Amazon Nova Micro הוא מודל Nova מהדור הראשון של Amazon לטקסט בלבד, שתוכנן לתגובות בהשהיה נמוכה בתהליכי שפה שגרתיים. הוא מקבל טקסט ומחזיר טקסט. דוגמאות Amazon כוללות סיכום מידע שסופק, תרגום, סיווג טקסט, מענה לשאלות והפקת תוכן כתוב תמציתי. Micro שימושי כשיישום כבר אסף את העובדות וזקוק להמרה ממוקדת, כגון הפיכת מאפייני מוצר לפסקת קטלוג או הפיכת הערות מפגישה לרשימת פעולות.
מדריך Nova מהדור הראשון מציין חלון הקשר של 128K טוקנים ופלט מרבי של 10K טוקנים. מועד חיתוך הידע המתועד הוא אוקטובר 2024. זהו הקשר עבודה קטן יותר מחלונות 300K של Nova Lite ו־Pro או מחלון מיליון הטוקנים של Premier. השתמשו במקום הזמין לטקסט שהתשובה תלויה בו בפועל: קטעי מקור, דוגמאות ושיחה רלוונטית. ציינו אם התוצר הרצוי הוא תגובה קצרה, תווית קטגוריה, תרגום או קבוצת שדות שחולצו. מכסת הקשר רחבה אינה מחייבת תשובה ארוכה; אורך ומבנה פלט מפורשים שומרים על תוצאה שימושית.
תחומו של Micro הוא טקסט ולא הבנה מובנית של תמונה, וידאו או אודיו. למידע שנשמר במקור במסמך או בקובץ מדיה, ספקו טקסט שחולץ או תמליל. תדריך תוכן מוצר יכול להכיל את שם המוצר, המידות, החומרים, הגרסאות וסגנון נדרש, ואז לבקש פסקה אחת המשתמשת רק במאפיינים האלה. דוגמה מקורית יכולה לבקש תיאור ניטרלי ורשימה נפרדת של מפרטים חסרים. כך המודל משמש כותב וממיר של ראיות שסופקו, במקום לבקש שיסיק מאפייני מוצר שלא ראה.
Amazon מתעדת תפקידי system, user ו־assistant להנחיות הטקסט של Nova. הוראת מערכת יכולה לקבוע תפקיד כתיבה ואילוצים חוזרים; הודעת המשתמש מספקת את המשימה וחומר המקור; כמה דוגמאות מייצגות יכולות להראות את הפורמט הרצוי. הבנו קלטים צפופים עם תוויות ברורות, ופצלו הוראות מורכבות לשלבים נפרדים אם המודל מתקשה בתלויות ביניהן. לתרגום, ציינו את שפת היעד, אם לשמר שמות עצם פרטיים ואילו מונחים חייבים להישאר ללא שינוי. משפחת version1 מאומנת ליותר מ־200 שפות, עם אופטימיזציה לקבוצה קטנה יותר, לכן אין להניח איכות זהה בכל ניב.
Micro תומך בהזרמת תגובות ובקריאות לכלים בצד הלקוח. הוא תומך גם במטמון הנחיות בפרופיל ההגשה המתועד של Amazon. מטמון מפורש דורש לפחות 1K טוקנים לכל נקודת ביקורת ומתיר עד ארבע נקודות עם שמירה לחמש דקות. היצרן מגביל את מטמון ההנחיות ל־20K טוקנים, בעיקר להנחיות טקסט; מכסת המטמון נפרדת מחלון ההקשר המלא. בעוזר המעוגן במקורות, יישום יכול לאחזר את הטקסט הרלוונטי או לבצע פונקציה מבוקשת ואז לשלוח את התוצאה שנצפתה חזרה לתשובה סופית. המודל עצמו אינו מנוע אחזור מידע חי. כשתגובה תלויה במדיניות עדכנית או במאגר ידע פרטי, כללו את המקור הרלוונטי בפועל. פורמט JSON מבוקש יכול להועיל לסיווג או לחילוץ, אך פרופיל היצרן אינו מציין פלט מובנה נאכף כיכולת נתמכת; הגדירו התנהגות ערכים חסרים ובדקו את השדות המוחזרים.
