Az Amazon Nova Premier az Amazon első generációs Nova családjának legnagyobb képességű megértő modellje, mély megértést, kontextust és több lépéses tervezést igénylő összetett munkához. Szöveget, képeket és videót dolgoz fel, és szöveget állít elő. Szerepe hosszú jelentésekre épülő érvelésre, dokumentumok bizonyítékainak összevetésére, diagramok és vizuális anyagok megértésére, valamint ágensfeladatok összehangolására terjed ki. A Premier különálló a könnyebb Micro, Lite és Pro modellektől, valamint a képet, videót vagy társalgási beszédet generáló Nova modellektől.
A gyártó pontos modellprofilja 1 millió tokenes kontextusablakot és legfeljebb 25K tokenes kimenetet sorol fel. Dokumentált tudáshatára 2024 októbere. Ez akkor teszi hasznossá a Premiert, amikor a feladat az utasítások és a beszélgetés mellett nagy mennyiségű referenciaanyagot igényel. Az anyagot dokumentumnevekkel, szakaszjelölőkkel és konkrét kérdéssel rendezze el ahelyett, hogy mindennek irányítatlan elemzését kérné. Hasznos eredmény lehet összehasonlító mátrix, bizonyítékokra épülő jelentés vagy javasolt műveletsor. A kontextuskeret a modell által feldolgozott anyagra vonatkozik; nem ígéret arra, hogy minden részlet megjelenik a végső válaszban.
A Premier dokumentált multimodális munkafolyamata PNG, JPG/JPEG, GIF és WebP képeket, valamint gyakori videókonténereket, például MP4, MOV, MKV és WebM fájlokat kezel. A dokumentumos munkafolyamat PDF, DOC/DOCX, CSV, XLS/XLSX, HTML, TXT és Markdown formátumokat tartalmaz. A szövegközpontú fájlok szöveget adnak; a PDF és DOCX oldalszöveget és vizuális információt is biztosíthat. Diagramokat tartalmazó jelentésnél tartsa olvashatónak a címkéket, és az értelmezés előtt kérje a modelltől a releváns megfigyelések leírását. Ha csak a próza szükséges, a kinyert szöveg megadásával elkerülhető, hogy a vizuális kinyerés a dokumentum megértésének előfeltétele legyen. A beágyazott médiára közös 25 MB adatméretkeret vonatkozik, a base64 többletével együtt. Egy kérés egy videót tartalmazhat, S3-on keresztül legfeljebb 1 GB mérettel; az együttes S3-média összesen 2 GB lehet. A PDF- és DOCX-bemenetek továbbra is legfeljebb öt dokumentumra korlátozottak, közvetlen feltöltésnél együtt 25 MB, S3-on keresztül 2 GB kerettel.
A videóértés mintavételezett vizuális képkockákon alapul. Az első generációs útmutató kifejezetten a Premierhez másodpercenként egy képkockás mintavételt ad meg legfeljebb 3200 képkockáig, ami eltér a Nova Lite és Pro 960 képkockás stratégiájától. Ez jelenetösszefoglalókhoz és időbeli eseményekre vonatkozó kérdésekhez hasznos, miközben a mintavételezett képkockák közötti rövid cselekvések észrevétlenek maradhatnak. Adjon meg releváns klipet vagy időtartományt, és jelölje meg a követendő részleteket. Hosszú sorozatnál a szakaszonkénti elemzés, majd szöveges összefoglalás megőrizheti a fókuszt, bár a felosztás elveszíthet a szakaszhatárokon átnyúló kontextust. A dokumentált modellmodalitások nem tartalmaznak hangbemenetet, ezért a beszédbeli információt szövegként kell megadni.
A Premier támogatja a válaszstreamelést, az eszközorientált és visszakereséssel kiegészített munkafolyamatokat, valamint a promptgyorsítótárazást az Amazon dokumentált kiszolgálási profiljában. Az explicit gyorsítótárazás ellenőrzőpontonként legalább 1K tokent igényel, és legfeljebb négy ellenőrzőpontot enged, ötperces megőrzéssel. A gyártó a promptgyorsítótárat 20K tokenre korlátozza, elsősorban szöveges promptokhoz; ez a gyorsítótárkeret különálló a teljes kontextusablaktól. Adja meg az ágensnek a feladatot, az engedélyezett eszközöket és argumentumaik leírását, majd hagyja, hogy az alkalmazás végrehajtsa a kért műveleteket, és a következő modelllépés előtt visszaadja a megfigyeléseket. Az érvelési szerep nem jelenti azt, hogy e végrehajtási réteg nélkül külső rendszert működtethet. Az első generációs útmutató prompttal támogatja a megoldás lépésenkénti magyarázatát; a Nova 2 Lite külön low, medium és high kiterjesztett gondolkodási vezérlői nem tartoznak e kiadás dokumentált felületéhez. Jelentéshez vagy eszközeredményhez kérjen explicit mezőket és a kívánt szerkezetet bemutató példákat; a kért JSON-forma különbözik a kikényszerített strukturált kimenettől.
