Amazon Nova Pro는 Amazon 1세대 Nova 제품군의 균형 잡힌 멀티모달 이해 모델입니다. 텍스트, 이미지, 비디오 이해를 결합해 문서 질의응답과 시각 분석부터 소프트웨어 및 에이전트 작업까지 다룹니다. 출력은 설명, 추출 정보, 코드, 계획, 도구 요청 등의 텍스트입니다. Pro는 더 가벼운 Nova Lite와 더 까다로운 긴 컨텍스트 작업을 다루는 Premier 사이에 위치합니다. 이 프로필은 Nova 2 모델이 아니라 원래의 Pro v1 에디션을 설명합니다.
1세대 Nova 가이드는 300K 토큰 컨텍스트 창과 최대 10K 토큰 출력을 명시합니다. 문서상 지식 기준 시점은 2024년 10월입니다. 실용적인 작업에서는 참조 대목, 문서 내용, 시각적 근거, 최근 대화를 결합한 뒤 간결한 결과를 반환할 수 있습니다. 기술 검토에서는 관련 코드, 관찰한 동작, 제약을 제공하고 이유와 함께 변경 제안을 요청하세요. 보고서에서는 비교할 소스와 필드를 지정하세요. 문서에 적힌 내용과 조사할 결론을 구분할 수 있도록 근거와 지시를 분리하세요.
Amazon은 Pro의 시각적 질문 답변, 이미지 분류 및 요약, 지정한 물체의 경계 상자 반환 기능을 문서화합니다. 1세대 이미지 가이드는 [0, 1000) 좌표 척도를 사용하며 이를 사용하는 애플리케이션이 원본 이미지 치수로 변환합니다. 이미지는 자동으로 크기 조정되며 문서상 최대 해상도는 8,000 × 8,000픽셀입니다. 스크린샷의 요소 식별이나 도표 설명에 활용할 수 있습니다. 읽을 수 있는 텍스트와 핵심 시각 맥락을 유지하고 해석을 요청하기 전에 관련 관찰을 요청하세요.
지원되는 제작사 이미지 형식에는 PNG, JPG/JPEG, GIF, WebP가 포함됩니다. 문서 작업은 PDF, DOC/DOCX, CSV, XLS/XLSX, HTML, TXT, Markdown을 받습니다. 텍스트 기반 형식은 텍스트를 제공하며 PDF와 DOCX는 차트와 표 같은 시각 요소와 함께 해석할 수 있습니다. 문서 가이드는 문서 최대 다섯 개와 텍스트 문서당 4.5 MB 한도를 허용합니다. CMYK 또는 SVG 이미지를 사용하는 PDF 내용과 JPEG2000, JBIG2 같은 미지원 인코딩은 제외합니다. PDF의 단어만 필요하면 추출 텍스트가 페이지 단위 시각 읽기보다 간단한 입력입니다. 내장 미디어는 base64 오버헤드를 포함한 25 MB 페이로드 예산을 공유합니다. 요청에는 비디오 하나를 포함할 수 있고 S3를 통하면 1 GB로 제한되며, S3 미디어 합계는 2 GB까지 가능합니다. PDF와 DOCX 입력은 계속 문서 다섯 개로 제한되고 합계 허용량은 직접 업로드 시 25 MB, S3를 통하면 2 GB입니다.
Pro는 MP4, MOV, MKV, WebM 같은 일반 비디오 형식을 분석할 수 있습니다. version1의 샘플링 전략은 최대 16분 클립에서 초당 한 프레임을 사용하고, 더 긴 클립에서는 전체에 분산된 960프레임을 사용합니다. 따라서 특히 비디오가 길어질수록 매우 빠른 행동의 정밀 분석보다 장면 수준 요약에 적합합니다. Amazon은 움직임이 많은 클립은 16분 미만, 움직임이 적은 클립은 한 시간 미만으로 유지할 것을 권장합니다. 관련 구간과 점검할 시각적 사건 또는 관계를 지정하세요. 문서의 입력 모달리티에는 오디오가 없으므로 발화 정보는 대본으로 제공해야 합니다. 제작사는 이 모델이 이미지, 문서, 비디오 속 사람을 식별하거나 이름을 붙이지 않는다고도 명시합니다.
