Amazon Nova Premier הוא מודל ההבנה בעל היכולת הגבוהה ביותר במשפחת Nova מהדור הראשון של Amazon, שנועד לעבודה מורכבת הדורשת הבנה עמוקה, הקשר ותכנון בכמה שלבים. הוא מעבד טקסט, תמונות ווידאו ומפיק טקסט. תפקידיו כוללים הסקה על דוחות ארוכים, השוואת ראיות בין מסמכים, הבנת תרשימים וחומר חזותי ותיאום משימות סוכנים. Premier נפרד ממודלי Micro, Lite ו־Pro הקלים יותר וממודלי Nova היוצרים תמונות, וידאו או דיבור שיחתי.
פרופיל המודל המדויק של היצרן מציין חלון הקשר של מיליון טוקנים ופלט מרבי של 25K טוקנים. מועד חיתוך הידע המתועד הוא אוקטובר 2024. כך Premier שימושי כשמשימה דורשת גוף גדול של חומרי ייחוס לצד הוראות ושיחה. ארגנו את החומר עם שמות מסמכים, סימוני סעיפים ושאלה מסוימת במקום לבקש ניתוח לא מכוון של הכול. תוצאה שימושית יכולה להיות מטריצת השוואה, דוח מבוסס ראיות או רצף פעולות מוצע. תקציב ההקשר מכסה את החומר שהמודל עובד איתו; אינו מבטיח שכל פרט יופיע בתשובה הסופית.
התהליך הרב־אופני המתועד של Premier מטפל בתמונות PNG, JPG/JPEG, GIF ו־WebP ובמכלי וידאו נפוצים כגון MP4, MOV, MKV ו־WebM. תהליך המסמכים כולל PDF, DOC/DOCX, CSV, XLS/XLSX, HTML, TXT ו־Markdown. קבצים ממוקדי טקסט מספקים טקסט; PDF ו־DOCX יכולים לספק טקסט עמוד עם מידע חזותי. לדוח עם תרשימים, שימרו תוויות קריאות ובקשו מהמודל לתאר את התצפיות הרלוונטיות לפני פרשנותן. אם נדרשת רק הפרוזה, אספקת טקסט שחולץ מונעת הפיכת חילוץ חזותי לתנאי מוקדם להבנת המסמך. מדיה מוטמעת חולקת תקציב מטען של 25 MB, כולל תקורת base64. בקשה מכילה וידאו אחד, המוגבל ל־1 GB דרך S3; מדיה משולבת ב־S3 יכולה להסתכם ב־2 GB. קלטי PDF ו־DOCX נשארים מוגבלים לחמישה מסמכים, עם מכסה משולבת של 25 MB להעלאה ישירה או 2 GB דרך S3.
הבנת וידאו מבוססת על פריימים חזותיים שנדגמו. מדריך הדור הראשון מעניק במפורש ל־Premier קצב דגימה של פריים אחד לשנייה עד 3,200 פריימים, מכסה שונה מאסטרטגיית 960 הפריימים של Nova Lite ו־Pro. זה שימושי לסיכומי סצנות ולשאלות על אירועים לאורך זמן, בעוד פעולות קצרות בין פריימים שנדגמו עלולות לחמוק מהתצפית. ספקו קליפ או טווח זמן רלוונטיים וזהו את הפרטים למעקב. לרצף ארוך, ניתוח בחלקים ואחריו סיכום טקסט יכולים לשמר מיקוד, אף שפיצול עלול לאבד הקשר מעבר לגבולות החלקים. אופני המודל המתועדים אינם כוללים קלט אודיו, לכן יש לספק מידע מדובר כטקסט.
Premier תומך בהזרמת תגובות, בתהליכים ממוקדי כלים ומועשרים באחזור ובמטמון 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. תנו לסוכן את המשימה, את הכלים המותרים ואת תיאורי הארגומנטים שלהם, ואז אפשרו ליישום לבצע פעולות מבוקשות ולהחזיר תצפיות לפני שלב המודל הבא. תפקיד ההסקה שלו אינו מרמז שיוכל להפעיל מערכת חיצונית ללא שכבת ביצוע. הנחיות הדור הראשון תומכות בהסברת פתרון בשלבים באמצעות הנחיה; בקרות החשיבה המורחבת הנפרדות low, medium ו־high של Nova 2 Lite אינן חלק מהממשק המתועד של מהדורה זו. לדוח או לתוצאת כלי, בקשו שדות מפורשים ודוגמאות למבנה הרצוי; מבנה JSON מבוקש נפרד מפלט מובנה נאכף.