תפקיד נוסף בדור הראשון הוא התאמה: Amazon מתעדת כוונון עדין של Micro על דוגמאות מתויגות וזיקוק ידע ממוקד משימה אליו מ־Nova Pro או Premier. נגזרת מותאמת היא תהליך נפרד ולא יכולת המשנה בשקט את מהדורת הבסיס. למודל הרגיל, שפטו את התוצר שהושלם מול התדריך: העובדות שסופקו צריכות להישאר שלמות, מאפיינים חשובים לא צריכים להיעלם והפרוזה צריכה להתאים לסגנון המבוקש. Micro יכול גם ליצור קוד, אך השלמות אלה אינן כוללות סריקת אבטחה אוטומטית או תוצאת ביצוע.
", "aboutText": "Amazon Nova Micro הוא מודל Nova מהדור הראשון של Amazon לטקסט בלבד, שתוכנן לתגובות בהשהיה נמוכה בתהליכי שפה שגרתיים. הוא מקבל טקסט ומחזיר טקסט. דוגמאות Amazon כוללות סיכום מידע שסופק, תרגום, סיווג טקסט, מענה לשאלות והפקת תוכן כתוב תמציתי. Micro שימושי כשיישום כבר אסף את העובדות וזקוק להמרה ממוקדת, כגון הפיכת מאפייני מוצר לפסקת קטלוג או הפיכת הערות מפגישה לרשימת פעולות.\n\nמדריך Nova מהדור הראשון מציין חלון הקשר של 128K טוקנים ופלט מרבי של 10K טוקנים. מועד חיתוך הידע המתועד הוא אוקטובר 2024. זהו הקשר עבודה קטן יותר מחלונות 300K של Nova Lite ו־Pro או מחלון מיליון הטוקנים של Premier. השתמשו במקום הזמין לטקסט שהתשובה תלויה בו בפועל: קטעי מקור, דוגמאות ושיחה רלוונטית. ציינו אם התוצר הרצוי הוא תגובה קצרה, תווית קטגוריה, תרגום או קבוצת שדות שחולצו. מכסת הקשר רחבה אינה מחייבת תשובה ארוכה; אורך ומבנה פלט מפורשים שומרים על תוצאה שימושית.\n\nתחומו של Micro הוא טקסט ולא הבנה מובנית של תמונה, וידאו או אודיו. למידע שנשמר במקור במסמך או בקובץ מדיה, ספקו טקסט שחולץ או תמליל. תדריך תוכן מוצר יכול להכיל את שם המוצר, המידות, החומרים, הגרסאות וסגנון נדרש, ואז לבקש פסקה אחת המשתמשת רק במאפיינים האלה. דוגמה מקורית יכולה לבקש תיאור ניטרלי ורשימה נפרדת של מפרטים חסרים. כך המודל משמש כותב וממיר של ראיות שסופקו, במקום לבקש שיסיק מאפייני מוצר שלא ראה.\n\nAmazon מתעדת תפקידי system, user ו־assistant להנחיות הטקסט של Nova. הוראת מערכת יכולה לקבוע תפקיד כתיבה ואילוצים חוזרים; הודעת המשתמש מספקת את המשימה וחומר המקור; כמה דוגמאות מייצגות יכולות להראות את הפורמט הרצוי. הבנו קלטים צפופים עם תוויות ברורות, ופצלו הוראות מורכבות לשלבים נפרדים אם המודל מתקשה בתלויות ביניהן. לתרגום, ציינו את שפת היעד, אם לשמר שמות עצם פרטיים ואילו מונחים חייבים להישאר ללא שינוי. משפחת version1 מאומנת ליותר מ־200 שפות, עם אופטימיזציה לקבוצה קטנה יותר, לכן אין להניח איכות זהה בכל ניב.