Amazon Nova 2 Lite adalah model pemahaman multimodal generasi kedua Amazon untuk pekerjaan perusahaan sehari-hari dan tugas agen yang lebih berat. Model ini menerima teks, gambar dan video, termasuk konten dokumen, serta menghasilkan teks. Pekerjaan praktis meliputi respons dukungan yang berlandaskan materi yang disediakan, ekstraksi informasi dari laporan, analisis grafik atau tangkapan layar, tinjauan kode dan perangkuman peristiwa visual. Ini adalah model pemahaman: masukan video dianalisis, bukan dibuat ulang, dan keluaran yang didokumentasikan berupa teks, bukan gambar, video atau ucapan asli.
Profil model pembuatnya mencantumkan jendela konteks 1 juta token dan keluaran maksimal standar 64K token. Batas pengetahuan yang didokumentasikan adalah Oktober 2025. Konteks kerja lebih besar ini membedakan Nova 2 Lite dari jendela 300K Nova Lite generasi pertama. Gunakan ruang untuk dokumen sumber sebenarnya, percakapan relevan, kode dan instruksi, lalu minta artefak terarah seperti tabel bukti, usulan perubahan atau ringkasan yang disusun per sumber. Konteks panjang tidak mengubah pengetahuan yang dipelajari menjadi basis data langsung; informasi yang berubah perlu berasal dari bukti yang disediakan, pengambilan informasi atau alat pembumian yang diaktifkan.
Pemikiran diperluas bersifat opsional dan nonaktif secara bawaan. Ketika aktif, pembuatnya menawarkan upaya low, medium dan high: low untuk analisis cukup kompleks, medium untuk pekerjaan multilangkah yang substansial dan high untuk penalaran terdalam. Ekstraksi sederhana dan balasan faktual singkat dapat menggunakan pemikiran nonaktif; debugging sulit, penalaran matematika dan sintesis antardokumen dapat memperoleh manfaat dari upaya tambahan. Konten penalaran dikembalikan sebagai [REDACTED], sehingga bukan jejak langkah demi langkah yang dapat dibaca. Kontrak upaya high mewajibkan penghilangan temperature, topP, topK dan maxTokens; Amazon mendokumentasikan bahwa beberapa keluaran upaya high dapat melebihi 65K token dan mencapai 128K, bukan menetapkan 128K sebagai jatah keluaran biasa.
Nova 2 Lite mendukung pemanggilan fungsi, streaming respons dan cache prompt dalam profil penyajian yang didokumentasikan Amazon. Penyimpanan cache eksplisit memerlukan setidaknya 1K token per checkpoint dan mengizinkan hingga empat checkpoint dengan retensi lima menit. Pembuatnya membatasi cache prompt hingga 20K token, terutama untuk prompt teks; jatah cache tersebut berbeda dari jendela konteks penuh. Sertakan nama alat, deskripsi dan skema argumen yang jelas; model memilih alat dan meminta argumen, sementara aplikasi menjalankan alat khusus dan mengembalikan hasilnya. Amazon juga mendokumentasikan Web Grounding bawaan opsional untuk informasi terkini dengan kutipan serta Python Code Interpreter untuk perhitungan. Ini merupakan alat yang dikonfigurasi, bukan kegiatan yang tersirat dari setiap jawaban. Amazon juga mendokumentasikan fine-tuning terawasi dan penguatan untuk menyesuaikan Nova 2 Lite pada tugas khusus; ini merupakan alur penyesuaian model terpisah. Untuk laporan numerik, brief yang berguna memisahkan angka sumber, perhitungan yang harus dilakukan dan penjelasan yang harus dikembalikan; kesalahan alat harus tetap terlihat dalam hasil yang dikembalikan, bukan dianggap sebagai pengamatan berhasil.
