Amazon Nova Micro는 일상적인 언어 작업에서 낮은 지연의 응답을 제공하도록 설계된 Amazon의 텍스트 전용 1세대 Nova 모델입니다. 텍스트를 받아 텍스트를 반환합니다. Amazon의 예시에는 제공 정보 요약, 번역, 텍스트 분류, 질의응답, 간결한 문서 콘텐츠 제작이 포함됩니다. Micro는 애플리케이션이 이미 사실을 수집했고 이를 제품 속성에서 카탈로그 문단으로 바꾸거나 회의 메모에서 실행 목록으로 정리하는 등 집중적인 변환이 필요할 때 유용합니다.
1세대 Nova 가이드는 128K 토큰 컨텍스트 창과 최대 10K 토큰 출력을 명시합니다. 문서상 지식 기준 시점은 2024년 10월입니다. 이는 Nova Lite 및 Pro의 300K 창이나 Premier의 100만 토큰 창보다 작은 작업 컨텍스트입니다. 소스 대목, 예시, 관련 대화 등 답변이 실제로 의존하는 텍스트에 공간을 사용하세요. 원하는 결과물이 짧은 답변, 분류 라벨, 번역, 추출 필드 세트 중 무엇인지 지정하세요. 큰 컨텍스트 허용량이 긴 답변을 요구하는 것은 아닙니다. 명시적인 출력 길이와 구조가 결과를 유용하게 유지합니다.
Micro의 범위는 텍스트이며 네이티브 이미지, 비디오, 오디오 이해가 아닙니다. 원래 문서나 미디어 파일에 있던 정보는 추출 텍스트나 대본으로 제공하세요. 제품 콘텐츠 지시서에는 제품명, 치수, 소재, 변형, 필요한 스타일을 담고 해당 속성만 사용하는 문단 하나를 요청할 수 있습니다. 예시로 중립적인 설명과 별도의 누락 사양 목록을 요청할 수 있습니다. 이는 보이지 않는 제품 특성을 추론하도록 하는 대신 제공 근거를 작성하고 변환하는 도구로 모델을 사용하는 방식입니다.
Amazon은 Nova 텍스트 프롬프트의 system, user, assistant 역할을 문서화합니다. system 지시는 글쓰기 역할과 반복 제약을 정하고 user 메시지는 작업과 원본 자료를 제공하며 몇 가지 대표 예시로 원하는 형식을 보여줄 수 있습니다. 밀도 높은 입력은 명확한 라벨로 구조화하고 모델이 의존 관계를 처리하기 어려워하면 복합 지시를 별도 단계로 나누세요. 번역에서는 목표 언어, 고유명사 보존 여부, 바꾸면 안 되는 용어를 명시하세요. version1 제품군은 200개가 넘는 언어로 학습했으나 더 적은 언어 집합에 최적화되어 있으므로 모든 방언의 품질이 같다고 가정하지 마세요.
Micro는 응답 스트리밍과 클라이언트 측 도구 호출을 지원합니다. Amazon 문서의 서빙 프로필에서는 프롬프트 캐싱도 지원합니다. 명시적 캐싱에는 체크포인트당 최소 1K 토큰이 필요하며 최대 네 체크포인트와 5분 보관을 허용합니다. 제작사는 주로 텍스트 프롬프트에 대해 프롬프트 캐싱을 20K 토큰으로 제한합니다. 이 캐시 허용량은 전체 컨텍스트 창과 별개입니다. 근거 기반 어시스턴트에서는 애플리케이션이 관련 텍스트를 검색하거나 요청 함수를 실행하고 관찰 결과를 다시 보내 최종 답변을 받을 수 있습니다. 모델 자체는 실시간 정보 검색 엔진이 아닙니다. 응답이 현재 정책이나 비공개 지식 기반에 의존하면 실제 관련 소스를 포함하세요. JSON 형식 요청은 분류나 추출에 유용할 수 있지만 제작사 프로필은 강제 구조화 출력을 지원 기능으로 명시하지 않습니다. 누락값 처리 방식을 지정하고 반환 필드를 확인하세요.