\n\nMicro תומך בהזרמת תגובות ובקריאות לכלים בצד הלקוח. הוא תומך גם במטמון הנחיות בפרופיל ההגשה המתועד של Amazon. מטמון מפורש דורש לפחות 1K טוקנים לכל נקודת ביקורת ומתיר עד ארבע נקודות עם שמירה לחמש דקות. היצרן מגביל את מטמון ההנחיות ל־20K טוקנים, בעיקר להנחיות טקסט; מכסת המטמון נפרדת מחלון ההקשר המלא. בעוזר המעוגן במקורות, יישום יכול לאחזר את הטקסט הרלוונטי או לבצע פונקציה מבוקשת ואז לשלוח את התוצאה שנצפתה חזרה לתשובה סופית. המודל עצמו אינו מנוע אחזור מידע חי. כשתגובה תלויה במדיניות עדכנית או במאגר ידע פרטי, כללו את המקור הרלוונטי בפועל. פורמט JSON מבוקש יכול להועיל לסיווג או לחילוץ, אך פרופיל היצרן אינו מציין פלט מובנה נאכף כיכולת נתמכת; הגדירו התנהגות ערכים חסרים ובדקו את השדות המוחזרים.\n\nתפקיד נוסף בדור הראשון הוא התאמה: Amazon מתעדת כוונון עדין של Micro על דוגמאות מתויגות וזיקוק ידע ממוקד משימה אליו מ־Nova Pro או Premier. נגזרת מותאמת היא תהליך נפרד ולא יכולת המשנה בשקט את מהדורת הבסיס. למודל הרגיל, שפטו את התוצר שהושלם מול התדריך: העובדות שסופקו צריכות להישאר שלמות, מאפיינים חשובים לא צריכים להיעלם והפרוזה צריכה להתאים לסגנון המבוקש. Micro יכול גם ליצור קוד, אך השלמות אלה אינן כוללות סריקת אבטחה אוטומטית או תוצאת ביצוע.", "editorialOverlay": { "copy_fields": { "practical_html": "דוגמה טכנית באנגלית
Product copy from supplied specifications\n\nTurn these attributes into a neutral 45-word catalog paragraph: folding desk, oak veneer, steel frame, 90 × 50 cm top, two height positions, flat-pack delivery. Follow it with missing specifications a buyer might need. Use only the supplied attributes and avoid claims about durability, sustainability or maximum load.One short product paragraph followed by a separate missing-specifications list.Every stated product feature is in the supplied attributes; unknown load capacity stays in the missing list.amazon/nova-micro-v1Amazon Nova Micro הוא המודל לטקסט בלבד במשפחת Nova מהדור הראשון. הוא תוכנן למשימות שפה בהשהיה נמוכה כגון סיכומים, תרגום, סיווג, מענה לשאלות והפיכת עובדות שסופקו לתוכן תמציתי.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
Amazon Nova Micro הוא מודל Nova מהדור הראשון של Amazon לטקסט בלבד, שתוכנן לתגובות בהשהיה נמוכה בתהליכי שפה שגרתיים. הוא מקבל טקסט ומחזיר טקסט. דוגמאות Amazon כוללות סיכום מידע שסופק, תרגום, סיווג טקסט, מענה לשאלות והפקת תוכן כתוב תמציתי. Micro שימושי כשיישום כבר אסף את העובדות וזקוק להמרה ממוקדת, כגון הפיכת מאפייני מוצר לפסקת קטלוג או הפיכת הערות מפגישה לרשימת פעולות.
מדריך Nova מהדור הראשון מציין חלון הקשר של 128K טוקנים ופלט מרבי של 10K טוקנים. מועד חיתוך הידע המתועד הוא אוקטובר 2024. זהו הקשר עבודה קטן יותר מחלונות 300K של Nova Lite ו־Pro או מחלון מיליון הטוקנים של Premier. השתמשו במקום הזמין לטקסט שהתשובה תלויה בו בפועל: קטעי מקור, דוגמאות ושיחה רלוונטית. ציינו אם התוצר הרצוי הוא תגובה קצרה, תווית קטגוריה, תרגום או קבוצת שדות שחולצו. מכסת הקשר רחבה אינה מחייבת תשובה ארוכה; אורך ומבנה פלט מפורשים שומרים על תוצאה שימושית.