Panduan multimodal mencantumkan gambar PNG, JPEG, GIF dan WebP; untuk GIF atau WebP animasi hanya bingkai pertama yang digunakan. Format video meliputi MP4, MOV, MKV, WebM, FLV, MPEG, MPG, WMV dan 3GP. Dokumen meliputi PDF, DOC/DOCX, TXT, CSV, XLS/XLSX, HTML dan Markdown. Format berbasis teks dibaca terutama sebagai teks, sementara PDF dan DOCX dapat menggabungkan teks dan visual halaman. Alur dokumen pembuatnya mengizinkan hingga lima dokumen dan membatasi setiap dokumen teks hingga 4,5 MB. Profil gambar tersemat mengizinkan lima gambar dan payload 25 MB; masukan gambar S3 mengizinkan hingga 1.000 gambar dan total 2 GB. Masukan video mengizinkan satu berkas: 25 MB tersemat atau 1 GB melalui S3. Berkas PDF dan DOCX berbagi jatah gabungan 25 MB untuk unggahan langsung atau 2 GB melalui S3. PDF yang memuat gambar CMYK atau SVG tidak didukung. Detail penanganan berkas ini merupakan bagian alur pembuatnya yang didokumentasikan; lampirkan konten relevan sebenarnya dan pertahankan label halaman atau bagiannya agar referensi berguna.
Pemahaman video menggunakan bingkai visual, bukan jalur audio. Untuk video 16 menit atau kurang, panduan menjelaskan satu bingkai sampel per detik; uraian panduan menjelaskan pengurangan laju sampling untuk klip lebih panjang agar tetap 960 bingkai. Karena itu, aksi cepat di antara bingkai dapat terlewat. Utamakan klip relevan dan pertanyaan eksplisit tentang adegan atau peristiwa; berikan transkrip terpisah ketika informasi lisan penting. Teks kecil atau multibahasa dan hubungan spasial presisi juga dapat sulit, sehingga pertahankan label yang terbaca dan konteks visual sekitar yang cukup. Pembuatnya juga menyatakan bahwa model ini tidak mengidentifikasi atau menyebut nama orang dalam gambar, dokumen atau video.
Amazon mendokumentasikan dukungan lebih dari 200 bahasa, dengan optimasi untuk Inggris, Jerman, Spanyol, Prancis, Italia, Jepang, Korea, Arab, Tionghoa Sederhana, Rusia, Hindi, Portugis, Belanda, Turki dan Ibrani. Nyatakan bahasa keluaran dan terminologi yang diperlukan, terutama ketika sumber menggunakan beberapa bahasa. Untuk alur dokumen, tentukan pertanyaan, pengenal bukti dan struktur akhir, lalu minta model membedakan fakta yang dinyatakan dari informasi yang hilang. Hasilnya yang berguna adalah respons yang berlandaskan sumber atau artefak yang menggunakan informasi dari alat, bukan asumsi bahwa setiap detail masukan besar telah tertangkap.
", "aboutText": "Amazon Nova 2 Lite adalah model pemahaman multimodal generasi kedua Amazon untuk pekerjaan perusahaan sehari-hari dan tugas agen yang lebih berat. Model ini menerima teks, gambar dan video, termasuk konten dokumen, serta menghasilkan teks. Pekerjaan praktis meliputi respons dukungan yang berlandaskan materi yang disediakan, ekstraksi informasi dari laporan, analisis grafik atau tangkapan layar, tinjauan kode dan perangkuman peristiwa visual. Ini adalah model pemahaman: masukan video dianalisis, bukan dibuat ulang, dan keluaran yang didokumentasikan berupa teks, bukan gambar, video atau ucapan asli.\n\nProfil model pembuatnya mencantumkan jendela konteks 1 juta token dan keluaran maksimal standar 64K token. Batas pengetahuan yang didokumentasikan adalah Oktober 2025. Konteks kerja lebih besar ini membedakan Nova 2 Lite dari jendela 300K Nova Lite generasi pertama. Gunakan ruang untuk dokumen sumber sebenarnya, percakapan relevan, kode dan instruksi, lalu minta artefak terarah seperti tabel bukti, usulan perubahan atau ringkasan yang disusun per sumber. Konteks panjang tidak mengubah pengetahuan yang dipelajari menjadi basis data langsung; informasi yang berubah perlu berasal dari bukti yang disediakan, pengambilan informasi atau alat pembumian yang diaktifkan.\n\nPemikiran diperluas bersifat opsional dan nonaktif secara bawaan. Ketika aktif, pembuatnya menawarkan upaya low, medium dan high: low untuk analisis cukup kompleks, medium untuk pekerjaan multilangkah yang substansial dan high untuk penalaran terdalam. Ekstraksi sederhana dan balasan faktual singkat dapat menggunakan pemikiran nonaktif; debugging sulit, penalaran matematika dan sintesis antardokumen dapat memperoleh manfaat dari upaya tambahan. Konten penalaran dikembalikan sebagai [REDACTED], sehingga bukan jejak langkah demi langkah yang dapat dibaca. Kontrak upaya high mewajibkan penghilangan temperature, topP, topK dan maxTokens; Amazon mendokumentasikan bahwa beberapa keluaran upaya high dapat melebihi 65K token dan mencapai 128K, bukan menetapkan 128K sebagai jatah keluaran biasa.