Amazon Nova Pro adalah model pemahaman multimodal yang seimbang dalam keluarga Nova generasi pertama Amazon. Model ini menggabungkan pemahaman teks, gambar dan video untuk tugas mulai dari menjawab pertanyaan dokumen dan analisis visual hingga pekerjaan perangkat lunak serta alur agen. Keluarannya berupa teks: penjelasan, informasi hasil ekstraksi, kode, rencana atau permintaan alat. Pro berada di antara Nova Lite yang lebih ringan dan pekerjaan konteks panjang yang lebih berat yang ditangani Premier; profil ini menjelaskan edisi Pro v1 asli, bukan model Nova 2.
Panduan Nova generasi pertama mencantumkan jendela konteks 300K token dan keluaran maksimal 10K token. Batas pengetahuan yang didokumentasikan adalah Oktober 2024. Alur praktis dapat menggabungkan bagian referensi, konten dokumen, bukti visual dan percakapan terbaru, lalu mengembalikan hasil ringkas. Untuk tinjauan teknis, sertakan kode yang relevan, perilaku yang diamati dan batasan, lalu minta usulan perubahan beserta alasannya. Untuk laporan, sebutkan sumber dan bidang yang akan dibandingkan. Pisahkan bukti dari instruksi agar model dapat membedakan pernyataan dokumen dari kesimpulan yang ingin Anda selidiki.
Amazon mendokumentasikan kemampuan Pro menjawab pertanyaan visual, mengklasifikasikan atau merangkum gambar dan mengembalikan kotak pembatas untuk objek tertentu. Panduan gambar generasi pertama menggunakan skala koordinat [0, 1000), yang dikonversi ke dimensi gambar asli oleh aplikasi pengguna hasil. Gambar diskalakan ulang secara otomatis, dengan resolusi maksimal 8.000 × 8.000 piksel yang didokumentasikan. Ini mendukung pekerjaan seperti mengidentifikasi elemen dalam tangkapan layar atau menjelaskan diagram. Pertahankan teks yang terbaca dan konteks visual utama, lalu minta pengamatan yang relevan sebelum meminta interpretasi.
Format gambar pembuatnya yang didukung meliputi PNG, JPG/JPEG, GIF dan WebP. Alur dokumen menerima PDF, DOC/DOCX, CSV, XLS/XLSX, HTML, TXT dan Markdown. Format berbasis teks menyumbangkan teks, sementara PDF dan DOCX dapat ditafsirkan bersama elemen visual seperti grafik dan tabel. Panduan dokumen mengizinkan hingga lima dokumen dan membatasi setiap dokumen teks hingga 4,5 MB. Panduan mengecualikan konten PDF yang menggunakan gambar CMYK atau SVG dan pengodean yang tidak didukung seperti JPEG2000 dan JBIG2. Jika tugas hanya membutuhkan kata-kata dalam PDF, teks hasil ekstraksi menyediakan masukan lebih sederhana daripada pembacaan visual per halaman. Media yang disematkan berbagi anggaran payload 25 MB, termasuk overhead base64. Satu permintaan memuat satu video, dibatasi hingga 1 GB melalui S3; gabungan media S3 dapat mencapai total 2 GB. Masukan PDF dan DOCX tetap dibatasi hingga lima dokumen, dengan jatah gabungan 25 MB untuk unggahan langsung atau 2 GB melalui S3.
Pro dapat menganalisis format video umum termasuk MP4, MOV, MKV dan WebM. Strategi sampling version1-nya menggunakan satu bingkai per detik untuk klip hingga 16 menit, lalu 960 bingkai yang tersebar di klip lebih panjang. Ini lebih mendukung ringkasan tingkat adegan daripada analisis presisi aksi sangat cepat, terutama ketika video makin panjang. Amazon menyarankan klip dengan lebih banyak gerakan di bawah 16 menit dan klip sedikit gerakan di bawah satu jam. Sertakan segmen relevan dan identifikasi peristiwa atau hubungan yang terlihat untuk diperiksa; transkrip harus membawa informasi lisan karena modalitas masukan yang didokumentasikan tidak mencakup audio. Pembuatnya juga menyatakan bahwa model ini tidak mengidentifikasi atau menyebut nama orang dalam gambar, dokumen atau video.