A Premier jellegzetes szerepe a kisebb Nova modellek desztilláción keresztüli tanítása. Az Amazon leírja, hogyan használhatók a Premier válaszai tanítási példaként specializált Nova Micro, Lite és Pro változatokhoz, majd hogyan hasonlítható össze a kisebb modell működése a célfeladaton. Ez modelltestreszabási munkafolyamat, nem egy normál Premier válasz azonosságának megváltozása. Szokásos használatkor adja meg a hiteles tényeket, és követelje meg a választól a megfigyelések, feltételezések és hiányzó bizonyítékok elkülönítését. A Nova generálhat a forrásnak ellentmondó, hihető állításokat, a generált kódhoz pedig nem tartozik automatikus biztonsági ellenőrzés, ezért a használható eredménynek elegendő bizonyítékot és részletet kell tartalmaznia a bemeneteivel való összevetéshez. A gyártó azt is közli, hogy ez a modell nem azonosít és nem nevez meg embereket képeken, dokumentumokban vagy videókban.
", "aboutText": "Az Amazon Nova Premier az Amazon első generációs Nova családjának legnagyobb képességű megértő modellje, mély megértést, kontextust és több lépéses tervezést igénylő összetett munkához. Szöveget, képeket és videót dolgoz fel, és szöveget állít elő. Szerepe hosszú jelentésekre épülő érvelésre, dokumentumok bizonyítékainak összevetésére, diagramok és vizuális anyagok megértésére, valamint ágensfeladatok összehangolására terjed ki. A Premier különálló a könnyebb Micro, Lite és Pro modellektől, valamint a képet, videót vagy társalgási beszédet generáló Nova modellektől.\n\nA gyártó pontos modellprofilja 1 millió tokenes kontextusablakot és legfeljebb 25K tokenes kimenetet sorol fel. Dokumentált tudáshatára 2024 októbere. Ez akkor teszi hasznossá a Premiert, amikor a feladat az utasítások és a beszélgetés mellett nagy mennyiségű referenciaanyagot igényel. Az anyagot dokumentumnevekkel, szakaszjelölőkkel és konkrét kérdéssel rendezze el ahelyett, hogy mindennek irányítatlan elemzését kérné. Hasznos eredmény lehet összehasonlító mátrix, bizonyítékokra épülő jelentés vagy javasolt műveletsor. A kontextuskeret a modell által feldolgozott anyagra vonatkozik; nem ígéret arra, hogy minden részlet megjelenik a végső válaszban.\n\nA Premier dokumentált multimodális munkafolyamata PNG, JPG/JPEG, GIF és WebP képeket, valamint gyakori videókonténereket, például MP4, MOV, MKV és WebM fájlokat kezel. A dokumentumos munkafolyamat PDF, DOC/DOCX, CSV, XLS/XLSX, HTML, TXT és Markdown formátumokat tartalmaz. A szövegközpontú fájlok szöveget adnak; a PDF és DOCX oldalszöveget és vizuális információt is biztosíthat. Diagramokat tartalmazó jelentésnél tartsa olvashatónak a címkéket, és az értelmezés előtt kérje a modelltől a releváns megfigyelések leírását. Ha csak a próza szükséges, a kinyert szöveg megadásával elkerülhető, hogy a vizuális kinyerés a dokumentum megértésének előfeltétele legyen. A beágyazott médiára közös 25 MB adatméretkeret vonatkozik, a base64 többletével együtt. Egy kérés egy videót tartalmazhat, S3-on keresztül legfeljebb 1 GB mérettel; az együttes S3-média összesen 2 GB lehet. A PDF- és DOCX-bemenetek továbbra is legfeljebb öt dokumentumra korlátozottak, közvetlen feltöltésnél együtt 25 MB, S3-on keresztül 2 GB kerettel.\n\nA videóértés mintavételezett vizuális képkockákon alapul. Az első generációs útmutató kifejezetten a Premierhez másodpercenként egy képkockás mintavételt ad meg legfeljebb 3200 képkockáig, ami eltér a Nova Lite és Pro 960 képkockás stratégiájától. Ez jelenetösszefoglalókhoz és időbeli eseményekre vonatkozó kérdésekhez hasznos, miközben a mintavételezett képkockák közötti rövid cselekvések észrevétlenek maradhatnak. Adjon meg releváns klipet vagy időtartományt, és jelölje meg a követendő részleteket. Hosszú sorozatnál a szakaszonkénti elemzés, majd szöveges összefoglalás megőrizheti a fókuszt, bár a felosztás elveszíthet a szakaszhatárokon átnyúló kontextust. A dokumentált modellmodalitások nem tartalmaznak hangbemenetet, ezért a beszédbeli információt szövegként kell megadni.