\n\nNova 2 Lite mendukung pemanggilan fungsi, streaming respons dan cache prompt dalam profil penyajian yang didokumentasikan Amazon. Penyimpanan cache eksplisit memerlukan setidaknya 1K token per checkpoint dan mengizinkan hingga empat checkpoint dengan retensi lima menit. Pembuatnya membatasi cache prompt hingga 20K token, terutama untuk prompt teks; jatah cache tersebut berbeda dari jendela konteks penuh. Sertakan nama alat, deskripsi dan skema argumen yang jelas; model memilih alat dan meminta argumen, sementara aplikasi menjalankan alat khusus dan mengembalikan hasilnya. Amazon juga mendokumentasikan Web Grounding bawaan opsional untuk informasi terkini dengan kutipan serta Python Code Interpreter untuk perhitungan. Ini merupakan alat yang dikonfigurasi, bukan kegiatan yang tersirat dari setiap jawaban. Amazon juga mendokumentasikan fine-tuning terawasi dan penguatan untuk menyesuaikan Nova 2 Lite pada tugas khusus; ini merupakan alur penyesuaian model terpisah. Untuk laporan numerik, brief yang berguna memisahkan angka sumber, perhitungan yang harus dilakukan dan penjelasan yang harus dikembalikan; kesalahan alat harus tetap terlihat dalam hasil yang dikembalikan, bukan dianggap sebagai pengamatan berhasil.\n\nPanduan multimodal mencantumkan gambar PNG, JPEG, GIF dan WebP; untuk GIF atau WebP animasi hanya bingkai pertama yang digunakan. Format video meliputi MP4, MOV, MKV, WebM, FLV, MPEG, MPG, WMV dan 3GP. Dokumen meliputi PDF, DOC/DOCX, TXT, CSV, XLS/XLSX, HTML dan Markdown. Format berbasis teks dibaca terutama sebagai teks, sementara PDF dan DOCX dapat menggabungkan teks dan visual halaman. Alur dokumen pembuatnya mengizinkan hingga lima dokumen dan membatasi setiap dokumen teks hingga 4,5 MB. Profil gambar tersemat mengizinkan lima gambar dan payload 25 MB; masukan gambar S3 mengizinkan hingga 1.000 gambar dan total 2 GB. Masukan video mengizinkan satu berkas: 25 MB tersemat atau 1 GB melalui S3. Berkas PDF dan DOCX berbagi jatah gabungan 25 MB untuk unggahan langsung atau 2 GB melalui S3. PDF yang memuat gambar CMYK atau SVG tidak didukung. Detail penanganan berkas ini merupakan bagian alur pembuatnya yang didokumentasikan; lampirkan konten relevan sebenarnya dan pertahankan label halaman atau bagiannya agar referensi berguna.\n\nPemahaman video menggunakan bingkai visual, bukan jalur audio. Untuk video 16 menit atau kurang, panduan menjelaskan satu bingkai sampel per detik; uraian panduan menjelaskan pengurangan laju sampling untuk klip lebih panjang agar tetap 960 bingkai. Karena itu, aksi cepat di antara bingkai dapat terlewat. Utamakan klip relevan dan pertanyaan eksplisit tentang adegan atau peristiwa; berikan transkrip terpisah ketika informasi lisan penting. Teks kecil atau multibahasa dan hubungan spasial presisi juga dapat sulit, sehingga pertahankan label yang terbaca dan konteks visual sekitar yang cukup. Pembuatnya juga menyatakan bahwa model ini tidak mengidentifikasi atau menyebut nama orang dalam gambar, dokumen atau video.\n\nAmazon mendokumentasikan dukungan lebih dari 200 bahasa, dengan optimasi untuk Inggris, Jerman, Spanyol, Prancis, Italia, Jepang, Korea, Arab, Tionghoa Sederhana, Rusia, Hindi, Portugis, Belanda, Turki dan Ibrani. Nyatakan bahasa keluaran dan terminologi yang diperlukan, terutama ketika sumber menggunakan beberapa bahasa. Untuk alur dokumen, tentukan pertanyaan, pengenal bukti dan struktur akhir, lalu minta model membedakan fakta yang dinyatakan dari informasi yang hilang. Hasilnya yang berguna adalah respons yang berlandaskan sumber atau artefak yang menggunakan informasi dari alat, bukan asumsi bahwa setiap detail masukan besar telah tertangkap.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