Pro mendukung streaming respons, pemanggilan fungsi yang dijalankan klien dan tugas berbantuan pengambilan informasi. Model juga mendukung 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. Jelaskan alat dan argumennya, biarkan aplikasi menjalankan permintaan, lalu kembalikan pengamatan atau kesalahan sebelum meminta model melanjutkan. Nova generasi pertama dapat diprompt untuk menyelesaikan solusi secara bertahap, tetapi hal ini berbeda dari mode pemikiran diperluas yang dikonfigurasi terpisah dan alat bawaan Nova 2 Lite. Pro juga berperan sebagai guru distilasi untuk Nova Micro dan Lite, dan Amazon mendokumentasikan fine-tuning khusus Pro; model khusus tersebut mempertahankan identitasnya sendiri.
Panduan version1 menjelaskan pelatihan dalam lebih dari 200 bahasa dengan optimasi untuk 15 bahasa, termasuk Inggris, Jerman, Spanyol, Prancis, Italia, Jepang, Korea, Arab, Tionghoa Sederhana, Rusia, Hindi, Portugis, Belanda, Turki dan Ibrani. Nyatakan bahasa dan terminologi yang diperlukan, alih-alih menganggap kinerja seragam di seluruh dialek. Untuk alur yang dapat digunakan ulang, tentukan struktur akhir dan bukti sumber yang harus dibawa setiap bidang. Pro dapat mengembalikan klaim yang masuk akal tetapi salah atau kode yang belum dijalankan; menyediakan fakta eksplisit dan memisahkan hasil alat dari usulan membuat keluaran lebih mudah digunakan dan diverifikasi.
", "aboutText": "Amazon Nova Pro adalah model pemahaman multimodal yang seimbang dalam keluarga Nova generasi pertama Amazon. Model ini menggabungkan pemahaman teks, gambar dan video untuk tugas mulai dari menjawab pertanyaan dokumen dan analisis visual hingga pekerjaan perangkat lunak serta alur agen. Keluarannya berupa teks: penjelasan, informasi hasil ekstraksi, kode, rencana atau permintaan alat. Pro berada di antara Nova Lite yang lebih ringan dan pekerjaan konteks panjang yang lebih berat yang ditangani Premier; profil ini menjelaskan edisi Pro v1 asli, bukan model Nova 2.\n\nPanduan Nova generasi pertama mencantumkan jendela konteks 300K token dan keluaran maksimal 10K token. Batas pengetahuan yang didokumentasikan adalah Oktober 2024. Alur praktis dapat menggabungkan bagian referensi, konten dokumen, bukti visual dan percakapan terbaru, lalu mengembalikan hasil ringkas. Untuk tinjauan teknis, sertakan kode yang relevan, perilaku yang diamati dan batasan, lalu minta usulan perubahan beserta alasannya. Untuk laporan, sebutkan sumber dan bidang yang akan dibandingkan. Pisahkan bukti dari instruksi agar model dapat membedakan pernyataan dokumen dari kesimpulan yang ingin Anda selidiki.\n\nAmazon mendokumentasikan kemampuan Pro menjawab pertanyaan visual, mengklasifikasikan atau merangkum gambar dan mengembalikan kotak pembatas untuk objek tertentu. Panduan gambar generasi pertama menggunakan skala koordinat [0, 1000), yang dikonversi ke dimensi gambar asli oleh aplikasi pengguna hasil. Gambar diskalakan ulang secara otomatis, dengan resolusi maksimal 8.000 × 8.000 piksel yang didokumentasikan. Ini mendukung pekerjaan seperti mengidentifikasi elemen dalam tangkapan layar atau menjelaskan diagram. Pertahankan teks yang terbaca dan konteks visual utama, lalu minta pengamatan yang relevan sebelum meminta interpretasi.\n\nFormat gambar pembuatnya yang didukung meliputi PNG, JPG/JPEG, GIF dan WebP. Alur dokumen menerima PDF, DOC/DOCX, CSV, XLS/XLSX, HTML, TXT dan Markdown. Format berbasis teks menyumbangkan teks, sementara PDF dan DOCX dapat ditafsirkan bersama elemen visual seperti grafik dan tabel. Panduan dokumen mengizinkan hingga lima dokumen dan membatasi setiap dokumen teks hingga 4,5 MB. Panduan mengecualikan konten PDF yang menggunakan gambar CMYK atau SVG dan pengodean yang tidak didukung seperti JPEG2000 dan JBIG2. Jika tugas hanya membutuhkan kata-kata dalam PDF, teks hasil ekstraksi menyediakan masukan lebih sederhana daripada pembacaan visual per halaman. Media yang disematkan berbagi anggaran payload 25 MB, termasuk overhead base64. Satu permintaan memuat satu video, dibatasi hingga 1 GB melalui S3; gabungan media S3 dapat mencapai total 2 GB. Masukan PDF dan DOCX tetap dibatasi hingga lima dokumen, dengan jatah gabungan 25 MB untuk unggahan langsung atau 2 GB melalui S3.