תחומו של Micro הוא טקסט ולא הבנה מובנית של תמונה, וידאו או אודיו. למידע שנשמר במקור במסמך או בקובץ מדיה, ספקו טקסט שחולץ או תמליל. תדריך תוכן מוצר יכול להכיל את שם המוצר, המידות, החומרים, הגרסאות וסגנון נדרש, ואז לבקש פסקה אחת המשתמשת רק במאפיינים האלה. דוגמה מקורית יכולה לבקש תיאור ניטרלי ורשימה נפרדת של מפרטים חסרים. כך המודל משמש כותב וממיר של ראיות שסופקו, במקום לבקש שיסיק מאפייני מוצר שלא ראה.
Amazon מתעדת תפקידי system, user ו־assistant להנחיות הטקסט של Nova. הוראת מערכת יכולה לקבוע תפקיד כתיבה ואילוצים חוזרים; הודעת המשתמש מספקת את המשימה וחומר המקור; כמה דוגמאות מייצגות יכולות להראות את הפורמט הרצוי. הבנו קלטים צפופים עם תוויות ברורות, ופצלו הוראות מורכבות לשלבים נפרדים אם המודל מתקשה בתלויות ביניהן. לתרגום, ציינו את שפת היעד, אם לשמר שמות עצם פרטיים ואילו מונחים חייבים להישאר ללא שינוי. משפחת version1 מאומנת ליותר מ־200 שפות, עם אופטימיזציה לקבוצה קטנה יותר, לכן אין להניח איכות זהה בכל ניב.
Micro תומך בהזרמת תגובות ובקריאות לכלים בצד הלקוח. הוא תומך גם במטמון הנחיות בפרופיל ההגשה המתועד של Amazon. מטמון מפורש דורש לפחות 1K טוקנים לכל נקודת ביקורת ומתיר עד ארבע נקודות עם שמירה לחמש דקות. היצרן מגביל את מטמון ההנחיות ל־20K טוקנים, בעיקר להנחיות טקסט; מכסת המטמון נפרדת מחלון ההקשר המלא. בעוזר המעוגן במקורות, יישום יכול לאחזר את הטקסט הרלוונטי או לבצע פונקציה מבוקשת ואז לשלוח את התוצאה שנצפתה חזרה לתשובה סופית. המודל עצמו אינו מנוע אחזור מידע חי. כשתגובה תלויה במדיניות עדכנית או במאגר ידע פרטי, כללו את המקור הרלוונטי בפועל. פורמט JSON מבוקש יכול להועיל לסיווג או לחילוץ, אך פרופיל היצרן אינו מציין פלט מובנה נאכף כיכולת נתמכת; הגדירו התנהגות ערכים חסרים ובדקו את השדות המוחזרים.
תפקיד נוסף בדור הראשון הוא התאמה: Amazon מתעדת כוונון עדין של Micro על דוגמאות מתויגות וזיקוק ידע ממוקד משימה אליו מ־Nova Pro או Premier. נגזרת מותאמת היא תהליך נפרד ולא יכולת המשנה בשקט את מהדורת הבסיס. למודל הרגיל, שפטו את התוצר שהושלם מול התדריך: העובדות שסופקו צריכות להישאר שלמות, מאפיינים חשובים לא צריכים להיעלם והפרוזה צריכה להתאים לסגנון המבוקש. Micro יכול גם ליצור קוד, אך השלמות אלה אינן כוללות סריקת אבטחה אוטומטית או תוצאת ביצוע.