\n\nA Premier támogatja a válaszstreamelést, az eszközorientált és visszakereséssel kiegészített munkafolyamatokat, valamint a promptgyorsítótárazást az Amazon dokumentált kiszolgálási profiljában. Az explicit gyorsítótárazás ellenőrzőpontonként legalább 1K tokent igényel, és legfeljebb négy ellenőrzőpontot enged, ötperces megőrzéssel. A gyártó a promptgyorsítótárat 20K tokenre korlátozza, elsősorban szöveges promptokhoz; ez a gyorsítótárkeret különálló a teljes kontextusablaktól. Adja meg az ágensnek a feladatot, az engedélyezett eszközöket és argumentumaik leírását, majd hagyja, hogy az alkalmazás végrehajtsa a kért műveleteket, és a következő modelllépés előtt visszaadja a megfigyeléseket. Az érvelési szerep nem jelenti azt, hogy e végrehajtási réteg nélkül külső rendszert működtethet. Az első generációs útmutató prompttal támogatja a megoldás lépésenkénti magyarázatát; a Nova 2 Lite külön low, medium és high kiterjesztett gondolkodási vezérlői nem tartoznak e kiadás dokumentált felületéhez. Jelentéshez vagy eszközeredményhez kérjen explicit mezőket és a kívánt szerkezetet bemutató példákat; a kért JSON-forma különbözik a kikényszerített strukturált kimenettől.\n\nA Premier jellegzetes szerepe a kisebb Nova modellek desztilláción keresztüli tanítása. Az Amazon leírja, hogyan használhatók a Premier válaszai tanítási példaként specializált Nova Micro, Lite és Pro változatokhoz, majd hogyan hasonlítható össze a kisebb modell működése a célfeladaton. Ez modelltestreszabási munkafolyamat, nem egy normál Premier válasz azonosságának megváltozása. Szokásos használatkor adja meg a hiteles tényeket, és követelje meg a választól a megfigyelések, feltételezések és hiányzó bizonyítékok elkülönítését. A Nova generálhat a forrásnak ellentmondó, hihető állításokat, a generált kódhoz pedig nem tartozik automatikus biztonsági ellenőrzés, ezért a használható eredménynek elegendő bizonyítékot és részletet kell tartalmaznia a bemeneteivel való összevetéshez. A gyártó azt is közli, hogy ez a modell nem azonosít és nem nevez meg embereket képeken, dokumentumokban vagy videókban.", "editorialOverlay": { "copy_fields": { "practical_html": "Technikai példa angolul
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-v1Az Amazon Nova Premier az első generációs Nova modell összetett multimodális érveléshez, hosszú dokumentumok elemzéséhez és ágensekhez. Szöveget, képeket és videót fogad, szöveget ad vissza, és specializált Nova modellek desztillációs tanítójaként is szolgál.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
Az Amazon Nova Premier az Amazon első generációs Nova családjának legnagyobb képességű megértő modellje, mély megértést, kontextust és több lépéses tervezést igénylő összetett munkához. Szöveget, képeket és videót dolgoz fel, és szöveget állít elő. Szerepe hosszú jelentésekre épülő érvelésre, dokumentumok bizonyítékainak összevetésére, diagramok és vizuális anyagok megértésére, valamint ágensfeladatok összehangolására terjed ki. A Premier különálló a könnyebb Micro, Lite és Pro modellektől, valamint a képet, videót vagy társalgási beszédet generáló Nova modellektől.
A gyártó pontos modellprofilja 1 millió tokenes kontextusablakot és legfeljebb 25K tokenes kimenetet sorol fel. Dokumentált tudáshatára 2024 októbere. Ez akkor teszi hasznossá a Premiert, amikor a feladat az utasítások és a beszélgetés mellett nagy mennyiségű referenciaanyagot igényel. Az anyagot dokumentumnevekkel, szakaszjelölőkkel és konkrét kérdéssel rendezze el ahelyett, hogy mindennek irányítatlan elemzését kérné. Hasznos eredmény lehet összehasonlító mátrix, bizonyítékokra épülő jelentés vagy javasolt műveletsor. A kontextuskeret a modell által feldolgozott anyagra vonatkozik; nem ígéret arra, hogy minden részlet megjelenik a végső válaszban.