\n\nPro dapat menganalisis format video umum termasuk MP4, MOV, MKV dan WebM. Strategi sampling version1-nya menggunakan satu bingkai per detik untuk klip hingga 16 menit, lalu 960 bingkai yang tersebar di klip lebih panjang. Ini lebih mendukung ringkasan tingkat adegan daripada analisis presisi aksi sangat cepat, terutama ketika video makin panjang. Amazon menyarankan klip dengan lebih banyak gerakan di bawah 16 menit dan klip sedikit gerakan di bawah satu jam. Sertakan segmen relevan dan identifikasi peristiwa atau hubungan yang terlihat untuk diperiksa; transkrip harus membawa informasi lisan karena modalitas masukan yang didokumentasikan tidak mencakup audio. Pembuatnya juga menyatakan bahwa model ini tidak mengidentifikasi atau menyebut nama orang dalam gambar, dokumen atau video.\n\nPro mendukung streaming respons, pemanggilan fungsi yang dijalankan klien dan tugas berbantuan pengambilan informasi. Model juga mendukung 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. Jelaskan alat dan argumennya, biarkan aplikasi menjalankan permintaan, lalu kembalikan pengamatan atau kesalahan sebelum meminta model melanjutkan. Nova generasi pertama dapat diprompt untuk menyelesaikan solusi secara bertahap, tetapi hal ini berbeda dari mode pemikiran diperluas yang dikonfigurasi terpisah dan alat bawaan Nova 2 Lite. Pro juga berperan sebagai guru distilasi untuk Nova Micro dan Lite, dan Amazon mendokumentasikan fine-tuning khusus Pro; model khusus tersebut mempertahankan identitasnya sendiri.\n\nPanduan version1 menjelaskan pelatihan dalam lebih dari 200 bahasa dengan optimasi untuk 15 bahasa, termasuk Inggris, Jerman, Spanyol, Prancis, Italia, Jepang, Korea, Arab, Tionghoa Sederhana, Rusia, Hindi, Portugis, Belanda, Turki dan Ibrani. Nyatakan bahasa dan terminologi yang diperlukan, alih-alih menganggap kinerja seragam di seluruh dialek. Untuk alur yang dapat digunakan ulang, tentukan struktur akhir dan bukti sumber yang harus dibawa setiap bidang. Pro dapat mengembalikan klaim yang masuk akal tetapi salah atau kode yang belum dijalankan; menyediakan fakta eksplisit dan memisahkan hasil alat dari usulan membuat keluaran lebih mudah digunakan dan diverifikasi.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
Compare supplier delivery terms\n\nCompare these supplier notes for a purchasing manager. Note A: 120 units, delivery within 14 calendar days, damaged units reported within 48 hours. Note B: 120 units, delivery within 10 business days, damage reported within five calendar days. Give a three-row comparison and identify what prevents a reliable delivery-date comparison.A table covering quantity, delivery timing and damage reporting, followed by one clarification about the delivery calendar or start date.The answer preserves calendar versus business days and does not invent arrival dates.amazon/nova-pro-v1Amazon Nova Pro adalah model Nova generasi pertama yang seimbang untuk penalaran atas teks, gambar, dokumen dan video. Model ini menghasilkan teks untuk analisis visual, tugas perangkat lunak, alur dokumen dan agen yang menggabungkan bukti yang disediakan dengan alat.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Amazon Nova Pro adalah model pemahaman multimodal yang seimbang dalam keluarga Nova generasi pertama Amazon. Model ini menggabungkan pemahaman teks, gambar dan video untuk tugas mulai dari menjawab pertanyaan dokumen dan analisis visual hingga pekerjaan perangkat lunak serta alur agen. Keluarannya berupa teks: penjelasan, informasi hasil ekstraksi, kode, rencana atau permintaan alat. Pro berada di antara Nova Lite yang lebih ringan dan pekerjaan konteks panjang yang lebih berat yang ditangani Premier; profil ini menjelaskan edisi Pro v1 asli, bukan model Nova 2.