POST /v1/chat/completionstexttext| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות amazon/nova-micro-v1 | ברירת מחדל— |
שדהmessages | סוגmessage[] | דרישהחובה | ערכים ומגבלות מספר פריטים מזערי: 1 | ברירת מחדל— |
שדהmessages[].role | סוגstring | דרישהחובה | ערכים ומגבלות דוגמאות: system, user, assistant, tool, function תנאים: התפקידים האלה מיוצגים במפורש בטיפוסי התאימות בקוד המקור; מערך התפקידים המדויק נשאר ייחודי לכל מודל. תלוי במודל | ברירת מחדל— |
שדהmessages[].content | סוגstring|content_part[]|null | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהmessages[].tool_calls | סוגtool_call[] | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהmessages[].tool_call_id | סוגstring | דרישהרשות | ערכים ומגבלות חל כאשר: role=tool; השתמשו במזהה שהוחזר בפועל | ברירת מחדל— |
שדהmessages[].name | סוגstring | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהmessages[].reasoning_content | סוגstring | דרישהרשות | ערכים ומגבלות חל כאשר: החזירו בהמשך את ההנמקה שהתקבלה בפועל כאשר המודל הזה משתמש בה | ברירת מחדל— |
שדהmessages[].reasoning_details | סוגobject|array | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהmax_tokens | סוגinteger | דרישהרשות | ערכים ומגבלות מינימום: 1 תלוי במודל | ברירת מחדל— |
שדהmax_completion_tokens | סוגinteger | דרישהרשות | ערכים ומגבלות מינימום: 1 תלוי במודל | ברירת מחדל— |
שדהstream | סוגboolean | דרישהרשות | ערכים ומגבלות | ברירת מחדלfalse |
שדהstream_options.include_usage | סוגboolean | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtemperature | סוגnumber | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtop_p | סוגnumber | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהstop | סוגstring|string[] | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtools | סוגfunction_tool[] | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtools[].type | סוגstring | דרישהרשות | ערכים ומגבלות function תלוי במודל | ברירת מחדל— |
שדהtools[].function.name | סוגstring | דרישהחובה | ערכים ומגבלות חל כאשר: סופק כלי פונקציה | ברירת מחדל— |
שדהtools[].function.description | סוגstring | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהtools[].function.parameters | סוגJSON_schema | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהtool_choice | סוגstring|object | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהparallel_tool_calls | סוגboolean | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהresponse_format | סוגobject | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהreasoning_effort | סוגstring | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהreasoning | סוגobject | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהservice_tier | סוגstring | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהinstructions | סוגstring | דרישהרשות | ערכים ומגבלות שדה תאימות | ברירת מחדל— |
שדהfunctions | סוגfunction[] | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהfunction_call | סוגstring|object | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהprompt_cache_options | סוגobject | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהmodalities | סוגstring[] | דרישהרשות | ערכים ומגבלות text | ברירת מחדל— |
שדהprovider | סוגobject | דרישהרשות | ערכים ומגבלות תנאים: provider.options נדחה במסלול הטקסט הזה של Ultra | ברירת מחדל— |
שדהcache_control.ttl | סוגstring | דרישהרשות | ערכים ומגבלות תנאים: 1h נדחה במיקומים המשמשים בפועל למטמון הנחיות | ברירת מחדל— |
טקסט · טקסט UTF8
messages[].content
| פרמטר | מפרט |
|---|---|
פרמטרcontent_type | מפרטapplication/json |
פרמטרrequired | מפרטmodel, messages |
פרמטרmaterial_types | מפרטtext |
פרמטרmessages | מפרטמערך הודעות במבנה role/content |
פרמטרfile_material | מפרטמסמך UTF-8 בפועל מוכנס כטקסט מילולי; לא מוסק מזהה קובץ |
פרמטרoptional_controls | מפרטstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
פרמטרcontrol_scope | מפרטייחודי למודל; כלי פונקציות של המשתמש שונים מכלים מתארחים |
פרמטרoutput_modalities | מפרטtext |
פרמטרhosted_operations | מפרטfalse |
פרמטרmultimodal_input_binding | מפרטnull |
מחזור חיים: synchronous_or_streamed
שלחו את מזהה המודל המדויק עם messages.
אורך ההקשר אינו תקרת פלט.