A Premier dokumentált multimodális munkafolyamata PNG, JPG/JPEG, GIF és WebP képeket, valamint gyakori videókonténereket, például MP4, MOV, MKV és WebM fájlokat kezel. A dokumentumos munkafolyamat PDF, DOC/DOCX, CSV, XLS/XLSX, HTML, TXT és Markdown formátumokat tartalmaz. A szövegközpontú fájlok szöveget adnak; a PDF és DOCX oldalszöveget és vizuális információt is biztosíthat. Diagramokat tartalmazó jelentésnél tartsa olvashatónak a címkéket, és az értelmezés előtt kérje a modelltől a releváns megfigyelések leírását. Ha csak a próza szükséges, a kinyert szöveg megadásával elkerülhető, hogy a vizuális kinyerés a dokumentum megértésének előfeltétele legyen. A beágyazott médiára közös 25 MB adatméretkeret vonatkozik, a base64 többletével együtt. Egy kérés egy videót tartalmazhat, S3-on keresztül legfeljebb 1 GB mérettel; az együttes S3-média összesen 2 GB lehet. A PDF- és DOCX-bemenetek továbbra is legfeljebb öt dokumentumra korlátozottak, közvetlen feltöltésnél együtt 25 MB, S3-on keresztül 2 GB kerettel.
A videóértés mintavételezett vizuális képkockákon alapul. Az első generációs útmutató kifejezetten a Premierhez másodpercenként egy képkockás mintavételt ad meg legfeljebb 3200 képkockáig, ami eltér a Nova Lite és Pro 960 képkockás stratégiájától. Ez jelenetösszefoglalókhoz és időbeli eseményekre vonatkozó kérdésekhez hasznos, miközben a mintavételezett képkockák közötti rövid cselekvések észrevétlenek maradhatnak. Adjon meg releváns klipet vagy időtartományt, és jelölje meg a követendő részleteket. Hosszú sorozatnál a szakaszonkénti elemzés, majd szöveges összefoglalás megőrizheti a fókuszt, bár a felosztás elveszíthet a szakaszhatárokon átnyúló kontextust. A dokumentált modellmodalitások nem tartalmaznak hangbemenetet, ezért a beszédbeli információt szövegként kell megadni.
A Premier támogatja a válaszstreamelést, az eszközorientált és visszakereséssel kiegészített munkafolyamatokat, valamint a promptgyorsítótárazást az Amazon dokumentált kiszolgálási profiljában. Az explicit gyorsítótárazás ellenőrzőpontonként legalább 1K tokent igényel, és legfeljebb négy ellenőrzőpontot enged, ötperces megőrzéssel. A gyártó a promptgyorsítótárat 20K tokenre korlátozza, elsősorban szöveges promptokhoz; ez a gyorsítótárkeret különálló a teljes kontextusablaktól. Adja meg az ágensnek a feladatot, az engedélyezett eszközöket és argumentumaik leírását, majd hagyja, hogy az alkalmazás végrehajtsa a kért műveleteket, és a következő modelllépés előtt visszaadja a megfigyeléseket. Az érvelési szerep nem jelenti azt, hogy e végrehajtási réteg nélkül külső rendszert működtethet. Az első generációs útmutató prompttal támogatja a megoldás lépésenkénti magyarázatát; a Nova 2 Lite külön low, medium és high kiterjesztett gondolkodási vezérlői nem tartoznak e kiadás dokumentált felületéhez. Jelentéshez vagy eszközeredményhez kérjen explicit mezőket és a kívánt szerkezetet bemutató példákat; a kért JSON-forma különbözik a kikényszerített strukturált kimenettől.
A Premier jellegzetes szerepe a kisebb Nova modellek desztilláción keresztüli tanítása. Az Amazon leírja, hogyan használhatók a Premier válaszai tanítási példaként specializált Nova Micro, Lite és Pro változatokhoz, majd hogyan hasonlítható össze a kisebb modell működése a célfeladaton. Ez modelltestreszabási munkafolyamat, nem egy normál Premier válasz azonosságának megváltozása. Szokásos használatkor adja meg a hiteles tényeket, és követelje meg a választól a megfigyelések, feltételezések és hiányzó bizonyítékok elkülönítését. A Nova generálhat a forrásnak ellentmondó, hihető állításokat, a generált kódhoz pedig nem tartozik automatikus biztonsági ellenőrzés, ezért a használható eredménynek elegendő bizonyítékot és részletet kell tartalmaznia a bemeneteivel való összevetéshez. A gyártó azt is közli, hogy ez a modell nem azonosít és nem nevez meg embereket képeken, dokumentumokban vagy videókban.