תפקיד ייחודי של Premier הוא הוראת מודלי Nova קטנים יותר באמצעות זיקוק. Amazon מתארת שימוש בתגובות Premier כדוגמאות אימון לגרסאות מתמחות של Nova Micro, Lite ו־Pro, ואז השוואת התנהגות המודל הקטן במשימת היעד. זהו תהליך התאמת מודל ולא שינוי בזהות תגובת Premier רגילה. בשימוש רגיל, ספקו עובדות מוסמכות ודרשו שהתגובה תפריד בין תצפיות, הנחות וראיות חסרות. Nova יכול ליצור טענות סבירות הסותרות מקור, וקוד שנוצר אינו כולל סריקת אבטחה אוטומטית, לכן התוצר השימושי צריך לשאת מספיק ראיות ופרטים לבדיקה מול קלטיו. היצרן גם מציין שהמודל אינו מזהה אנשים או נוקב בשמותיהם בתמונות, במסמכים או בווידאו.
", "aboutText": "Amazon Nova Premier הוא מודל ההבנה בעל היכולת הגבוהה ביותר במשפחת Nova מהדור הראשון של Amazon, שנועד לעבודה מורכבת הדורשת הבנה עמוקה, הקשר ותכנון בכמה שלבים. הוא מעבד טקסט, תמונות ווידאו ומפיק טקסט. תפקידיו כוללים הסקה על דוחות ארוכים, השוואת ראיות בין מסמכים, הבנת תרשימים וחומר חזותי ותיאום משימות סוכנים. Premier נפרד ממודלי Micro, Lite ו־Pro הקלים יותר וממודלי Nova היוצרים תמונות, וידאו או דיבור שיחתי.\n\nפרופיל המודל המדויק של היצרן מציין חלון הקשר של מיליון טוקנים ופלט מרבי של 25K טוקנים. מועד חיתוך הידע המתועד הוא אוקטובר 2024. כך Premier שימושי כשמשימה דורשת גוף גדול של חומרי ייחוס לצד הוראות ושיחה. ארגנו את החומר עם שמות מסמכים, סימוני סעיפים ושאלה מסוימת במקום לבקש ניתוח לא מכוון של הכול. תוצאה שימושית יכולה להיות מטריצת השוואה, דוח מבוסס ראיות או רצף פעולות מוצע. תקציב ההקשר מכסה את החומר שהמודל עובד איתו; אינו מבטיח שכל פרט יופיע בתשובה הסופית.\n\nהתהליך הרב־אופני המתועד של Premier מטפל בתמונות PNG, JPG/JPEG, GIF ו־WebP ובמכלי וידאו נפוצים כגון MP4, MOV, MKV ו־WebM. תהליך המסמכים כולל PDF, DOC/DOCX, CSV, XLS/XLSX, HTML, TXT ו־Markdown. קבצים ממוקדי טקסט מספקים טקסט; PDF ו־DOCX יכולים לספק טקסט עמוד עם מידע חזותי. לדוח עם תרשימים, שימרו תוויות קריאות ובקשו מהמודל לתאר את התצפיות הרלוונטיות לפני פרשנותן. אם נדרשת רק הפרוזה, אספקת טקסט שחולץ מונעת הפיכת חילוץ חזותי לתנאי מוקדם להבנת המסמך. מדיה מוטמעת חולקת תקציב מטען של 25 MB, כולל תקורת base64. בקשה מכילה וידאו אחד, המוגבל ל־1 GB דרך S3; מדיה משולבת ב־S3 יכולה להסתכם ב־2 GB. קלטי PDF ו־DOCX נשארים מוגבלים לחמישה מסמכים, עם מכסה משולבת של 25 MB להעלאה ישירה או 2 GB דרך S3.\n\nהבנת וידאו מבוססת על פריימים חזותיים שנדגמו. מדריך הדור הראשון מעניק במפורש ל־Premier קצב דגימה של פריים אחד לשנייה עד 3,200 פריימים, מכסה שונה מאסטרטגיית 960 הפריימים של Nova Lite ו־Pro. זה שימושי לסיכומי סצנות ולשאלות על אירועים לאורך זמן, בעוד פעולות קצרות בין פריימים שנדגמו עלולות לחמוק מהתצפית. ספקו קליפ או טווח זמן רלוונטיים וזהו את הפרטים למעקב. לרצף ארוך, ניתוח בחלקים ואחריו סיכום טקסט יכולים לשמר מיקוד, אף שפיצול עלול לאבד הקשר מעבר לגבולות החלקים. אופני המודל המתועדים אינם כוללים קלט אודיו, לכן יש לספק מידע מדובר כטקסט.