또 다른 1세대 역할은 사용자 지정입니다. Amazon은 라벨이 있는 예시로 Micro를 미세 조정하고 Nova Pro 또는 Premier에서 작업별 지식을 증류하는 방식을 문서화합니다. 사용자 지정 파생 모델은 별도 작업이며 기본 에디션을 조용히 바꾸는 기능이 아닙니다. 일반 모델에서는 완성 결과물을 지시서와 대조하세요. 제공한 사실이 유지되고 중요한 속성이 빠지지 않으며 산문이 요청 스타일과 맞아야 합니다. Micro는 코드도 생성할 수 있지만 그 완성 출력에는 자동 보안 검사나 실행 결과가 포함되지 않습니다.
", "aboutText": "Amazon Nova Micro는 일상적인 언어 작업에서 낮은 지연의 응답을 제공하도록 설계된 Amazon의 텍스트 전용 1세대 Nova 모델입니다. 텍스트를 받아 텍스트를 반환합니다. Amazon의 예시에는 제공 정보 요약, 번역, 텍스트 분류, 질의응답, 간결한 문서 콘텐츠 제작이 포함됩니다. Micro는 애플리케이션이 이미 사실을 수집했고 이를 제품 속성에서 카탈로그 문단으로 바꾸거나 회의 메모에서 실행 목록으로 정리하는 등 집중적인 변환이 필요할 때 유용합니다.\n\n1세대 Nova 가이드는 128K 토큰 컨텍스트 창과 최대 10K 토큰 출력을 명시합니다. 문서상 지식 기준 시점은 2024년 10월입니다. 이는 Nova Lite 및 Pro의 300K 창이나 Premier의 100만 토큰 창보다 작은 작업 컨텍스트입니다. 소스 대목, 예시, 관련 대화 등 답변이 실제로 의존하는 텍스트에 공간을 사용하세요. 원하는 결과물이 짧은 답변, 분류 라벨, 번역, 추출 필드 세트 중 무엇인지 지정하세요. 큰 컨텍스트 허용량이 긴 답변을 요구하는 것은 아닙니다. 명시적인 출력 길이와 구조가 결과를 유용하게 유지합니다.\n\nMicro의 범위는 텍스트이며 네이티브 이미지, 비디오, 오디오 이해가 아닙니다. 원래 문서나 미디어 파일에 있던 정보는 추출 텍스트나 대본으로 제공하세요. 제품 콘텐츠 지시서에는 제품명, 치수, 소재, 변형, 필요한 스타일을 담고 해당 속성만 사용하는 문단 하나를 요청할 수 있습니다. 예시로 중립적인 설명과 별도의 누락 사양 목록을 요청할 수 있습니다. 이는 보이지 않는 제품 특성을 추론하도록 하는 대신 제공 근거를 작성하고 변환하는 도구로 모델을 사용하는 방식입니다.\n\nAmazon은 Nova 텍스트 프롬프트의 system, user, assistant 역할을 문서화합니다. system 지시는 글쓰기 역할과 반복 제약을 정하고 user 메시지는 작업과 원본 자료를 제공하며 몇 가지 대표 예시로 원하는 형식을 보여줄 수 있습니다. 밀도 높은 입력은 명확한 라벨로 구조화하고 모델이 의존 관계를 처리하기 어려워하면 복합 지시를 별도 단계로 나누세요. 번역에서는 목표 언어, 고유명사 보존 여부, 바꾸면 안 되는 용어를 명시하세요. version1 제품군은 200개가 넘는 언어로 학습했으나 더 적은 언어 집합에 최적화되어 있으므로 모든 방언의 품질이 같다고 가정하지 마세요.\n\nMicro는 응답 스트리밍과 클라이언트 측 도구 호출을 지원합니다. Amazon 문서의 서빙 프로필에서는 프롬프트 캐싱도 지원합니다. 명시적 캐싱에는 체크포인트당 최소 1K 토큰이 필요하며 최대 네 체크포인트와 5분 보관을 허용합니다. 제작사는 주로 텍스트 프롬프트에 대해 프롬프트 캐싱을 20K 토큰으로 제한합니다. 이 캐시 허용량은 전체 컨텍스트 창과 별개입니다. 근거 기반 어시스턴트에서는 애플리케이션이 관련 텍스트를 검색하거나 요청 함수를 실행하고 관찰 결과를 다시 보내 최종 답변을 받을 수 있습니다. 모델 자체는 실시간 정보 검색 엔진이 아닙니다. 응답이 현재 정책이나 비공개 지식 기반에 의존하면 실제 관련 소스를 포함하세요. JSON 형식 요청은 분류나 추출에 유용할 수 있지만 제작사 프로필은 강제 구조화 출력을 지원 기능으로 명시하지 않습니다. 누락값 처리 방식을 지정하고 반환 필드를 확인하세요.\n\n또 다른 1세대 역할은 사용자 지정입니다. Amazon은 라벨이 있는 예시로 Micro를 미세 조정하고 Nova Pro 또는 Premier에서 작업별 지식을 증류하는 방식을 문서화합니다. 사용자 지정 파생 모델은 별도 작업이며 기본 에디션을 조용히 바꾸는 기능이 아닙니다. 일반 모델에서는 완성 결과물을 지시서와 대조하세요. 제공한 사실이 유지되고 중요한 속성이 빠지지 않으며 산문이 요청 스타일과 맞아야 합니다. Micro는 코드도 생성할 수 있지만 그 완성 출력에는 자동 보안 검사나 실행 결과가 포함되지 않습니다.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