POST /v1/chat/completionstexttext| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok amazon/nova-premier-v1 | Alapértelmezett— |
Mezőmessages | Típusmessage[] | KövetelményKötelező | Értékek és korlátok Minimális elemszám: 1 | Alapértelmezett— |
Mezőmessages[].role | Típusstring | KövetelményKötelező | Értékek és korlátok Példák: system, user, assistant, tool, function Feltételek: Ezeket a szerepeket a forráskód kompatibilitási típusai kifejezetten reprezentálják; a pontos szerepkészlet továbbra is modellspecifikus. Modelltől függ | Alapértelmezett— |
Mezőmessages[].content | Típusstring|content_part[]|null | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőmessages[].tool_calls | Típustool_call[] | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőmessages[].tool_call_id | Típusstring | KövetelményOpcionális | Értékek és korlátok Akkor alkalmazandó, ha: role=tool; használja a ténylegesen visszaadott ID-t | Alapértelmezett— |
Mezőmessages[].name | Típusstring | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőmessages[].reasoning_content | Típusstring | KövetelményOpcionális | Értékek és korlátok Akkor alkalmazandó, ha: Küldje vissza a ténylegesen visszaadott gondolkodási tartalmat, ha ez a modell használja | Alapértelmezett— |
Mezőmessages[].reasoning_details | Típusobject|array | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőmax_tokens | Típusinteger | KövetelményOpcionális | Értékek és korlátok Minimum: 1 Modelltől függ | Alapértelmezett— |
Mezőmax_completion_tokens | Típusinteger | KövetelményOpcionális | Értékek és korlátok Minimum: 1 Modelltől függ | Alapértelmezett— |
Mezőstream | Típusboolean | KövetelményOpcionális | Értékek és korlátok | Alapértelmezettfalse |
Mezőstream_options.include_usage | Típusboolean | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőtemperature | Típusnumber | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőtop_p | Típusnumber | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőstop | Típusstring|string[] | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőtools | Típusfunction_tool[] | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőtools[].type | Típusstring | KövetelményOpcionális | Értékek és korlátok function Modelltől függ | Alapértelmezett— |
Mezőtools[].function.name | Típusstring | KövetelményKötelező | Értékek és korlátok Akkor alkalmazandó, ha: Függvényeszköz megadva | Alapértelmezett— |
Mezőtools[].function.description | Típusstring | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőtools[].function.parameters | TípusJSON_schema | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőtool_choice | Típusstring|object | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőparallel_tool_calls | Típusboolean | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőresponse_format | Típusobject | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőreasoning_effort | Típusstring | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőreasoning | Típusobject | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőservice_tier | Típusstring | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőinstructions | Típusstring | KövetelményOpcionális | Értékek és korlátok Kompatibilitási mező | Alapértelmezett— |
Mezőfunctions | Típusfunction[] | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőfunction_call | Típusstring|object | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőprompt_cache_options | Típusobject | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőmodalities | Típusstring[] | KövetelményOpcionális | Értékek és korlátok text | Alapértelmezett— |
Mezőprovider | Típusobject | KövetelményOpcionális | Értékek és korlátok Feltételek: A provider.options elutasításra kerül ezen az Ultra szöveges útvonalon | Alapértelmezett— |
Mezőcache_control.ttl | Típusstring | KövetelményOpcionális | Értékek és korlátok Feltételek: Az 1h elutasításra kerül a tényleges prompt-gyorsítótárazási helyeken | Alapértelmezett— |
Szöveg · UTF8 szöveg
messages[].content
| Paraméter | Szerződés |
|---|---|
Paramétercontent_type | Szerződésapplication/json |
Paraméterrequired | Szerződésmodel, messages |
Paramétermaterial_types | Szerződéstext |
Paramétermessages | Szerződésüzenettömb role/content szerkezettel |
Paraméterfile_material | Szerződésa tényleges UTF-8 dokumentum szó szerinti szövegként beillesztve; nincs kikövetkeztetett fájlazonosító |
Paraméteroptional_controls | Szerződésstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Paramétercontrol_scope | Szerződésmodellspecifikus; a felhasználói függvényeszközök eltérnek a hosztolt eszközöktől |
Paraméteroutput_modalities | Szerződéstext |
Paraméterhosted_operations | Szerződésfalse |
Paramétermultimodal_input_binding | Szerződésnull |
Életciklus: synchronous_or_streamed
Küldje el a pontos modellazonosítót a messages mellett.
