de traitement des fichiers appartiennent au parcours documenté du fournisseur ; joignez le contenu réellement pertinent et conservez ses libellés de pages ou de sections pour des références utiles.
La compréhension vidéo utilise les images visuelles plutôt que la piste audio. Pour les vidéos de 16 minutes ou moins, le guide décrit un échantillonnage d’une image par seconde ; son texte décrit une réduction de la fréquence d’échantillonnage pour les clips plus longs afin de conserver 960 images. Les actions rapides entre les images peuvent donc être manquées. Préférez un clip pertinent et une question explicite sur les scènes ou événements ; fournissez une transcription séparée lorsque les informations parlées comptent. Le texte petit ou multilingue et les relations spatiales précises peuvent aussi être difficiles : préservez donc la lisibilité des libellés et un contexte visuel environnant suffisant. Le fournisseur précise également que ce modèle n’identifie ni ne nomme les personnes dans les images, documents ou vidéos.
Amazon documente la prise en charge de plus de 200 langues, avec une optimisation pour l’anglais, l’allemand, l’espagnol, le français, l’italien, le japonais, le coréen, l’arabe, le chinois simplifié, le russe, l’hindi, le portugais, le néerlandais, le turc et l’hébreu. Précisez la langue de sortie et la terminologie requises, surtout lorsque les sources utilisent plusieurs langues. Pour un parcours documentaire, définissez les questions, les identifiants des éléments de preuve et la structure finale, puis demandez au modèle de distinguer les faits énoncés des informations manquantes. Son résultat utile est une réponse ancrée dans les sources ou un livrable éclairé par des outils, et non l’hypothèse que tous les détails d’une grande entrée ont été capturés.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites amazon/nova-2-lite-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 $0.0006 / 1K tokens Sortie · Tokens en sortie $0.005 / 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 $0.0006 / 1K tokens Sortie · Tokens en sortie $0.005 / 1K tokens Entrée · Lecture du cache — / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "amazon/nova-2-lite-v1", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='amazon/nova-2-lite-v1',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='amazon/nova-2-lite-v1',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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-2-lite-v1
Utilisez les chemins de méthode indiqués ci-dessus.
amazon/nova-2-lite-v1Amazon Nova 2 Lite associe la compréhension de textes, images, documents et vidéos à une réflexion étendue facultative et à l’usage d’outils. Son contexte d’un million de tokens convient aux parcours documentaires, à la programmation et aux agents qui doivent raisonner en plusieurs étapes.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Amazon Nova 2 Lite est le modèle de compréhension multimodale de deuxième génération d’Amazon pour le travail quotidien en entreprise et les tâches d’agent plus exigeantes. Il accepte du texte, des images et des vidéos, y compris du contenu documentaire, et produit du texte. Ses usages pratiques comprennent les réponses d’assistance fondées sur des sources fournies, l’extraction d’informations de rapports, l’analyse de graphiques ou de captures d’écran, la revue de code et le résumé d’événements visuels. C’est un modèle de compréhension : l’entrée vidéo est analysée plutôt que régénérée, et sa sortie documentée est du texte plutôt que des images, de la vidéo ou de la parole natives.
La fiche du modèle publiée par le fournisseur indique une fenêtre de contexte de 1 million de tokens et une sortie maximale standard de 64K tokens. Sa date limite de connaissances documentée est octobre 2025. Ce contexte de travail plus grand distingue Nova 2 Lite de la fenêtre de 300K de Nova Lite de première génération. Utilisez cet espace pour les documents sources réels, la conversation pertinente, le code et les instructions, puis demandez un livrable ciblé comme un tableau d’éléments de preuve, une proposition de modification ou un résumé organisé par source. Un long contexte ne transforme pas les connaissances apprises en base de données en direct ; les informations évolutives doivent provenir des éléments fournis, d’une récupération de données ou d’un outil d’ancrage activé.
La réflexion étendue est facultative et désactivée par défaut. Lorsqu’elle est activée, le fournisseur propose les niveaux d’effort low, medium et high : low pour une analyse modérément complexe, medium pour un travail conséquent à plusieurs étapes et high pour le raisonnement le plus approfondi. L’extraction simple et les réponses factuelles courtes peuvent utiliser la réflexion désactivée ; le débogage difficile, le raisonnement mathématique et la synthèse entre documents peuvent bénéficier d’un effort supplémentaire. Le contenu du raisonnement est renvoyé sous la forme [REDACTED] et ne constitue donc pas une trace lisible étape par étape. Le contrat d’effort high exige d’omettre temperature, topP, topK et maxTokens ; Amazon documente que certaines sorties à effort high peuvent dépasser 65K tokens et atteindre 128K, plutôt que de définir 128K comme un budget de sortie ordinaire.