Draft a grounded support reply\n\nWrite a customer reply using only this help article: A replacement may be requested within 14 days of delivery for a damaged item; include the order number and a photo in the support ticket. Customer: My parcel arrived broken yesterday. Can you send another? Explain the next step without claiming a replacement has already been approved.A customer-ready reply of 60–90 words covering eligibility, required ticket information and the next action.Check that the reply requests the order number and photo without asserting that a ticket or replacement was created.amazon/nova-2-lite-v1Amazon Nova 2 Lite menggabungkan pemahaman teks, gambar, dokumen dan video dengan pemikiran diperluas opsional serta penggunaan alat. Konteks sejuta tokennya mendukung alur dokumen, pengodean dan agen yang perlu bernalar dalam beberapa langkah.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Amazon Nova 2 Lite adalah model pemahaman multimodal generasi kedua Amazon untuk pekerjaan perusahaan sehari-hari dan tugas agen yang lebih berat. Model ini menerima teks, gambar dan video, termasuk konten dokumen, serta menghasilkan teks. Pekerjaan praktis meliputi respons dukungan yang berlandaskan materi yang disediakan, ekstraksi informasi dari laporan, analisis grafik atau tangkapan layar, tinjauan kode dan perangkuman peristiwa visual. Ini adalah model pemahaman: masukan video dianalisis, bukan dibuat ulang, dan keluaran yang didokumentasikan berupa teks, bukan gambar, video atau ucapan asli.
Profil model pembuatnya mencantumkan jendela konteks 1 juta token dan keluaran maksimal standar 64K token. Batas pengetahuan yang didokumentasikan adalah Oktober 2025. Konteks kerja lebih besar ini membedakan Nova 2 Lite dari jendela 300K Nova Lite generasi pertama. Gunakan ruang untuk dokumen sumber sebenarnya, percakapan relevan, kode dan instruksi, lalu minta artefak terarah seperti tabel bukti, usulan perubahan atau ringkasan yang disusun per sumber. Konteks panjang tidak mengubah pengetahuan yang dipelajari menjadi basis data langsung; informasi yang berubah perlu berasal dari bukti yang disediakan, pengambilan informasi atau alat pembumian yang diaktifkan.
Pemikiran diperluas bersifat opsional dan nonaktif secara bawaan. Ketika aktif, pembuatnya menawarkan upaya low, medium dan high: low untuk analisis cukup kompleks, medium untuk pekerjaan multilangkah yang substansial dan high untuk penalaran terdalam. Ekstraksi sederhana dan balasan faktual singkat dapat menggunakan pemikiran nonaktif; debugging sulit, penalaran matematika dan sintesis antardokumen dapat memperoleh manfaat dari upaya tambahan. Konten penalaran dikembalikan sebagai [REDACTED], sehingga bukan jejak langkah demi langkah yang dapat dibaca. Kontrak upaya high mewajibkan penghilangan temperature, topP, topK dan maxTokens; Amazon mendokumentasikan bahwa beberapa keluaran upaya high dapat melebihi 65K token dan mencapai 128K, bukan menetapkan 128K sebagai jatah keluaran biasa.
Nova 2 Lite mendukung pemanggilan fungsi, streaming respons dan cache prompt dalam profil penyajian yang didokumentasikan Amazon. Penyimpanan cache eksplisit memerlukan setidaknya 1K token per checkpoint dan mengizinkan hingga empat checkpoint dengan retensi lima menit. Pembuatnya membatasi cache prompt hingga 20K token, terutama untuk prompt teks; jatah cache tersebut berbeda dari jendela konteks penuh. Sertakan nama alat, deskripsi dan skema argumen yang jelas; model memilih alat dan meminta argumen, sementara aplikasi menjalankan alat khusus dan mengembalikan hasilnya. Amazon juga mendokumentasikan Web Grounding bawaan opsional untuk informasi terkini dengan kutipan serta Python Code Interpreter untuk perhitungan. Ini merupakan alat yang dikonfigurasi, bukan kegiatan yang tersirat dari setiap jawaban. Amazon juga mendokumentasikan fine-tuning terawasi dan penguatan untuk menyesuaikan Nova 2 Lite pada tugas khusus; ini merupakan alur penyesuaian model terpisah. Untuk laporan numerik, brief yang berguna memisahkan angka sumber, perhitungan yang harus dilakukan dan penjelasan yang harus dikembalikan; kesalahan alat harus tetap terlihat dalam hasil yang dikembalikan, bukan dianggap sebagai pengamatan berhasil.