A kontextushossz nem kimeneti felső korlát.
Egy szövegfájl szó szerinti szöveget adhat meg; a kép-/hang-/fájlobjektum-bemenetek pontos hozzárendelést igényelnek.
A díjszabás nem ad új kérési lehetőségeket. A támogatott paraméterek a kiválasztott módszernél szerepelnek.
Minden díjat a megjelenített feltételekhez rendeljen. Az alternatív beállítások minden csoportjához egy díjtételt használjon.
| Beállítás | Díjtáblázat | Kontextustokenek, több mint | Kontextustokenek, legfeljebb | Díj |
|---|---|---|---|---|
| BeállításTokenenkénti alapárak | DíjtáblázatAlapdíj | Kontextustokenek, több mint— | Kontextustokenek, legfeljebbNincs felső korlát | Díj Bemenet · Bemeneti tokenek $0.005 / 1K token Kimenet · Kimeneti tokenek $0.025 / 1K token Bemenet · Gyorsítótár olvasása $0.00125 / 1K token Bemenet · Írás a gyorsítótárba — / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
| BeállításA kéréshossz szerinti 1. ársáv | Díjtáblázat— | Kontextustokenek, több mint0 | Kontextustokenek, legfeljebbNincs felső korlát | Díj Bemenet · Bemeneti tokenek $0.005 / 1K token Kimenet · Kimeneti tokenek $0.025 / 1K token Bemenet · Gyorsítótár olvasása $0.00125 / 1K token Bemenet · Írás a gyorsítótárba — / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
set -eu\n: "${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 vagy SSE
Őrizzen meg minden teljes visszaadott választ, fájlt és tartalomrészt.
Őrizze meg az összes válaszváltozatot és azok tartalmát/eszközhívásait/gondolkodási tartalmát. SSE esetén válaszváltozat- és eszközindex szerint állítsa össze a részleges frissítéseket, és tartsa meg a végső befejezési okot és a használati adatokat.
Őrizze meg a kérés-/válaszazonosítókat és a fejléceket. Nincs megadva általános URL a szöveges feladatok lekéréséhez.
| Mező | Típus |
|---|---|
Mezőchoices[].index | Típusinteger |
Mezőchoices[].message.content | Típusstring|null |
Mezőchoices[].message.tool_calls | Típustool_call[] |
Mezőchoices[].message.reasoning_content | Típusstring |
Mezőchoices[].message.reasoning_details | Típusobject|array |
Mezőchoices[].finish_reason | Típusstring|null |
Mezőusage | Típusobject |
| Válasz | Feltétel | Következő lépés |
|---|---|---|
Válasz400 · invalid_request_error | FeltételÉrvénytelen kötelező mezők, az anyag érvénytelen reprezentációja vagy érvénytelen paraméterérték | Következő lépésJavítsa a jelzett mezőket egy új létrehozási kérés előtt. |
Ailoot Ultra amazon/nova-premier-v1
Használja a fent látható metódusútvonalakat.
amazon/nova-premier-v1Az Amazon Nova Premier az első generációs Nova modell összetett multimodális érveléshez, hosszú dokumentumok elemzéséhez és ágensekhez. Szöveget, képeket és videót fogad, szöveget ad vissza, és specializált Nova modellek desztillációs tanítójaként is szolgál.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
Az Amazon Nova Premier az Amazon első generációs Nova családjának legnagyobb képességű megértő modellje, mély megértést, kontextust és több lépéses tervezést igénylő összetett munkához. Szöveget, képeket és videót dolgoz fel, és szöveget állít elő. Szerepe hosszú jelentésekre épülő érvelésre, dokumentumok bizonyítékainak összevetésére, diagramok és vizuális anyagok megértésére, valamint ágensfeladatok összehangolására terjed ki. A Premier különálló a könnyebb Micro, Lite és Pro modellektől, valamint a képet, videót vagy társalgási beszédet generáló Nova modellektől.