\n\nPremier תומך בהזרמת תגובות, בתהליכים ממוקדי כלים ומועשרים באחזור ובמטמון 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. תנו לסוכן את המשימה, את הכלים המותרים ואת תיאורי הארגומנטים שלהם, ואז אפשרו ליישום לבצע פעולות מבוקשות ולהחזיר תצפיות לפני שלב המודל הבא. תפקיד ההסקה שלו אינו מרמז שיוכל להפעיל מערכת חיצונית ללא שכבת ביצוע. הנחיות הדור הראשון תומכות בהסברת פתרון בשלבים באמצעות הנחיה; בקרות החשיבה המורחבת הנפרדות low, medium ו־high של Nova 2 Lite אינן חלק מהממשק המתועד של מהדורה זו. לדוח או לתוצאת כלי, בקשו שדות מפורשים ודוגמאות למבנה הרצוי; מבנה JSON מבוקש נפרד מפלט מובנה נאכף.\n\nתפקיד ייחודי של Premier הוא הוראת מודלי Nova קטנים יותר באמצעות זיקוק. Amazon מתארת שימוש בתגובות Premier כדוגמאות אימון לגרסאות מתמחות של Nova Micro, Lite ו־Pro, ואז השוואת התנהגות המודל הקטן במשימת היעד. זהו תהליך התאמת מודל ולא שינוי בזהות תגובת Premier רגילה. בשימוש רגיל, ספקו עובדות מוסמכות ודרשו שהתגובה תפריד בין תצפיות, הנחות וראיות חסרות. Nova יכול ליצור טענות סבירות הסותרות מקור, וקוד שנוצר אינו כולל סריקת אבטחה אוטומטית, לכן התוצר השימושי צריך לשאת מספיק ראיות ופרטים לבדיקה מול קלטיו. היצרן גם מציין שהמודל אינו מזהה אנשים או נוקב בשמותיהם בתמונות, במסמכים או בווידאו.", "editorialOverlay": { "copy_fields": { "practical_html": "דוגמה טכנית באנגלית
Compare two rollout proposals\n\nCompare these rollout notes for a support team. Plan A: train all 40 agents on Monday, migrate Tuesday, no rollback rehearsal. Plan B: train 10 agents, pilot for two days, rehearse rollback, then migrate the rest. Prepare a decision memo with evidence, trade-offs and one question the notes cannot answer.A short recommendation, a two-plan comparison table and one explicitly unanswered question.Check every stated advantage against the notes; do not invent costs, outage rates or pilot results.amazon/nova-premier-v1Amazon Nova Premier הוא מודל Nova מהדור הראשון להסקה רב־אופנית מורכבת, לניתוח מסמכים ארוכים ולסוכנים. הוא מקבל טקסט, תמונות ווידאו, מחזיר טקסט ומשמש גם מורה לזיקוק מודלי Nova מתמחים.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
Amazon Nova Premier הוא מודל ההבנה בעל היכולת הגבוהה ביותר במשפחת Nova מהדור הראשון של Amazon, שנועד לעבודה מורכבת הדורשת הבנה עמוקה, הקשר ותכנון בכמה שלבים. הוא מעבד טקסט, תמונות ווידאו ומפיק טקסט. תפקידיו כוללים הסקה על דוחות ארוכים, השוואת ראיות בין מסמכים, הבנת תרשימים וחומר חזותי ותיאום משימות סוכנים. Premier נפרד ממודלי Micro, Lite ו־Pro הקלים יותר וממודלי Nova היוצרים תמונות, וידאו או דיבור שיחתי.