Nova 2 Lite prend en charge les appels de fonctions, le streaming des réponses et 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 avec une conservation de cinq minutes. Le fournisseur 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. Fournissez des noms d’outils clairs, des descriptions et des schémas d’arguments ; le modèle choisit un outil et demande des arguments, tandis que l’application exécute les outils personnalisés et renvoie leurs résultats. Amazon documente aussi les outils intégrés facultatifs Web Grounding pour les informations actuelles avec citations et Python Code Interpreter pour les calculs. Ce sont des outils configurés, pas des activités impliquées par chaque réponse. Amazon documente également l’ajustement supervisé et par renforcement pour adapter Nova 2 Lite à une tâche spécialisée ; ce sont des parcours distincts de personnalisation de modèle. Pour un rapport chiffré, une consigne utile sépare les chiffres sources, le calcul à effectuer et l’explication à renvoyer ; les erreurs d’outils doivent rester visibles dans le résultat renvoyé plutôt que d’être traitées comme des observations réussies.
Le guide multimodal répertorie les images PNG, JPEG, GIF et WebP ; pour les GIF ou WebP animés, seule la première image est utilisée. Les formats vidéo comprennent MP4, MOV, MKV, WebM, FLV, MPEG, MPG, WMV et 3GP. Les documents comprennent PDF, DOC/DOCX, TXT, CSV, XLS/XLSX, HTML et Markdown. Les formats textuels sont lus principalement comme du texte, tandis que PDF et DOCX peuvent associer le texte et les éléments visuels des pages. Le parcours documentaire du fournisseur autorise jusqu’à cinq documents et limite chaque document textuel à 4.5 MB. Le profil d’images intégrées autorise cinq images et une charge utile de 25 MB ; l’entrée d’images S3 autorise jusqu’à 1 000 images et 2 GB au total. L’entrée vidéo autorise un seul fichier : 25 MB intégré ou 1 GB via S3. Les fichiers PDF et DOCX partagent un total autorisé de 25 MB en téléversement direct ou de 2 GB via S3. Les PDF contenant des images CMYK ou SVG ne sont pas pris en charge. Ces détails de traitement des fichiers appartiennent au parcours documenté du fournisseur ; joignez le contenu réellement pertinent et conservez ses libellés de pages ou de sections pour des références utiles.
La compréhension vidéo utilise les images visuelles plutôt que la piste audio. Pour les vidéos de 16 minutes ou moins, le guide décrit un échantillonnage d’une image par seconde ; son texte décrit une réduction de la fréquence d’échantillonnage pour les clips plus longs afin de conserver 960 images. Les actions rapides entre les images peuvent donc être manquées. Préférez un clip pertinent et une question explicite sur les scènes ou événements ; fournissez une transcription séparée lorsque les informations parlées comptent. Le texte petit ou multilingue et les relations spatiales précises peuvent aussi être difficiles : préservez donc la lisibilité des libellés et un contexte visuel environnant suffisant. Le fournisseur précise également que ce modèle n’identifie ni ne nomme les personnes dans les images, documents ou vidéos.
Amazon documente la prise en charge de plus de 200 langues, avec une optimisation pour l’anglais, l’allemand, l’espagnol, le français, l’italien, le japonais, le coréen, l’arabe, le chinois simplifié, le russe, l’hindi, le portugais, le néerlandais, le turc et l’hébreu. Précisez la langue de sortie et la terminologie requises, surtout lorsque les sources utilisent plusieurs langues. Pour un parcours documentaire, définissez les questions, les identifiants des éléments de preuve et la structure finale, puis demandez au modèle de distinguer les faits énoncés des informations manquantes. Son résultat utile est une réponse ancrée dans les sources ou un livrable éclairé par des outils, et non l’hypothèse que tous les détails d’une grande entrée ont été capturés.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites amazon/nova-2-lite-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 $0.0006 / 1K tokens Sortie · Tokens en sortie $0.005 / 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 $0.0006 / 1K tokens Sortie · Tokens en sortie $0.005 / 1K tokens Entrée · Lecture du cache — / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "amazon/nova-2-lite-v1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'amazon/nova-2-lite-v1', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'amazon/nova-2-lite-v1', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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-2-lite-v1
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
Draft a grounded support reply\n\nWrite a customer reply using only this help article: A replacement may be requested within 14 days of delivery for a damaged item; include the order number and a photo in the support ticket. Customer: My parcel arrived broken yesterday. Can you send another? Explain the next step without claiming a replacement has already been approved.A customer-ready reply of 60–90 words covering eligibility, required ticket information and the next action.Check that the reply requests the order number and photo without asserting that a ticket or replacement was created.