A gyártó pontos modellprofilja 1 millió tokenes kontextusablakot és legfeljebb 25K tokenes kimenetet sorol fel. Dokumentált tudáshatára 2024 októbere. Ez akkor teszi hasznossá a Premiert, amikor a feladat az utasítások és a beszélgetés mellett nagy mennyiségű referenciaanyagot igényel. Az anyagot dokumentumnevekkel, szakaszjelölőkkel és konkrét kérdéssel rendezze el ahelyett, hogy mindennek irányítatlan elemzését kérné. Hasznos eredmény lehet összehasonlító mátrix, bizonyítékokra épülő jelentés vagy javasolt műveletsor. A kontextuskeret a modell által feldolgozott anyagra vonatkozik; nem ígéret arra, hogy minden részlet megjelenik a végső válaszban.
A Premier dokumentált multimodális munkafolyamata PNG, JPG/JPEG, GIF és WebP képeket, valamint gyakori videókonténereket, például MP4, MOV, MKV és WebM fájlokat kezel. A dokumentumos munkafolyamat PDF, DOC/DOCX, CSV, XLS/XLSX, HTML, TXT és Markdown formátumokat tartalmaz. A szövegközpontú fájlok szöveget adnak; a PDF és DOCX oldalszöveget és vizuális információt is biztosíthat. Diagramokat tartalmazó jelentésnél tartsa olvashatónak a címkéket, és az értelmezés előtt kérje a modelltől a releváns megfigyelések leírását. Ha csak a próza szükséges, a kinyert szöveg megadásával elkerülhető, hogy a vizuális kinyerés a dokumentum megértésének előfeltétele legyen. A beágyazott médiára közös 25 MB adatméretkeret vonatkozik, a base64 többletével együtt. Egy kérés egy videót tartalmazhat, S3-on keresztül legfeljebb 1 GB mérettel; az együttes S3-média összesen 2 GB lehet. A PDF- és DOCX-bemenetek továbbra is legfeljebb öt dokumentumra korlátozottak, közvetlen feltöltésnél együtt 25 MB, S3-on keresztül 2 GB kerettel.
A videóértés mintavételezett vizuális képkockákon alapul. Az első generációs útmutató kifejezetten a Premierhez másodpercenként egy képkockás mintavételt ad meg legfeljebb 3200 képkockáig, ami eltér a Nova Lite és Pro 960 képkockás stratégiájától. Ez jelenetösszefoglalókhoz és időbeli eseményekre vonatkozó kérdésekhez hasznos, miközben a mintavételezett képkockák közötti rövid cselekvések észrevétlenek maradhatnak. Adjon meg releváns klipet vagy időtartományt, és jelölje meg a követendő részleteket. Hosszú sorozatnál a szakaszonkénti elemzés, majd szöveges összefoglalás megőrizheti a fókuszt, bár a felosztás elveszíthet a szakaszhatárokon átnyúló kontextust. A dokumentált modellmodalitások nem tartalmaznak hangbemenetet, ezért a beszédbeli információt szövegként kell megadni.
A Premier támogatja a válaszstreamelést, az eszközorientált és visszakereséssel kiegészített munkafolyamatokat, valamint a promptgyorsítótárazást az Amazon dokumentált kiszolgálási profiljában. Az explicit gyorsítótárazás ellenőrzőpontonként legalább 1K tokent igényel, és legfeljebb négy ellenőrzőpontot enged, ötperces megőrzéssel. A gyártó a promptgyorsítótárat 20K tokenre korlátozza, elsősorban szöveges promptokhoz; ez a gyorsítótárkeret különálló a teljes kontextusablaktól. Adja meg az ágensnek a feladatot, az engedélyezett eszközöket és argumentumaik leírását, majd hagyja, hogy az alkalmazás végrehajtsa a kért műveleteket, és a következő modelllépés előtt visszaadja a megfigyeléseket. Az érvelési szerep nem jelenti azt, hogy e végrehajtási réteg nélkül külső rendszert működtethet. Az első generációs útmutató prompttal támogatja a megoldás lépésenkénti magyarázatát; a Nova 2 Lite külön low, medium és high kiterjesztett gondolkodási vezérlői nem tartoznak e kiadás dokumentált felületéhez. Jelentéshez vagy eszközeredményhez kérjen explicit mezőket és a kívánt szerkezetet bemutató példákat; a kért JSON-forma különbözik a kikényszerített strukturált kimenettől.