Panduan multimodal mencantumkan gambar PNG, JPEG, GIF dan WebP; untuk GIF atau WebP animasi hanya bingkai pertama yang digunakan. Format video meliputi MP4, MOV, MKV, WebM, FLV, MPEG, MPG, WMV dan 3GP. Dokumen meliputi PDF, DOC/DOCX, TXT, CSV, XLS/XLSX, HTML dan Markdown. Format berbasis teks dibaca terutama sebagai teks, sementara PDF dan DOCX dapat menggabungkan teks dan visual halaman. Alur dokumen pembuatnya mengizinkan hingga lima dokumen dan membatasi setiap dokumen teks hingga 4,5 MB. Profil gambar tersemat mengizinkan lima gambar dan payload 25 MB; masukan gambar S3 mengizinkan hingga 1.000 gambar dan total 2 GB. Masukan video mengizinkan satu berkas: 25 MB tersemat atau 1 GB melalui S3. Berkas PDF dan DOCX berbagi jatah gabungan 25 MB untuk unggahan langsung atau 2 GB melalui S3. PDF yang memuat gambar CMYK atau SVG tidak didukung. Detail penanganan berkas ini merupakan bagian alur pembuatnya yang didokumentasikan; lampirkan konten relevan sebenarnya dan pertahankan label halaman atau bagiannya agar referensi berguna.
Pemahaman video menggunakan bingkai visual, bukan jalur audio. Untuk video 16 menit atau kurang, panduan menjelaskan satu bingkai sampel per detik; uraian panduan menjelaskan pengurangan laju sampling untuk klip lebih panjang agar tetap 960 bingkai. Karena itu, aksi cepat di antara bingkai dapat terlewat. Utamakan klip relevan dan pertanyaan eksplisit tentang adegan atau peristiwa; berikan transkrip terpisah ketika informasi lisan penting. Teks kecil atau multibahasa dan hubungan spasial presisi juga dapat sulit, sehingga pertahankan label yang terbaca dan konteks visual sekitar yang cukup. Pembuatnya juga menyatakan bahwa model ini tidak mengidentifikasi atau menyebut nama orang dalam gambar, dokumen atau video.
Amazon mendokumentasikan dukungan lebih dari 200 bahasa, dengan optimasi untuk Inggris, Jerman, Spanyol, Prancis, Italia, Jepang, Korea, Arab, Tionghoa Sederhana, Rusia, Hindi, Portugis, Belanda, Turki dan Ibrani. Nyatakan bahasa keluaran dan terminologi yang diperlukan, terutama ketika sumber menggunakan beberapa bahasa. Untuk alur dokumen, tentukan pertanyaan, pengenal bukti dan struktur akhir, lalu minta model membedakan fakta yang dinyatakan dari informasi yang hilang. Hasilnya yang berguna adalah respons yang berlandaskan sumber atau artefak yang menggunakan informasi dari alat, bukan asumsi bahwa setiap detail masukan besar telah tertangkap.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan amazon/nova-2-lite-v1 | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan Item minimum: 1 | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan Contoh: system, user, assistant, tool, function Kondisi: Peran ini direpresentasikan secara eksplisit oleh tipe kompatibilitas dalam kode sumber; kumpulan peran model yang tepat tetap khusus untuk tiap model. Bergantung pada model | Bawaan— |
Kolommessages[].content | Jenisstring|content_part[]|null | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].tool_calls | Jenistool_call[] | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].tool_call_id | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: role=tool; gunakan ID yang benar-benar dikembalikan | Bawaan— |
Kolommessages[].name | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].reasoning_content | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: Kirim kembali penalaran yang benar-benar dikembalikan jika model ini menggunakannya | Bawaan— |
Kolommessages[].reasoning_details | Jenisobject|array | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommax_tokens | Jenisinteger | PersyaratanOpsional | Nilai & batasan Minimum: 1 Bergantung pada model | Bawaan— |
Kolommax_completion_tokens | Jenisinteger | PersyaratanOpsional | Nilai & batasan Minimum: 1 Bergantung pada model | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Kolomstream_options.include_usage | Jenisboolean | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtemperature | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtop_p | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomstop | Jenisstring|string[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools | Jenisfunction_tool[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools[].type | Jenisstring | PersyaratanOpsional | Nilai & batasan function Bergantung pada model | Bawaan— |
Kolomtools[].function.name | Jenisstring | PersyaratanWajib | Nilai & batasan Berlaku jika: alat fungsi disediakan | Bawaan— |