קובץ טקסט יכול לספק טקסט מילולי; קלטי תמונה/אודיו/אובייקט קובץ דורשים קישור מדויק.
מידע תעריפים אינו מוסיף אפשרויות לבקשה. הפרמטרים הנתמכים מפורטים בשיטה שנבחרה.
התאימו כל חיוב לתנאים המוצגים. השתמשו בתעריף אחד לכל קבוצה של תצורות חלופיות.
| תצורה | טבלת תעריפים | טוקנים בהקשר, יותר מ- | טוקנים בהקשר, עד וכולל | חיוב |
|---|---|---|---|---|
| תצורהתעריפי הבסיס לטוקנים | טבלת תעריפיםתעריף בסיס | טוקנים בהקשר, יותר מ-— | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.00007 / 1K טוקנים פלט · טוקני פלט $0.00028 / 1K טוקנים קלט · קריאה מהמטמון — / 1K טוקנים קלט · כתיבה למטמון — / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
| תצורהרמת אורך בקשה 1 | טבלת תעריפים— | טוקנים בהקשר, יותר מ-0 | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.00007 / 1K טוקנים פלט · טוקני פלט $0.00028 / 1K טוקנים קלט · קריאה מהמטמון — / 1K טוקנים קלט · כתיבה למטמון — / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "amazon/nova-micro-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-micro-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-micro-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 או SSE
שמרו כל תגובה מלאה, קובץ ומקטע תוכן שהוחזרו.
שמרו כל בחירה ואת התוכן, קריאות הכלים וההנמקה שלה. ב-SSE הרכיבו עדכונים לפי אינדקס הבחירה/הכלי ושמרו את סיבת הסיום הסופית ואת השימוש.
שמרו מזהי בקשות/תגובות וכותרות. לא מסופק URL כללי לאחזור משימת טקסט.
| שדה | סוג |
|---|---|
שדהchoices[].index | סוגinteger |
שדהchoices[].message.content | סוגstring|null |
שדהchoices[].message.tool_calls | סוגtool_call[] |
שדהchoices[].message.reasoning_content | סוגstring |
שדהchoices[].message.reasoning_details | סוגobject|array |
שדהchoices[].finish_reason | סוגstring|null |
שדהusage | סוגobject |
| תגובה | תנאי | השלב הבא |
|---|---|---|
תגובה400 · invalid_request_error | תנאישדות נדרשים, ייצוג חומר או ערך פרמטר שאינם תקינים | השלב הבאתקנו את השדות שצוינו לפני בקשת יצירה חדשה. |
Ailoot Ultra amazon/nova-micro-v1
השתמשו בנתיבי השיטות המוצגים למעלה.
amazon/nova-micro-v1Amazon Nova Micro הוא המודל לטקסט בלבד במשפחת Nova מהדור הראשון. הוא תוכנן למשימות שפה בהשהיה נמוכה כגון סיכומים, תרגום, סיווג, מענה לשאלות והפיכת עובדות שסופקו לתוכן תמציתי.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
Amazon Nova Micro הוא מודל Nova מהדור הראשון של Amazon לטקסט בלבד, שתוכנן לתגובות בהשהיה נמוכה בתהליכי שפה שגרתיים. הוא מקבל טקסט ומחזיר טקסט. דוגמאות Amazon כוללות סיכום מידע שסופק, תרגום, סיווג טקסט, מענה לשאלות והפקת תוכן כתוב תמציתי. Micro שימושי כשיישום כבר אסף את העובדות וזקוק להמרה ממוקדת, כגון הפיכת מאפייני מוצר לפסקת קטלוג או הפיכת הערות מפגישה לרשימת פעולות.