A Premier jellegzetes szerepe a kisebb Nova modellek desztilláción keresztüli tanítása. Az Amazon leírja, hogyan használhatók a Premier válaszai tanítási példaként specializált Nova Micro, Lite és Pro változatokhoz, majd hogyan hasonlítható össze a kisebb modell működése a célfeladaton. Ez modelltestreszabási munkafolyamat, nem egy normál Premier válasz azonosságának megváltozása. Szokásos használatkor adja meg a hiteles tényeket, és követelje meg a választól a megfigyelések, feltételezések és hiányzó bizonyítékok elkülönítését. A Nova generálhat a forrásnak ellentmondó, hihető állításokat, a generált kódhoz pedig nem tartozik automatikus biztonsági ellenőrzés, ezért a használható eredménynek elegendő bizonyítékot és részletet kell tartalmaznia a bemeneteivel való összevetéshez. A gyártó azt is közli, hogy ez a modell nem azonosít és nem nevez meg embereket képeken, dokumentumokban vagy videókban.
POST /v1/messagestextjson, sse| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok amazon/nova-premier-v1 | Alapértelmezett— |
Mezőmessages | Típusmessage[] | KövetelményKötelező | Értékek és korlátok | Alapértelmezett— |
Mezőmessages[].role | Típusstring | KövetelményKötelező | Értékek és korlátok user, assistant | Alapértelmezett— |
Mezőmessages[].content | Típusstring | KövetelményKötelező | Értékek és korlátok | Alapértelmezett— |
Mezőmax_tokens | Típusinteger | KövetelményKötelező | Értékek és korlátok | Alapértelmezett— |
Mezőstream | Típusboolean | KövetelményOpcionális | Értékek és korlátok | Alapértelmezettfalse |
Szöveg · UTF-8 szöveg
messages[].content karakterlánc
| Paraméter | Szerződés |
|---|---|
Paramétercontent_type | Szerződésapplication/json |
Paraméterrequired | Szerződésmodel, messages, max_tokens |
Paraméteroptional_controls | Szerződésstream |
Paramétermaterial_types | Szerződéstext |
Paramétertext_file_material | SzerződésOlvassa el a tényleges UTF-8 dokumentumot, és tegye a szövegét a jelzett bemeneti karakterláncba vagy az üzenettartalom karakterláncába. |
Életciklus: synchronous_or_streamed
A díjszabás nem ad új kérési lehetőségeket. A támogatott paraméterek a kiválasztott módszernél szerepelnek.
Minden díjat a megjelenített feltételekhez rendeljen. Az alternatív beállítások minden csoportjához egy díjtételt használjon.
| Beállítás | Díjtáblázat | Kontextustokenek, több mint | Kontextustokenek, legfeljebb | Díj |
|---|---|---|---|---|
| BeállításTokenenkénti alapárak | DíjtáblázatAlapdíj | Kontextustokenek, több mint— | Kontextustokenek, legfeljebbNincs felső korlát | Díj Bemenet · Bemeneti tokenek $0.005 / 1K token Kimenet · Kimeneti tokenek $0.025 / 1K token Bemenet · Gyorsítótár olvasása $0.00125 / 1K token Bemenet · Írás a gyorsítótárba — / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
| BeállításA kéréshossz szerinti 1. ársáv | Díjtáblázat— | Kontextustokenek, több mint0 | Kontextustokenek, legfeljebbNincs felső korlát | Díj Bemenet · Bemeneti tokenek $0.005 / 1K token Kimenet · Kimeneti tokenek $0.025 / 1K token Bemenet · Gyorsítótár olvasása $0.00125 / 1K token Bemenet · Írás a gyorsítótárba — / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
{\n "model": "amazon/nova-premier-v1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 vagy SSE
Őrizzen meg minden teljes visszaadott választ, fájlt és tartalomrészt.
Őrizze meg az összes tartalomblokkot, a gondolkodási tartalom aláírásait és a tényleges eszközhasználati ID-kat. Állítsa össze az összes SSE-blokk részleges frissítését; az első szövegblokk nem a teljes kimenet.
Őrizze meg a kérés-/válaszazonosítókat és a fejléceket. Nincs megadva általános URL a szöveges feladatok lekéréséhez.
| Mező | Típus |
|---|---|
Mezőid | Típusstring |
Mezőmodel | Típusstring |
Mezőcontent[] | Típustext|thinking|tool_use|other content block |
Mezőstop_reason | Típusstring|null |
Mezőusage | Típusobject |
| Válasz | Feltétel | Következő lépés |
|---|---|---|
Válasz400 · invalid_request_error | FeltételÉrvénytelen kötelező mezők, az anyag érvénytelen reprezentációja vagy érvénytelen paraméterérték | Következő lépésJavítsa a jelzett mezőket egy új létrehozási kérés előtt. |
Ailoot Ultra amazon/nova-premier-v1
Használja a fent látható metódusútvonalakat.
Technikai példa angolul
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.