Pro는 응답 스트리밍, 클라이언트가 실행하는 함수 호출, 검색 증강 작업을 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. 도구와 인수를 설명하고 애플리케이션이 요청을 실행하게 한 뒤 모델이 이어가기 전에 관찰이나 오류를 반환하세요. 1세대 Nova에는 단계적으로 해결하도록 프롬프트를 줄 수 있지만 이는 Nova 2 Lite의 별도로 설정하는 확장 사고 모드 및 내장 도구와 다릅니다. Pro는 Nova Micro와 Lite의 증류 교사 역할도 하며 Amazon은 Pro의 사용자 지정 미세 조정을 문서화합니다. 그러한 사용자 지정 모델은 자체 정체성을 유지합니다.
version1 가이드는 200개가 넘는 언어로 학습하고 영어, 독일어, 스페인어, 프랑스어, 이탈리아어, 일본어, 한국어, 아랍어, 중국어 간체, 러시아어, 힌디어, 포르투갈어, 네덜란드어, 튀르키예어, 히브리어를 포함한 15개 언어에 최적화했다고 설명합니다. 방언 전반에서 성능이 같다고 가정하지 말고 필요한 언어와 용어를 명시하세요. 재사용 가능한 작업에는 최종 구조와 각 필드에 담을 소스 근거를 지정하세요. Pro는 그럴듯하지만 틀린 주장이나 실행되지 않은 코드를 반환할 수 있습니다. 명시적인 사실을 제공하고 도구 결과와 제안을 구분하면 출력을 사용하고 확인하기 쉬워집니다.
", "aboutText": "Amazon Nova Pro는 Amazon 1세대 Nova 제품군의 균형 잡힌 멀티모달 이해 모델입니다. 텍스트, 이미지, 비디오 이해를 결합해 문서 질의응답과 시각 분석부터 소프트웨어 및 에이전트 작업까지 다룹니다. 출력은 설명, 추출 정보, 코드, 계획, 도구 요청 등의 텍스트입니다. Pro는 더 가벼운 Nova Lite와 더 까다로운 긴 컨텍스트 작업을 다루는 Premier 사이에 위치합니다. 이 프로필은 Nova 2 모델이 아니라 원래의 Pro v1 에디션을 설명합니다.\n\n1세대 Nova 가이드는 300K 토큰 컨텍스트 창과 최대 10K 토큰 출력을 명시합니다. 문서상 지식 기준 시점은 2024년 10월입니다. 실용적인 작업에서는 참조 대목, 문서 내용, 시각적 근거, 최근 대화를 결합한 뒤 간결한 결과를 반환할 수 있습니다. 기술 검토에서는 관련 코드, 관찰한 동작, 제약을 제공하고 이유와 함께 변경 제안을 요청하세요. 보고서에서는 비교할 소스와 필드를 지정하세요. 문서에 적힌 내용과 조사할 결론을 구분할 수 있도록 근거와 지시를 분리하세요.\n\nAmazon은 Pro의 시각적 질문 답변, 이미지 분류 및 요약, 지정한 물체의 경계 상자 반환 기능을 문서화합니다. 1세대 이미지 가이드는 [0, 1000) 좌표 척도를 사용하며 이를 사용하는 애플리케이션이 원본 이미지 치수로 변환합니다. 이미지는 자동으로 크기 조정되며 문서상 최대 해상도는 8,000 × 8,000픽셀입니다. 스크린샷의 요소 식별이나 도표 설명에 활용할 수 있습니다. 읽을 수 있는 텍스트와 핵심 시각 맥락을 유지하고 해석을 요청하기 전에 관련 관찰을 요청하세요.\n\n지원되는 제작사 이미지 형식에는 PNG, JPG/JPEG, GIF, WebP가 포함됩니다. 문서 작업은 PDF, DOC/DOCX, CSV, XLS/XLSX, HTML, TXT, Markdown을 받습니다. 텍스트 기반 형식은 텍스트를 제공하며 PDF와 DOCX는 차트와 표 같은 시각 요소와 함께 해석할 수 있습니다. 문서 가이드는 문서 최대 다섯 개와 텍스트 문서당 4.5 MB 한도를 허용합니다. CMYK 또는 SVG 이미지를 사용하는 PDF 내용과 JPEG2000, JBIG2 같은 미지원 인코딩은 제외합니다. PDF의 단어만 필요하면 추출 텍스트가 페이지 단위 시각 읽기보다 간단한 입력입니다. 내장 미디어는 base64 오버헤드를 포함한 25 MB 페이로드 예산을 공유합니다. 요청에는 비디오 하나를 포함할 수 있고 S3를 통하면 1 GB로 제한되며, S3 미디어 합계는 2 GB까지 가능합니다. PDF와 DOCX 입력은 계속 문서 다섯 개로 제한되고 합계 허용량은 직접 업로드 시 25 MB, S3를 통하면 2 GB입니다.