פרופיל המודל המדויק של היצרן מציין חלון הקשר של מיליון טוקנים ופלט מרבי של 25K טוקנים. מועד חיתוך הידע המתועד הוא אוקטובר 2024. כך Premier שימושי כשמשימה דורשת גוף גדול של חומרי ייחוס לצד הוראות ושיחה. ארגנו את החומר עם שמות מסמכים, סימוני סעיפים ושאלה מסוימת במקום לבקש ניתוח לא מכוון של הכול. תוצאה שימושית יכולה להיות מטריצת השוואה, דוח מבוסס ראיות או רצף פעולות מוצע. תקציב ההקשר מכסה את החומר שהמודל עובד איתו; אינו מבטיח שכל פרט יופיע בתשובה הסופית.
התהליך הרב־אופני המתועד של Premier מטפל בתמונות PNG, JPG/JPEG, GIF ו־WebP ובמכלי וידאו נפוצים כגון MP4, MOV, MKV ו־WebM. תהליך המסמכים כולל PDF, DOC/DOCX, CSV, XLS/XLSX, HTML, TXT ו־Markdown. קבצים ממוקדי טקסט מספקים טקסט; PDF ו־DOCX יכולים לספק טקסט עמוד עם מידע חזותי. לדוח עם תרשימים, שימרו תוויות קריאות ובקשו מהמודל לתאר את התצפיות הרלוונטיות לפני פרשנותן. אם נדרשת רק הפרוזה, אספקת טקסט שחולץ מונעת הפיכת חילוץ חזותי לתנאי מוקדם להבנת המסמך. מדיה מוטמעת חולקת תקציב מטען של 25 MB, כולל תקורת base64. בקשה מכילה וידאו אחד, המוגבל ל־1 GB דרך S3; מדיה משולבת ב־S3 יכולה להסתכם ב־2 GB. קלטי PDF ו־DOCX נשארים מוגבלים לחמישה מסמכים, עם מכסה משולבת של 25 MB להעלאה ישירה או 2 GB דרך S3.
הבנת וידאו מבוססת על פריימים חזותיים שנדגמו. מדריך הדור הראשון מעניק במפורש ל־Premier קצב דגימה של פריים אחד לשנייה עד 3,200 פריימים, מכסה שונה מאסטרטגיית 960 הפריימים של Nova Lite ו־Pro. זה שימושי לסיכומי סצנות ולשאלות על אירועים לאורך זמן, בעוד פעולות קצרות בין פריימים שנדגמו עלולות לחמוק מהתצפית. ספקו קליפ או טווח זמן רלוונטיים וזהו את הפרטים למעקב. לרצף ארוך, ניתוח בחלקים ואחריו סיכום טקסט יכולים לשמר מיקוד, אף שפיצול עלול לאבד הקשר מעבר לגבולות החלקים. אופני המודל המתועדים אינם כוללים קלט אודיו, לכן יש לספק מידע מדובר כטקסט.
Premier תומך בהזרמת תגובות, בתהליכים ממוקדי כלים ומועשרים באחזור ובמטמון 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. תנו לסוכן את המשימה, את הכלים המותרים ואת תיאורי הארגומנטים שלהם, ואז אפשרו ליישום לבצע פעולות מבוקשות ולהחזיר תצפיות לפני שלב המודל הבא. תפקיד ההסקה שלו אינו מרמז שיוכל להפעיל מערכת חיצונית ללא שכבת ביצוע. הנחיות הדור הראשון תומכות בהסברת פתרון בשלבים באמצעות הנחיה; בקרות החשיבה המורחבת הנפרדות low, medium ו־high של Nova 2 Lite אינן חלק מהממשק המתועד של מהדורה זו. לדוח או לתוצאת כלי, בקשו שדות מפורשים ודוגמאות למבנה הרצוי; מבנה JSON מבוקש נפרד מפלט מובנה נאכף.