Product copy from supplied specifications\n\nTurn these attributes into a neutral 45-word catalog paragraph: folding desk, oak veneer, steel frame, 90 × 50 cm top, two height positions, flat-pack delivery. Follow it with missing specifications a buyer might need. Use only the supplied attributes and avoid claims about durability, sustainability or maximum load.One short product paragraph followed by a separate missing-specifications list.Every stated product feature is in the supplied attributes; unknown load capacity stays in the missing list.amazon/nova-micro-v1Amazon Nova Micro는 1세대 Nova 제품군의 텍스트 전용 모델입니다. 요약, 번역, 분류, 질의응답, 제공한 사실을 간결한 콘텐츠로 바꾸는 작업 등 지연이 짧아야 하는 언어 작업을 위해 설계되었습니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Amazon Nova Micro는 일상적인 언어 작업에서 낮은 지연의 응답을 제공하도록 설계된 Amazon의 텍스트 전용 1세대 Nova 모델입니다. 텍스트를 받아 텍스트를 반환합니다. Amazon의 예시에는 제공 정보 요약, 번역, 텍스트 분류, 질의응답, 간결한 문서 콘텐츠 제작이 포함됩니다. Micro는 애플리케이션이 이미 사실을 수집했고 이를 제품 속성에서 카탈로그 문단으로 바꾸거나 회의 메모에서 실행 목록으로 정리하는 등 집중적인 변환이 필요할 때 유용합니다.
1세대 Nova 가이드는 128K 토큰 컨텍스트 창과 최대 10K 토큰 출력을 명시합니다. 문서상 지식 기준 시점은 2024년 10월입니다. 이는 Nova Lite 및 Pro의 300K 창이나 Premier의 100만 토큰 창보다 작은 작업 컨텍스트입니다. 소스 대목, 예시, 관련 대화 등 답변이 실제로 의존하는 텍스트에 공간을 사용하세요. 원하는 결과물이 짧은 답변, 분류 라벨, 번역, 추출 필드 세트 중 무엇인지 지정하세요. 큰 컨텍스트 허용량이 긴 답변을 요구하는 것은 아닙니다. 명시적인 출력 길이와 구조가 결과를 유용하게 유지합니다.
Micro의 범위는 텍스트이며 네이티브 이미지, 비디오, 오디오 이해가 아닙니다. 원래 문서나 미디어 파일에 있던 정보는 추출 텍스트나 대본으로 제공하세요. 제품 콘텐츠 지시서에는 제품명, 치수, 소재, 변형, 필요한 스타일을 담고 해당 속성만 사용하는 문단 하나를 요청할 수 있습니다. 예시로 중립적인 설명과 별도의 누락 사양 목록을 요청할 수 있습니다. 이는 보이지 않는 제품 특성을 추론하도록 하는 대신 제공 근거를 작성하고 변환하는 도구로 모델을 사용하는 방식입니다.
Amazon은 Nova 텍스트 프롬프트의 system, user, assistant 역할을 문서화합니다. system 지시는 글쓰기 역할과 반복 제약을 정하고 user 메시지는 작업과 원본 자료를 제공하며 몇 가지 대표 예시로 원하는 형식을 보여줄 수 있습니다. 밀도 높은 입력은 명확한 라벨로 구조화하고 모델이 의존 관계를 처리하기 어려워하면 복합 지시를 별도 단계로 나누세요. 번역에서는 목표 언어, 고유명사 보존 여부, 바꾸면 안 되는 용어를 명시하세요. version1 제품군은 200개가 넘는 언어로 학습했으나 더 적은 언어 집합에 최적화되어 있으므로 모든 방언의 품질이 같다고 가정하지 마세요.