Panduan Nova generasi pertama mencantumkan jendela konteks 300K token dan keluaran maksimal 10K token. Batas pengetahuan yang didokumentasikan adalah Oktober 2024. Alur praktis dapat menggabungkan bagian referensi, konten dokumen, bukti visual dan percakapan terbaru, lalu mengembalikan hasil ringkas. Untuk tinjauan teknis, sertakan kode yang relevan, perilaku yang diamati dan batasan, lalu minta usulan perubahan beserta alasannya. Untuk laporan, sebutkan sumber dan bidang yang akan dibandingkan. Pisahkan bukti dari instruksi agar model dapat membedakan pernyataan dokumen dari kesimpulan yang ingin Anda selidiki.
Amazon mendokumentasikan kemampuan Pro menjawab pertanyaan visual, mengklasifikasikan atau merangkum gambar dan mengembalikan kotak pembatas untuk objek tertentu. Panduan gambar generasi pertama menggunakan skala koordinat [0, 1000), yang dikonversi ke dimensi gambar asli oleh aplikasi pengguna hasil. Gambar diskalakan ulang secara otomatis, dengan resolusi maksimal 8.000 × 8.000 piksel yang didokumentasikan. Ini mendukung pekerjaan seperti mengidentifikasi elemen dalam tangkapan layar atau menjelaskan diagram. Pertahankan teks yang terbaca dan konteks visual utama, lalu minta pengamatan yang relevan sebelum meminta interpretasi.
Format gambar pembuatnya yang didukung meliputi PNG, JPG/JPEG, GIF dan WebP. Alur dokumen menerima PDF, DOC/DOCX, CSV, XLS/XLSX, HTML, TXT dan Markdown. Format berbasis teks menyumbangkan teks, sementara PDF dan DOCX dapat ditafsirkan bersama elemen visual seperti grafik dan tabel. Panduan dokumen mengizinkan hingga lima dokumen dan membatasi setiap dokumen teks hingga 4,5 MB. Panduan mengecualikan konten PDF yang menggunakan gambar CMYK atau SVG dan pengodean yang tidak didukung seperti JPEG2000 dan JBIG2. Jika tugas hanya membutuhkan kata-kata dalam PDF, teks hasil ekstraksi menyediakan masukan lebih sederhana daripada pembacaan visual per halaman. Media yang disematkan berbagi anggaran payload 25 MB, termasuk overhead base64. Satu permintaan memuat satu video, dibatasi hingga 1 GB melalui S3; gabungan media S3 dapat mencapai total 2 GB. Masukan PDF dan DOCX tetap dibatasi hingga lima dokumen, dengan jatah gabungan 25 MB untuk unggahan langsung atau 2 GB melalui S3.
Pro dapat menganalisis format video umum termasuk MP4, MOV, MKV dan WebM. Strategi sampling version1-nya menggunakan satu bingkai per detik untuk klip hingga 16 menit, lalu 960 bingkai yang tersebar di klip lebih panjang. Ini lebih mendukung ringkasan tingkat adegan daripada analisis presisi aksi sangat cepat, terutama ketika video makin panjang. Amazon menyarankan klip dengan lebih banyak gerakan di bawah 16 menit dan klip sedikit gerakan di bawah satu jam. Sertakan segmen relevan dan identifikasi peristiwa atau hubungan yang terlihat untuk diperiksa; transkrip harus membawa informasi lisan karena modalitas masukan yang didokumentasikan tidak mencakup audio. Pembuatnya juga menyatakan bahwa model ini tidak mengidentifikasi atau menyebut nama orang dalam gambar, dokumen atau video.
Pro mendukung streaming respons, pemanggilan fungsi yang dijalankan klien dan tugas berbantuan pengambilan informasi. Model juga mendukung 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. Jelaskan alat dan argumennya, biarkan aplikasi menjalankan permintaan, lalu kembalikan pengamatan atau kesalahan sebelum meminta model melanjutkan. Nova generasi pertama dapat diprompt untuk menyelesaikan solusi secara bertahap, tetapi hal ini berbeda dari mode pemikiran diperluas yang dikonfigurasi terpisah dan alat bawaan Nova 2 Lite. Pro juga berperan sebagai guru distilasi untuk Nova Micro dan Lite, dan Amazon mendokumentasikan fine-tuning khusus Pro; model khusus tersebut mempertahankan identitasnya sendiri.