תפקיד ייחודי של Premier הוא הוראת מודלי Nova קטנים יותר באמצעות זיקוק. Amazon מתארת שימוש בתגובות Premier כדוגמאות אימון לגרסאות מתמחות של Nova Micro, Lite ו־Pro, ואז השוואת התנהגות המודל הקטן במשימת היעד. זהו תהליך התאמת מודל ולא שינוי בזהות תגובת Premier רגילה. בשימוש רגיל, ספקו עובדות מוסמכות ודרשו שהתגובה תפריד בין תצפיות, הנחות וראיות חסרות. Nova יכול ליצור טענות סבירות הסותרות מקור, וקוד שנוצר אינו כולל סריקת אבטחה אוטומטית, לכן התוצר השימושי צריך לשאת מספיק ראיות ופרטים לבדיקה מול קלטיו. היצרן גם מציין שהמודל אינו מזהה אנשים או נוקב בשמותיהם בתמונות, במסמכים או בווידאו.
POST /v1/chat/completionstexttext| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות amazon/nova-premier-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 $0.005 / 1K טוקנים פלט · טוקני פלט $0.025 / 1K טוקנים קלט · קריאה מהמטמון $0.00125 / 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 $0.005 / 1K טוקנים פלט · טוקני פלט $0.025 / 1K טוקנים קלט · קריאה מהמטמון $0.00125 / 1K טוקנים קלט · כתיבה למטמון — / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "amazon/nova-premier-v1", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='amazon/nova-premier-v1',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='amazon/nova-premier-v1',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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-premier-v1
השתמשו בנתיבי השיטות המוצגים למעלה.
amazon/nova-premier-v1Amazon Nova Premier הוא מודל Nova מהדור הראשון להסקה רב־אופנית מורכבת, לניתוח מסמכים ארוכים ולסוכנים. הוא מקבל טקסט, תמונות ווידאו, מחזיר טקסט ומשמש גם מורה לזיקוק מודלי Nova מתמחים.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
Amazon Nova Premier הוא מודל ההבנה בעל היכולת הגבוהה ביותר במשפחת Nova מהדור הראשון של Amazon, שנועד לעבודה מורכבת הדורשת הבנה עמוקה, הקשר ותכנון בכמה שלבים. הוא מעבד טקסט, תמונות ווידאו ומפיק טקסט. תפקידיו כוללים הסקה על דוחות ארוכים, השוואת ראיות בין מסמכים, הבנת תרשימים וחומר חזותי ותיאום משימות סוכנים. Premier נפרד ממודלי Micro, Lite ו־Pro הקלים יותר וממודלי Nova היוצרים תמונות, וידאו או דיבור שיחתי.
פרופיל המודל המדויק של היצרן מציין חלון הקשר של מיליון טוקנים ופלט מרבי של 25K טוקנים. מועד חיתוך הידע המתועד הוא אוקטובר 2024. כך Premier שימושי כשמשימה דורשת גוף גדול של חומרי ייחוס לצד הוראות ושיחה. ארגנו את החומר עם שמות מסמכים, סימוני סעיפים ושאלה מסוימת במקום לבקש ניתוח לא מכוון של הכול. תוצאה שימושית יכולה להיות מטריצת השוואה, דוח מבוסס ראיות או רצף פעולות מוצע. תקציב ההקשר מכסה את החומר שהמודל עובד איתו; אינו מבטיח שכל פרט יופיע בתשובה הסופית.
התהליך הרב־אופני המתועד של Premier מטפל בתמונות PNG, JPG/JPEG, GIF ו־WebP ובמכלי וידאו נפוצים כגון MP4, MOV, MKV ו־WebM. תהליך המסמכים כולל PDF, DOC/DOCX, CSV, XLS/XLSX, HTML, TXT ו־Markdown. קבצים ממוקדי טקסט מספקים טקסט; PDF ו־DOCX יכולים לספק טקסט עמוד עם מידע חזותי. לדוח עם תרשימים, שימרו תוויות קריאות ובקשו מהמודל לתאר את התצפיות הרלוונטיות לפני פרשנותן. אם נדרשת רק הפרוזה, אספקת טקסט שחולץ מונעת הפיכת חילוץ חזותי לתנאי מוקדם להבנת המסמך. מדיה מוטמעת חולקת תקציב מטען של 25 MB, כולל תקורת base64. בקשה מכילה וידאו אחד, המוגבל ל־1 GB דרך S3; מדיה משולבת ב־S3 יכולה להסתכם ב־2 GB. קלטי PDF ו־DOCX נשארים מוגבלים לחמישה מסמכים, עם מכסה משולבת של 25 MB להעלאה ישירה או 2 GB דרך S3.