Micro는 응답 스트리밍과 클라이언트 측 도구 호출을 지원합니다. Amazon 문서의 서빙 프로필에서는 프롬프트 캐싱도 지원합니다. 명시적 캐싱에는 체크포인트당 최소 1K 토큰이 필요하며 최대 네 체크포인트와 5분 보관을 허용합니다. 제작사는 주로 텍스트 프롬프트에 대해 프롬프트 캐싱을 20K 토큰으로 제한합니다. 이 캐시 허용량은 전체 컨텍스트 창과 별개입니다. 근거 기반 어시스턴트에서는 애플리케이션이 관련 텍스트를 검색하거나 요청 함수를 실행하고 관찰 결과를 다시 보내 최종 답변을 받을 수 있습니다. 모델 자체는 실시간 정보 검색 엔진이 아닙니다. 응답이 현재 정책이나 비공개 지식 기반에 의존하면 실제 관련 소스를 포함하세요. JSON 형식 요청은 분류나 추출에 유용할 수 있지만 제작사 프로필은 강제 구조화 출력을 지원 기능으로 명시하지 않습니다. 누락값 처리 방식을 지정하고 반환 필드를 확인하세요.
또 다른 1세대 역할은 사용자 지정입니다. Amazon은 라벨이 있는 예시로 Micro를 미세 조정하고 Nova Pro 또는 Premier에서 작업별 지식을 증류하는 방식을 문서화합니다. 사용자 지정 파생 모델은 별도 작업이며 기본 에디션을 조용히 바꾸는 기능이 아닙니다. 일반 모델에서는 완성 결과물을 지시서와 대조하세요. 제공한 사실이 유지되고 중요한 속성이 빠지지 않으며 산문이 요청 스타일과 맞아야 합니다. Micro는 코드도 생성할 수 있지만 그 완성 출력에는 자동 보안 검사나 실행 결과가 포함되지 않습니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 amazon/nova-micro-v1 | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 최소 항목 수: 1 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 예시: system, user, assistant, tool, function 조건: 이 역할들은 소스 코드의 호환 타입에 명시적으로 표현됩니다. 정확한 모델 역할 집합은 모델별로 다릅니다. 모델에 따라 다름 | 기본값— |
필드messages[].content | 유형string|content_part[]|null | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_calls | 유형tool_call[] | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_call_id | 유형string | 요건선택 사항 | 값과 한도 적용 조건: role=tool. 실제 반환된 ID를 사용하세요 | 기본값— |
필드messages[].name | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].reasoning_content | 유형string | 요건선택 사항 | 값과 한도 적용 조건: 이 모델이 추론을 사용하는 경우 실제 반환된 추론을 그대로 다음 요청에 다시 전달하세요 | 기본값— |
필드messages[].reasoning_details | 유형object|array | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드max_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드max_completion_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
필드stream_options.include_usage | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드temperature | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드top_p | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드stop | 유형string|string[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools | 유형function_tool[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools[].type | 유형string | 요건선택 사항 | 값과 한도 function 모델에 따라 다름 | 기본값— |
필드tools[].function.name | 유형string | 요건필수 | 값과 한도 적용 조건: 함수 도구 지정됨 | 기본값— |
필드tools[].function.description | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드tools[].function.parameters | 유형JSON_schema | 요건선택 사항 | 값과 한도 | 기본값— |
필드tool_choice | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드parallel_tool_calls | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드response_format | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning_effort | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드service_tier | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드instructions | 유형string | 요건선택 사항 | 값과 한도 호환성 필드 | 기본값— |
필드functions | 유형function[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드function_call | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드prompt_cache_options | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드modalities | 유형string[] | 요건선택 사항 | 값과 한도 text | 기본값— |
필드provider | 유형object | 요건선택 사항 | 값과 한도 조건: 이 Ultra 텍스트 경로에서는 provider.options가 거부됩니다 | 기본값— |
필드cache_control.ttl | 유형string | 요건선택 사항 | 값과 한도 조건: 실제 프롬프트 캐시 지정 위치에서는 1h가 거부됩니다 | 기본값— |
텍스트 · UTF8 텍스트
messages[].content
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages |
매개변수material_types | 명세text |
매개변수messages | 명세role/content 형식의 메시지 배열 |
매개변수file_material | 명세실제 UTF-8 문서를 텍스트로 그대로 삽입합니다. 파일 ID는 추정하지 않습니다 |
매개변수optional_controls | 명세stream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
매개변수control_scope | 명세모델별로 다름. 사용자 함수 도구와 호스팅 도구는 서로 다릅니다 |
매개변수output_modalities | 명세text |
매개변수hosted_operations | 명세false |
매개변수multimodal_input_binding | 명세null |
수명 주기: synchronous_or_streamed
정확한 모델 ID를 messages와 함께 보내세요.