מדריך Nova מהדור הראשון מציין חלון הקשר של 128K טוקנים ופלט מרבי של 10K טוקנים. מועד חיתוך הידע המתועד הוא אוקטובר 2024. זהו הקשר עבודה קטן יותר מחלונות 300K של Nova Lite ו־Pro או מחלון מיליון הטוקנים של Premier. השתמשו במקום הזמין לטקסט שהתשובה תלויה בו בפועל: קטעי מקור, דוגמאות ושיחה רלוונטית. ציינו אם התוצר הרצוי הוא תגובה קצרה, תווית קטגוריה, תרגום או קבוצת שדות שחולצו. מכסת הקשר רחבה אינה מחייבת תשובה ארוכה; אורך ומבנה פלט מפורשים שומרים על תוצאה שימושית.
תחומו של Micro הוא טקסט ולא הבנה מובנית של תמונה, וידאו או אודיו. למידע שנשמר במקור במסמך או בקובץ מדיה, ספקו טקסט שחולץ או תמליל. תדריך תוכן מוצר יכול להכיל את שם המוצר, המידות, החומרים, הגרסאות וסגנון נדרש, ואז לבקש פסקה אחת המשתמשת רק במאפיינים האלה. דוגמה מקורית יכולה לבקש תיאור ניטרלי ורשימה נפרדת של מפרטים חסרים. כך המודל משמש כותב וממיר של ראיות שסופקו, במקום לבקש שיסיק מאפייני מוצר שלא ראה.
Amazon מתעדת תפקידי system, user ו־assistant להנחיות הטקסט של Nova. הוראת מערכת יכולה לקבוע תפקיד כתיבה ואילוצים חוזרים; הודעת המשתמש מספקת את המשימה וחומר המקור; כמה דוגמאות מייצגות יכולות להראות את הפורמט הרצוי. הבנו קלטים צפופים עם תוויות ברורות, ופצלו הוראות מורכבות לשלבים נפרדים אם המודל מתקשה בתלויות ביניהן. לתרגום, ציינו את שפת היעד, אם לשמר שמות עצם פרטיים ואילו מונחים חייבים להישאר ללא שינוי. משפחת version1 מאומנת ליותר מ־200 שפות, עם אופטימיזציה לקבוצה קטנה יותר, לכן אין להניח איכות זהה בכל ניב.
Micro תומך בהזרמת תגובות ובקריאות לכלים בצד הלקוח. הוא תומך גם במטמון הנחיות בפרופיל ההגשה המתועד של Amazon. מטמון מפורש דורש לפחות 1K טוקנים לכל נקודת ביקורת ומתיר עד ארבע נקודות עם שמירה לחמש דקות. היצרן מגביל את מטמון ההנחיות ל־20K טוקנים, בעיקר להנחיות טקסט; מכסת המטמון נפרדת מחלון ההקשר המלא. בעוזר המעוגן במקורות, יישום יכול לאחזר את הטקסט הרלוונטי או לבצע פונקציה מבוקשת ואז לשלוח את התוצאה שנצפתה חזרה לתשובה סופית. המודל עצמו אינו מנוע אחזור מידע חי. כשתגובה תלויה במדיניות עדכנית או במאגר ידע פרטי, כללו את המקור הרלוונטי בפועל. פורמט JSON מבוקש יכול להועיל לסיווג או לחילוץ, אך פרופיל היצרן אינו מציין פלט מובנה נאכף כיכולת נתמכת; הגדירו התנהגות ערכים חסרים ובדקו את השדות המוחזרים.
תפקיד נוסף בדור הראשון הוא התאמה: Amazon מתעדת כוונון עדין של Micro על דוגמאות מתויגות וזיקוק ידע ממוקד משימה אליו מ־Nova Pro או Premier. נגזרת מותאמת היא תהליך נפרד ולא יכולת המשנה בשקט את מהדורת הבסיס. למודל הרגיל, שפטו את התוצר שהושלם מול התדריך: העובדות שסופקו צריכות להישאר שלמות, מאפיינים חשובים לא צריכים להיעלם והפרוזה צריכה להתאים לסגנון המבוקש. Micro יכול גם ליצור קוד, אך השלמות אלה אינן כוללות סריקת אבטחה אוטומטית או תוצאת ביצוע.