הבנת וידאו מבוססת על פריימים חזותיים שנדגמו. מדריך הדור הראשון מעניק במפורש ל־Premier קצב דגימה של פריים אחד לשנייה עד 3,200 פריימים, מכסה שונה מאסטרטגיית 960 הפריימים של Nova Lite ו־Pro. זה שימושי לסיכומי סצנות ולשאלות על אירועים לאורך זמן, בעוד פעולות קצרות בין פריימים שנדגמו עלולות לחמוק מהתצפית. ספקו קליפ או טווח זמן רלוונטיים וזהו את הפרטים למעקב. לרצף ארוך, ניתוח בחלקים ואחריו סיכום טקסט יכולים לשמר מיקוד, אף שפיצול עלול לאבד הקשר מעבר לגבולות החלקים. אופני המודל המתועדים אינם כוללים קלט אודיו, לכן יש לספק מידע מדובר כטקסט.
Premier תומך בהזרמת תגובות, בתהליכים ממוקדי כלים ומועשרים באחזור ובמטמון 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. תנו לסוכן את המשימה, את הכלים המותרים ואת תיאורי הארגומנטים שלהם, ואז אפשרו ליישום לבצע פעולות מבוקשות ולהחזיר תצפיות לפני שלב המודל הבא. תפקיד ההסקה שלו אינו מרמז שיוכל להפעיל מערכת חיצונית ללא שכבת ביצוע. הנחיות הדור הראשון תומכות בהסברת פתרון בשלבים באמצעות הנחיה; בקרות החשיבה המורחבת הנפרדות low, medium ו־high של Nova 2 Lite אינן חלק מהממשק המתועד של מהדורה זו. לדוח או לתוצאת כלי, בקשו שדות מפורשים ודוגמאות למבנה הרצוי; מבנה JSON מבוקש נפרד מפלט מובנה נאכף.
תפקיד ייחודי של Premier הוא הוראת מודלי Nova קטנים יותר באמצעות זיקוק. Amazon מתארת שימוש בתגובות Premier כדוגמאות אימון לגרסאות מתמחות של Nova Micro, Lite ו־Pro, ואז השוואת התנהגות המודל הקטן במשימת היעד. זהו תהליך התאמת מודל ולא שינוי בזהות תגובת Premier רגילה. בשימוש רגיל, ספקו עובדות מוסמכות ודרשו שהתגובה תפריד בין תצפיות, הנחות וראיות חסרות. Nova יכול ליצור טענות סבירות הסותרות מקור, וקוד שנוצר אינו כולל סריקת אבטחה אוטומטית, לכן התוצר השימושי צריך לשאת מספיק ראיות ופרטים לבדיקה מול קלטיו. היצרן גם מציין שהמודל אינו מזהה אנשים או נוקב בשמותיהם בתמונות, במסמכים או בווידאו.
POST /v1/messagestextjson, sse| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות amazon/nova-premier-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 $0.005 / 1K טוקנים פלט · טוקני פלט $0.025 / 1K טוקנים קלט · קריאה מהמטמון $0.00125 / 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 $0.005 / 1K טוקנים פלט · טוקני פלט $0.025 / 1K טוקנים קלט · קריאה מהמטמון $0.00125 / 1K טוקנים קלט · כתיבה למטמון — / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
{\n "model": "amazon/nova-premier-v1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'amazon/nova-premier-v1', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'amazon/nova-premier-v1', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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-premier-v1
השתמשו בנתיבי השיטות המוצגים למעלה.
דוגמה טכנית באנגלית
Compare two rollout proposals\n\nCompare these rollout notes for a support team. Plan A: train all 40 agents on Monday, migrate Tuesday, no rollback rehearsal. Plan B: train 10 agents, pilot for two days, rehearse rollback, then migrate the rest. Prepare a decision memo with evidence, trade-offs and one question the notes cannot answer.A short recommendation, a two-plan comparison table and one explicitly unanswered question.Check every stated advantage against the notes; do not invent costs, outage rates or pilot results.