Panduan version1 menjelaskan pelatihan dalam lebih dari 200 bahasa dengan optimasi untuk 15 bahasa, termasuk Inggris, Jerman, Spanyol, Prancis, Italia, Jepang, Korea, Arab, Tionghoa Sederhana, Rusia, Hindi, Portugis, Belanda, Turki dan Ibrani. Nyatakan bahasa dan terminologi yang diperlukan, alih-alih menganggap kinerja seragam di seluruh dialek. Untuk alur yang dapat digunakan ulang, tentukan struktur akhir dan bukti sumber yang harus dibawa setiap bidang. Pro dapat mengembalikan klaim yang masuk akal tetapi salah atau kode yang belum dijalankan; menyediakan fakta eksplisit dan memisahkan hasil alat dari usulan membuat keluaran lebih mudah digunakan dan diverifikasi.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan amazon/nova-pro-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 $0.0016 / 1K token Keluaran · Token keluaran $0.0064 / 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 $0.0016 / 1K token Keluaran · Token keluaran $0.0064 / 1K token Masukan · Pembacaan cache — / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "amazon/nova-pro-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-pro-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-pro-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-pro-v1
Gunakan jalur metode yang ditampilkan di atas.
amazon/nova-pro-v1Amazon Nova Pro adalah model Nova generasi pertama yang seimbang untuk penalaran atas teks, gambar, dokumen dan video. Model ini menghasilkan teks untuk analisis visual, tugas perangkat lunak, alur dokumen dan agen yang menggabungkan bukti yang disediakan dengan alat.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Amazon Nova Pro adalah model pemahaman multimodal yang seimbang dalam keluarga Nova generasi pertama Amazon. Model ini menggabungkan pemahaman teks, gambar dan video untuk tugas mulai dari menjawab pertanyaan dokumen dan analisis visual hingga pekerjaan perangkat lunak serta alur agen. Keluarannya berupa teks: penjelasan, informasi hasil ekstraksi, kode, rencana atau permintaan alat. Pro berada di antara Nova Lite yang lebih ringan dan pekerjaan konteks panjang yang lebih berat yang ditangani Premier; profil ini menjelaskan edisi Pro v1 asli, bukan model Nova 2.
Panduan Nova generasi pertama mencantumkan jendela konteks 300K token dan keluaran maksimal 10K token. Batas pengetahuan yang didokumentasikan adalah Oktober 2024. Alur praktis dapat menggabungkan bagian referensi, konten dokumen, bukti visual dan percakapan terbaru, lalu mengembalikan hasil ringkas. Untuk tinjauan teknis, sertakan kode yang relevan, perilaku yang diamati dan batasan, lalu minta usulan perubahan beserta alasannya. Untuk laporan, sebutkan sumber dan bidang yang akan dibandingkan. Pisahkan bukti dari instruksi agar model dapat membedakan pernyataan dokumen dari kesimpulan yang ingin Anda selidiki.
Amazon mendokumentasikan kemampuan Pro menjawab pertanyaan visual, mengklasifikasikan atau merangkum gambar dan mengembalikan kotak pembatas untuk objek tertentu. Panduan gambar generasi pertama menggunakan skala koordinat [0, 1000), yang dikonversi ke dimensi gambar asli oleh aplikasi pengguna hasil. Gambar diskalakan ulang secara otomatis, dengan resolusi maksimal 8.000 × 8.000 piksel yang didokumentasikan. Ini mendukung pekerjaan seperti mengidentifikasi elemen dalam tangkapan layar atau menjelaskan diagram. Pertahankan teks yang terbaca dan konteks visual utama, lalu minta pengamatan yang relevan sebelum meminta interpretasi.