Kolomtools[].function.description | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomtools[].function.parameters | JenisJSON_schema | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomtool_choice | Jenisstring|object | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomparallel_tool_calls | Jenisboolean | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomresponse_format | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomreasoning_effort | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomreasoning | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomservice_tier | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolominstructions | Jenisstring | PersyaratanOpsional | Nilai & batasan Kolom kompatibilitas | Bawaan— |
Kolomfunctions | Jenisfunction[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomfunction_call | Jenisstring|object | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomprompt_cache_options | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommodalities | Jenisstring[] | PersyaratanOpsional | Nilai & batasan text | Bawaan— |
Kolomprovider | Jenisobject | PersyaratanOpsional | Nilai & batasan Kondisi: provider.options ditolak pada rute teks Ultra ini | Bawaan— |
Kolomcache_control.ttl | Jenisstring | PersyaratanOpsional | Nilai & batasan Kondisi: 1h ditolak pada lokasi cache prompt yang digunakan | Bawaan— |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontrakarray pesan dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 yang sebenarnya dimasukkan sebagai teks apa adanya; ID file tidak disimpulkan |
Parameteroptional_controls | Kontrakstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontrakkhusus model; alat fungsi pengguna berbeda dari alat yang dihosting |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Siklus hidup: synchronous_or_streamed
Kirim ID model yang tepat bersama messages.
Panjang konteks bukan batas keluaran.
File teks dapat menyediakan teks apa adanya; masukan gambar/audio/objek file memerlukan pengikatan yang tepat.
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
Cocokkan setiap biaya dengan kondisi yang ditampilkan. Gunakan satu tarif untuk setiap kelompok konfigurasi alternatif.
| Konfigurasi | Jadwal tarif | Token konteks, lebih dari | Token konteks, hingga dan termasuk | Biaya |
|---|---|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Token konteks, lebih dari— | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.0006 / 1K token Keluaran · Token keluaran $0.005 / 1K token Masukan · Pembacaan cache — / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiPanjang permintaan · tingkat 1 | Jadwal tarif— | Token konteks, lebih dari0 | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.0006 / 1K token Keluaran · Token keluaran $0.005 / 1K token Masukan · Pembacaan cache — / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "amazon/nova-2-lite-v1", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='amazon/nova-2-lite-v1',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='amazon/nova-2-lite-v1',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson atau SSE
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan setiap alternatif jawaban beserta konten, panggilan alat, dan penalarannya. Dalam SSE, gabungkan delta menurut indeks alternatif jawaban/alat, lalu pertahankan alasan penghentian akhir dan data penggunaan.
Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.
| Kolom | Jenis |
|---|---|
Kolomchoices[].index | Jenisinteger |
Kolomchoices[].message.content | Jenisstring|null |
Kolomchoices[].message.tool_calls | Jenistool_call[] |
Kolomchoices[].message.reasoning_content | Jenisstring |
Kolomchoices[].message.reasoning_details | Jenisobject|array |
Kolomchoices[].finish_reason | Jenisstring|null |
Kolomusage | Jenisobject |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
Ailoot Ultra amazon/nova-2-lite-v1
Gunakan jalur metode yang ditampilkan di atas.
amazon/nova-2-lite-v1Amazon Nova 2 Lite menggabungkan pemahaman teks, gambar, dokumen dan video dengan pemikiran diperluas opsional serta penggunaan alat. Konteks sejuta tokennya mendukung alur dokumen, pengodean dan agen yang perlu bernalar dalam beberapa langkah.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Amazon Nova 2 Lite adalah model pemahaman multimodal generasi kedua Amazon untuk pekerjaan perusahaan sehari-hari dan tugas agen yang lebih berat. Model ini menerima teks, gambar dan video, termasuk konten dokumen, serta menghasilkan teks. Pekerjaan praktis meliputi respons dukungan yang berlandaskan materi yang disediakan, ekstraksi informasi dari laporan, analisis grafik atau tangkapan layar, tinjauan kode dan perangkuman peristiwa visual. Ini adalah model pemahaman: masukan video dianalisis, bukan dibuat ulang, dan keluaran yang didokumentasikan berupa teks, bukan gambar, video atau ucapan asli.