컨텍스트 길이는 출력 상한이 아닙니다.
텍스트 파일은 텍스트를 그대로 제공할 수 있습니다. 이미지/오디오/파일 객체 입력에는 정확한 바인딩이 필요합니다.
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.00007 / 1K 토큰 출력 · 출력 토큰 $0.00028 / 1K 토큰 입력 · 캐시 읽기 — / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.00007 / 1K 토큰 출력 · 출력 토큰 $0.00028 / 1K 토큰 입력 · 캐시 읽기 — / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "amazon/nova-micro-v1", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='amazon/nova-micro-v1',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='amazon/nova-micro-v1',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
각 선택지와 그 콘텐츠·도구 호출·추론을 모두 보존하세요. SSE에서는 선택지/도구 인덱스별로 증분을 조합하고 최종 종료 사유와 사용량을 유지하세요.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드choices[].index | 유형integer |
필드choices[].message.content | 유형string|null |
필드choices[].message.tool_calls | 유형tool_call[] |
필드choices[].message.reasoning_content | 유형string |
필드choices[].message.reasoning_details | 유형object|array |
필드choices[].finish_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra amazon/nova-micro-v1
위에 표시된 메서드 경로를 사용하세요.
amazon/nova-micro-v1Amazon Nova Micro는 1세대 Nova 제품군의 텍스트 전용 모델입니다. 요약, 번역, 분류, 질의응답, 제공한 사실을 간결한 콘텐츠로 바꾸는 작업 등 지연이 짧아야 하는 언어 작업을 위해 설계되었습니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Amazon Nova Micro는 일상적인 언어 작업에서 낮은 지연의 응답을 제공하도록 설계된 Amazon의 텍스트 전용 1세대 Nova 모델입니다. 텍스트를 받아 텍스트를 반환합니다. Amazon의 예시에는 제공 정보 요약, 번역, 텍스트 분류, 질의응답, 간결한 문서 콘텐츠 제작이 포함됩니다. Micro는 애플리케이션이 이미 사실을 수집했고 이를 제품 속성에서 카탈로그 문단으로 바꾸거나 회의 메모에서 실행 목록으로 정리하는 등 집중적인 변환이 필요할 때 유용합니다.
1세대 Nova 가이드는 128K 토큰 컨텍스트 창과 최대 10K 토큰 출력을 명시합니다. 문서상 지식 기준 시점은 2024년 10월입니다. 이는 Nova Lite 및 Pro의 300K 창이나 Premier의 100만 토큰 창보다 작은 작업 컨텍스트입니다. 소스 대목, 예시, 관련 대화 등 답변이 실제로 의존하는 텍스트에 공간을 사용하세요. 원하는 결과물이 짧은 답변, 분류 라벨, 번역, 추출 필드 세트 중 무엇인지 지정하세요. 큰 컨텍스트 허용량이 긴 답변을 요구하는 것은 아닙니다. 명시적인 출력 길이와 구조가 결과를 유용하게 유지합니다.
Micro의 범위는 텍스트이며 네이티브 이미지, 비디오, 오디오 이해가 아닙니다. 원래 문서나 미디어 파일에 있던 정보는 추출 텍스트나 대본으로 제공하세요. 제품 콘텐츠 지시서에는 제품명, 치수, 소재, 변형, 필요한 스타일을 담고 해당 속성만 사용하는 문단 하나를 요청할 수 있습니다. 예시로 중립적인 설명과 별도의 누락 사양 목록을 요청할 수 있습니다. 이는 보이지 않는 제품 특성을 추론하도록 하는 대신 제공 근거를 작성하고 변환하는 도구로 모델을 사용하는 방식입니다.