POST /v1/messagestextjson, sse| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות amazon/nova-micro-v1 | ברירת מחדל— |
שדהmessages | סוגmessage[] | דרישהחובה | ערכים ומגבלות | ברירת מחדל— |
שדהmessages[].role | סוגstring | דרישהחובה | ערכים ומגבלות user, assistant | ברירת מחדל— |
שדהmessages[].content | סוגstring | דרישהחובה | ערכים ומגבלות | ברירת מחדל— |
שדהmax_tokens | סוגinteger | דרישהחובה | ערכים ומגבלות | ברירת מחדל— |
שדהstream | סוגboolean | דרישהרשות | ערכים ומגבלות | ברירת מחדלfalse |
טקסט · טקסט UTF-8
מחרוזת messages[].content
| פרמטר | מפרט |
|---|---|
פרמטרcontent_type | מפרטapplication/json |
פרמטרrequired | מפרטmodel, messages, max_tokens |
פרמטרoptional_controls | מפרטstream |
פרמטרmaterial_types | מפרטtext |
פרמטרtext_file_material | מפרטקראו את מסמך UTF-8 בפועל והכניסו את הטקסט שלו לקלט שצוין או למחרוזת תוכן ההודעה. |
מחזור חיים: synchronous_or_streamed
מידע תעריפים אינו מוסיף אפשרויות לבקשה. הפרמטרים הנתמכים מפורטים בשיטה שנבחרה.
התאימו כל חיוב לתנאים המוצגים. השתמשו בתעריף אחד לכל קבוצה של תצורות חלופיות.
| תצורה | טבלת תעריפים | טוקנים בהקשר, יותר מ- | טוקנים בהקשר, עד וכולל | חיוב |
|---|---|---|---|---|
| תצורהתעריפי הבסיס לטוקנים | טבלת תעריפיםתעריף בסיס | טוקנים בהקשר, יותר מ-— | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.00007 / 1K טוקנים פלט · טוקני פלט $0.00028 / 1K טוקנים קלט · קריאה מהמטמון — / 1K טוקנים קלט · כתיבה למטמון — / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
| תצורהרמת אורך בקשה 1 | טבלת תעריפים— | טוקנים בהקשר, יותר מ-0 | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.00007 / 1K טוקנים פלט · טוקני פלט $0.00028 / 1K טוקנים קלט · קריאה מהמטמון — / 1K טוקנים קלט · כתיבה למטמון — / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
{\n "model": "amazon/nova-micro-v1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-micro-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-micro-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 או SSE
שמרו כל תגובה מלאה, קובץ ומקטע תוכן שהוחזרו.
שמרו את כל בלוקי התוכן, חתימות החשיבה ומזהי השימוש בכלים בפועל. הרכיבו את כל עדכוני הבלוקים של SSE; בלוק הטקסט הראשון אינו הפלט המלא.
שמרו מזהי בקשות/תגובות וכותרות. לא מסופק URL כללי לאחזור משימת טקסט.
| שדה | סוג |
|---|---|
שדהid | סוגstring |
שדהmodel | סוגstring |
שדהcontent[] | סוגtext|thinking|tool_use|other content block |
שדהstop_reason | סוגstring|null |
שדהusage | סוגobject |
| תגובה | תנאי | השלב הבא |
|---|---|---|
תגובה400 · invalid_request_error | תנאישדות נדרשים, ייצוג חומר או ערך פרמטר שאינם תקינים | השלב הבאתקנו את השדות שצוינו לפני בקשת יצירה חדשה. |
Ailoot Ultra amazon/nova-micro-v1
השתמשו בנתיבי השיטות המוצגים למעלה.
דוגמה טכנית באנגלית
Product copy from supplied specifications\n\nTurn these attributes into a neutral 45-word catalog paragraph: folding desk, oak veneer, steel frame, 90 × 50 cm top, two height positions, flat-pack delivery. Follow it with missing specifications a buyer might need. Use only the supplied attributes and avoid claims about durability, sustainability or maximum load.One short product paragraph followed by a separate missing-specifications list.Every stated product feature is in the supplied attributes; unknown load capacity stays in the missing list.