Profil model pembuatnya mencantumkan jendela konteks 1 juta token dan keluaran maksimal standar 64K token. Batas pengetahuan yang didokumentasikan adalah Oktober 2025. Konteks kerja lebih besar ini membedakan Nova 2 Lite dari jendela 300K Nova Lite generasi pertama. Gunakan ruang untuk dokumen sumber sebenarnya, percakapan relevan, kode dan instruksi, lalu minta artefak terarah seperti tabel bukti, usulan perubahan atau ringkasan yang disusun per sumber. Konteks panjang tidak mengubah pengetahuan yang dipelajari menjadi basis data langsung; informasi yang berubah perlu berasal dari bukti yang disediakan, pengambilan informasi atau alat pembumian yang diaktifkan.
Pemikiran diperluas bersifat opsional dan nonaktif secara bawaan. Ketika aktif, pembuatnya menawarkan upaya low, medium dan high: low untuk analisis cukup kompleks, medium untuk pekerjaan multilangkah yang substansial dan high untuk penalaran terdalam. Ekstraksi sederhana dan balasan faktual singkat dapat menggunakan pemikiran nonaktif; debugging sulit, penalaran matematika dan sintesis antardokumen dapat memperoleh manfaat dari upaya tambahan. Konten penalaran dikembalikan sebagai [REDACTED], sehingga bukan jejak langkah demi langkah yang dapat dibaca. Kontrak upaya high mewajibkan penghilangan temperature, topP, topK dan maxTokens; Amazon mendokumentasikan bahwa beberapa keluaran upaya high dapat melebihi 65K token dan mencapai 128K, bukan menetapkan 128K sebagai jatah keluaran biasa.
Nova 2 Lite mendukung pemanggilan fungsi, streaming respons dan cache prompt dalam profil penyajian yang didokumentasikan Amazon. Penyimpanan cache eksplisit memerlukan setidaknya 1K token per checkpoint dan mengizinkan hingga empat checkpoint dengan retensi lima menit. Pembuatnya membatasi cache prompt hingga 20K token, terutama untuk prompt teks; jatah cache tersebut berbeda dari jendela konteks penuh. Sertakan nama alat, deskripsi dan skema argumen yang jelas; model memilih alat dan meminta argumen, sementara aplikasi menjalankan alat khusus dan mengembalikan hasilnya. Amazon juga mendokumentasikan Web Grounding bawaan opsional untuk informasi terkini dengan kutipan serta Python Code Interpreter untuk perhitungan. Ini merupakan alat yang dikonfigurasi, bukan kegiatan yang tersirat dari setiap jawaban. Amazon juga mendokumentasikan fine-tuning terawasi dan penguatan untuk menyesuaikan Nova 2 Lite pada tugas khusus; ini merupakan alur penyesuaian model terpisah. Untuk laporan numerik, brief yang berguna memisahkan angka sumber, perhitungan yang harus dilakukan dan penjelasan yang harus dikembalikan; kesalahan alat harus tetap terlihat dalam hasil yang dikembalikan, bukan dianggap sebagai pengamatan berhasil.
Panduan multimodal mencantumkan gambar PNG, JPEG, GIF dan WebP; untuk GIF atau WebP animasi hanya bingkai pertama yang digunakan. Format video meliputi MP4, MOV, MKV, WebM, FLV, MPEG, MPG, WMV dan 3GP. Dokumen meliputi PDF, DOC/DOCX, TXT, CSV, XLS/XLSX, HTML dan Markdown. Format berbasis teks dibaca terutama sebagai teks, sementara PDF dan DOCX dapat menggabungkan teks dan visual halaman. Alur dokumen pembuatnya mengizinkan hingga lima dokumen dan membatasi setiap dokumen teks hingga 4,5 MB. Profil gambar tersemat mengizinkan lima gambar dan payload 25 MB; masukan gambar S3 mengizinkan hingga 1.000 gambar dan total 2 GB. Masukan video mengizinkan satu berkas: 25 MB tersemat atau 1 GB melalui S3. Berkas PDF dan DOCX berbagi jatah gabungan 25 MB untuk unggahan langsung atau 2 GB melalui S3. PDF yang memuat gambar CMYK atau SVG tidak didukung. Detail penanganan berkas ini merupakan bagian alur pembuatnya yang didokumentasikan; lampirkan konten relevan sebenarnya dan pertahankan label halaman atau bagiannya agar referensi berguna.