Format gambar pembuatnya yang didukung meliputi PNG, JPG/JPEG, GIF dan WebP. Alur dokumen menerima PDF, DOC/DOCX, CSV, XLS/XLSX, HTML, TXT dan Markdown. Format berbasis teks menyumbangkan teks, sementara PDF dan DOCX dapat ditafsirkan bersama elemen visual seperti grafik dan tabel. Panduan dokumen mengizinkan hingga lima dokumen dan membatasi setiap dokumen teks hingga 4,5 MB. Panduan mengecualikan konten PDF yang menggunakan gambar CMYK atau SVG dan pengodean yang tidak didukung seperti JPEG2000 dan JBIG2. Jika tugas hanya membutuhkan kata-kata dalam PDF, teks hasil ekstraksi menyediakan masukan lebih sederhana daripada pembacaan visual per halaman. Media yang disematkan berbagi anggaran payload 25 MB, termasuk overhead base64. Satu permintaan memuat satu video, dibatasi hingga 1 GB melalui S3; gabungan media S3 dapat mencapai total 2 GB. Masukan PDF dan DOCX tetap dibatasi hingga lima dokumen, dengan jatah gabungan 25 MB untuk unggahan langsung atau 2 GB melalui S3.
Pro dapat menganalisis format video umum termasuk MP4, MOV, MKV dan WebM. Strategi sampling version1-nya menggunakan satu bingkai per detik untuk klip hingga 16 menit, lalu 960 bingkai yang tersebar di klip lebih panjang. Ini lebih mendukung ringkasan tingkat adegan daripada analisis presisi aksi sangat cepat, terutama ketika video makin panjang. Amazon menyarankan klip dengan lebih banyak gerakan di bawah 16 menit dan klip sedikit gerakan di bawah satu jam. Sertakan segmen relevan dan identifikasi peristiwa atau hubungan yang terlihat untuk diperiksa; transkrip harus membawa informasi lisan karena modalitas masukan yang didokumentasikan tidak mencakup audio. Pembuatnya juga menyatakan bahwa model ini tidak mengidentifikasi atau menyebut nama orang dalam gambar, dokumen atau video.
Pro mendukung streaming respons, pemanggilan fungsi yang dijalankan klien dan tugas berbantuan pengambilan informasi. Model juga mendukung 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. Jelaskan alat dan argumennya, biarkan aplikasi menjalankan permintaan, lalu kembalikan pengamatan atau kesalahan sebelum meminta model melanjutkan. Nova generasi pertama dapat diprompt untuk menyelesaikan solusi secara bertahap, tetapi hal ini berbeda dari mode pemikiran diperluas yang dikonfigurasi terpisah dan alat bawaan Nova 2 Lite. Pro juga berperan sebagai guru distilasi untuk Nova Micro dan Lite, dan Amazon mendokumentasikan fine-tuning khusus Pro; model khusus tersebut mempertahankan identitasnya sendiri.
Panduan version1 menjelaskan pelatihan dalam lebih dari 200 bahasa dengan optimasi untuk 15 bahasa, termasuk Inggris, Jerman, Spanyol, Prancis, Italia, Jepang, Korea, Arab, Tionghoa Sederhana, Rusia, Hindi, Portugis, Belanda, Turki dan Ibrani. Nyatakan bahasa dan terminologi yang diperlukan, alih-alih menganggap kinerja seragam di seluruh dialek. Untuk alur yang dapat digunakan ulang, tentukan struktur akhir dan bukti sumber yang harus dibawa setiap bidang. Pro dapat mengembalikan klaim yang masuk akal tetapi salah atau kode yang belum dijalankan; menyediakan fakta eksplisit dan memisahkan hasil alat dari usulan membuat keluaran lebih mudah digunakan dan diverifikasi.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan amazon/nova-pro-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 $0.0016 / 1K token Keluaran · Token keluaran $0.0064 / 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 $0.0016 / 1K token Keluaran · Token keluaran $0.0064 / 1K token Masukan · Pembacaan cache — / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "amazon/nova-pro-v1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-pro-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-pro-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-pro-v1
Gunakan jalur metode yang ditampilkan di atas.
Contoh teknis dalam bahasa Inggris
Compare supplier delivery terms\n\nCompare these supplier notes for a purchasing manager. Note A: 120 units, delivery within 14 calendar days, damaged units reported within 48 hours. Note B: 120 units, delivery within 10 business days, damage reported within five calendar days. Give a three-row comparison and identify what prevents a reliable delivery-date comparison.A table covering quantity, delivery timing and damage reporting, followed by one clarification about the delivery calendar or start date.The answer preserves calendar versus business days and does not invent arrival dates.