Amazon은 Nova 텍스트 프롬프트의 system, user, assistant 역할을 문서화합니다. system 지시는 글쓰기 역할과 반복 제약을 정하고 user 메시지는 작업과 원본 자료를 제공하며 몇 가지 대표 예시로 원하는 형식을 보여줄 수 있습니다. 밀도 높은 입력은 명확한 라벨로 구조화하고 모델이 의존 관계를 처리하기 어려워하면 복합 지시를 별도 단계로 나누세요. 번역에서는 목표 언어, 고유명사 보존 여부, 바꾸면 안 되는 용어를 명시하세요. version1 제품군은 200개가 넘는 언어로 학습했으나 더 적은 언어 집합에 최적화되어 있으므로 모든 방언의 품질이 같다고 가정하지 마세요.
Micro는 응답 스트리밍과 클라이언트 측 도구 호출을 지원합니다. Amazon 문서의 서빙 프로필에서는 프롬프트 캐싱도 지원합니다. 명시적 캐싱에는 체크포인트당 최소 1K 토큰이 필요하며 최대 네 체크포인트와 5분 보관을 허용합니다. 제작사는 주로 텍스트 프롬프트에 대해 프롬프트 캐싱을 20K 토큰으로 제한합니다. 이 캐시 허용량은 전체 컨텍스트 창과 별개입니다. 근거 기반 어시스턴트에서는 애플리케이션이 관련 텍스트를 검색하거나 요청 함수를 실행하고 관찰 결과를 다시 보내 최종 답변을 받을 수 있습니다. 모델 자체는 실시간 정보 검색 엔진이 아닙니다. 응답이 현재 정책이나 비공개 지식 기반에 의존하면 실제 관련 소스를 포함하세요. JSON 형식 요청은 분류나 추출에 유용할 수 있지만 제작사 프로필은 강제 구조화 출력을 지원 기능으로 명시하지 않습니다. 누락값 처리 방식을 지정하고 반환 필드를 확인하세요.
또 다른 1세대 역할은 사용자 지정입니다. Amazon은 라벨이 있는 예시로 Micro를 미세 조정하고 Nova Pro 또는 Premier에서 작업별 지식을 증류하는 방식을 문서화합니다. 사용자 지정 파생 모델은 별도 작업이며 기본 에디션을 조용히 바꾸는 기능이 아닙니다. 일반 모델에서는 완성 결과물을 지시서와 대조하세요. 제공한 사실이 유지되고 중요한 속성이 빠지지 않으며 산문이 요청 스타일과 맞아야 합니다. Micro는 코드도 생성할 수 있지만 그 완성 출력에는 자동 보안 검사나 실행 결과가 포함되지 않습니다.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 amazon/nova-micro-v1 | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 user, assistant | 기본값— |
필드messages[].content | 유형string | 요건필수 | 값과 한도 | 기본값— |
필드max_tokens | 유형integer | 요건필수 | 값과 한도 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
텍스트 · UTF-8 텍스트
messages[].content 문자열
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages, max_tokens |
매개변수optional_controls | 명세stream |
매개변수material_types | 명세text |
매개변수text_file_material | 명세실제 UTF-8 문서를 읽고 그 텍스트를 지정된 입력 또는 메시지 콘텐츠 문자열에 넣으세요. |
수명 주기: synchronous_or_streamed
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.00007 / 1K 토큰 출력 · 출력 토큰 $0.00028 / 1K 토큰 입력 · 캐시 읽기 — / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.00007 / 1K 토큰 출력 · 출력 토큰 $0.00028 / 1K 토큰 입력 · 캐시 읽기 — / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "amazon/nova-micro-v1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'amazon/nova-micro-v1', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'amazon/nova-micro-v1', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
모든 콘텐츠 블록, 사고 서명, 실제 도구 사용 ID를 보존하세요. 모든 SSE 블록 증분을 조합하세요. 첫 텍스트 블록이 전체 출력은 아닙니다.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드id | 유형string |
필드model | 유형string |
필드content[] | 유형text|thinking|tool_use|other content block |
필드stop_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra amazon/nova-micro-v1
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
Product copy from supplied specifications\n\nTurn these attributes into a neutral 45-word catalog paragraph: folding desk, oak veneer, steel frame, 90 × 50 cm top, two height positions, flat-pack delivery. Follow it with missing specifications a buyer might need. Use only the supplied attributes and avoid claims about durability, sustainability or maximum load.One short product paragraph followed by a separate missing-specifications list.Every stated product feature is in the supplied attributes; unknown load capacity stays in the missing list.