Pemahaman video menggunakan bingkai visual, bukan jalur audio. Untuk video 16 menit atau kurang, panduan menjelaskan satu bingkai sampel per detik; uraian panduan menjelaskan pengurangan laju sampling untuk klip lebih panjang agar tetap 960 bingkai. Karena itu, aksi cepat di antara bingkai dapat terlewat. Utamakan klip relevan dan pertanyaan eksplisit tentang adegan atau peristiwa; berikan transkrip terpisah ketika informasi lisan penting. Teks kecil atau multibahasa dan hubungan spasial presisi juga dapat sulit, sehingga pertahankan label yang terbaca dan konteks visual sekitar yang cukup. Pembuatnya juga menyatakan bahwa model ini tidak mengidentifikasi atau menyebut nama orang dalam gambar, dokumen atau video.
Amazon mendokumentasikan dukungan lebih dari 200 bahasa, dengan optimasi untuk Inggris, Jerman, Spanyol, Prancis, Italia, Jepang, Korea, Arab, Tionghoa Sederhana, Rusia, Hindi, Portugis, Belanda, Turki dan Ibrani. Nyatakan bahasa keluaran dan terminologi yang diperlukan, terutama ketika sumber menggunakan beberapa bahasa. Untuk alur dokumen, tentukan pertanyaan, pengenal bukti dan struktur akhir, lalu minta model membedakan fakta yang dinyatakan dari informasi yang hilang. Hasilnya yang berguna adalah respons yang berlandaskan sumber atau artefak yang menggunakan informasi dari alat, bukan asumsi bahwa setiap detail masukan besar telah tertangkap.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan amazon/nova-2-lite-v1 | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan user, assistant | Bawaan— |
Kolommessages[].content | Jenisstring | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolommax_tokens | Jenisinteger | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Teks · Teks UTF-8
string messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontrakstream |
Parametermaterial_types | Kontraktext |
Parametertext_file_material | KontrakBaca dokumen UTF-8 yang sebenarnya dan masukkan teksnya ke string masukan atau konten pesan yang ditunjukkan. |
Siklus hidup: synchronous_or_streamed
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
Cocokkan setiap biaya dengan kondisi yang ditampilkan. Gunakan satu tarif untuk setiap kelompok konfigurasi alternatif.
| Konfigurasi | Jadwal tarif | Token konteks, lebih dari | Token konteks, hingga dan termasuk | Biaya |
|---|---|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Token konteks, lebih dari— | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.0006 / 1K token Keluaran · Token keluaran $0.005 / 1K token Masukan · Pembacaan cache — / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiPanjang permintaan · tingkat 1 | Jadwal tarif— | Token konteks, lebih dari0 | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.0006 / 1K token Keluaran · Token keluaran $0.005 / 1K token Masukan · Pembacaan cache — / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "amazon/nova-2-lite-v1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'amazon/nova-2-lite-v1', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'amazon/nova-2-lite-v1', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON atau SSE
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan semua blok konten, tanda tangan penalaran, dan ID penggunaan alat yang sebenarnya. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan keluaran.
Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.
| Kolom | Jenis |
|---|---|
Kolomid | Jenisstring |
Kolommodel | Jenisstring |
Kolomcontent[] | Jenistext|thinking|tool_use|other content block |
Kolomstop_reason | Jenisstring|null |
Kolomusage | Jenisobject |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
Ailoot Ultra amazon/nova-2-lite-v1
Gunakan jalur metode yang ditampilkan di atas.
Contoh teknis dalam bahasa Inggris
Draft a grounded support reply\n\nWrite a customer reply using only this help article: A replacement may be requested within 14 days of delivery for a damaged item; include the order number and a photo in the support ticket. Customer: My parcel arrived broken yesterday. Can you send another? Explain the next step without claiming a replacement has already been approved.A customer-ready reply of 60–90 words covering eligibility, required ticket information and the next action.Check that the reply requests the order number and photo without asserting that a ticket or replacement was created.