\n\nPro는 MP4, MOV, MKV, WebM 같은 일반 비디오 형식을 분석할 수 있습니다. version1의 샘플링 전략은 최대 16분 클립에서 초당 한 프레임을 사용하고, 더 긴 클립에서는 전체에 분산된 960프레임을 사용합니다. 따라서 특히 비디오가 길어질수록 매우 빠른 행동의 정밀 분석보다 장면 수준 요약에 적합합니다. Amazon은 움직임이 많은 클립은 16분 미만, 움직임이 적은 클립은 한 시간 미만으로 유지할 것을 권장합니다. 관련 구간과 점검할 시각적 사건 또는 관계를 지정하세요. 문서의 입력 모달리티에는 오디오가 없으므로 발화 정보는 대본으로 제공해야 합니다. 제작사는 이 모델이 이미지, 문서, 비디오 속 사람을 식별하거나 이름을 붙이지 않는다고도 명시합니다.\n\nPro는 응답 스트리밍, 클라이언트가 실행하는 함수 호출, 검색 증강 작업을 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. 도구와 인수를 설명하고 애플리케이션이 요청을 실행하게 한 뒤 모델이 이어가기 전에 관찰이나 오류를 반환하세요. 1세대 Nova에는 단계적으로 해결하도록 프롬프트를 줄 수 있지만 이는 Nova 2 Lite의 별도로 설정하는 확장 사고 모드 및 내장 도구와 다릅니다. Pro는 Nova Micro와 Lite의 증류 교사 역할도 하며 Amazon은 Pro의 사용자 지정 미세 조정을 문서화합니다. 그러한 사용자 지정 모델은 자체 정체성을 유지합니다.\n\nversion1 가이드는 200개가 넘는 언어로 학습하고 영어, 독일어, 스페인어, 프랑스어, 이탈리아어, 일본어, 한국어, 아랍어, 중국어 간체, 러시아어, 힌디어, 포르투갈어, 네덜란드어, 튀르키예어, 히브리어를 포함한 15개 언어에 최적화했다고 설명합니다. 방언 전반에서 성능이 같다고 가정하지 말고 필요한 언어와 용어를 명시하세요. 재사용 가능한 작업에는 최종 구조와 각 필드에 담을 소스 근거를 지정하세요. Pro는 그럴듯하지만 틀린 주장이나 실행되지 않은 코드를 반환할 수 있습니다. 명시적인 사실을 제공하고 도구 결과와 제안을 구분하면 출력을 사용하고 확인하기 쉬워집니다.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
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 Pro는 텍스트, 이미지, 문서, 비디오 전반의 추론을 위한 균형 잡힌 1세대 Nova 모델입니다. 시각 분석, 소프트웨어 작업, 문서 처리, 제공한 근거와 도구를 결합하는 에이전트용 텍스트를 생성합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Amazon Nova Pro는 Amazon 1세대 Nova 제품군의 균형 잡힌 멀티모달 이해 모델입니다. 텍스트, 이미지, 비디오 이해를 결합해 문서 질의응답과 시각 분석부터 소프트웨어 및 에이전트 작업까지 다룹니다. 출력은 설명, 추출 정보, 코드, 계획, 도구 요청 등의 텍스트입니다. Pro는 더 가벼운 Nova Lite와 더 까다로운 긴 컨텍스트 작업을 다루는 Premier 사이에 위치합니다. 이 프로필은 Nova 2 모델이 아니라 원래의 Pro v1 에디션을 설명합니다.
1세대 Nova 가이드는 300K 토큰 컨텍스트 창과 최대 10K 토큰 출력을 명시합니다. 문서상 지식 기준 시점은 2024년 10월입니다. 실용적인 작업에서는 참조 대목, 문서 내용, 시각적 근거, 최근 대화를 결합한 뒤 간결한 결과를 반환할 수 있습니다. 기술 검토에서는 관련 코드, 관찰한 동작, 제약을 제공하고 이유와 함께 변경 제안을 요청하세요. 보고서에서는 비교할 소스와 필드를 지정하세요. 문서에 적힌 내용과 조사할 결론을 구분할 수 있도록 근거와 지시를 분리하세요.
Amazon은 Pro의 시각적 질문 답변, 이미지 분류 및 요약, 지정한 물체의 경계 상자 반환 기능을 문서화합니다. 1세대 이미지 가이드는 [0, 1000) 좌표 척도를 사용하며 이를 사용하는 애플리케이션이 원본 이미지 치수로 변환합니다. 이미지는 자동으로 크기 조정되며 문서상 최대 해상도는 8,000 × 8,000픽셀입니다. 스크린샷의 요소 식별이나 도표 설명에 활용할 수 있습니다. 읽을 수 있는 텍스트와 핵심 시각 맥락을 유지하고 해석을 요청하기 전에 관련 관찰을 요청하세요.
지원되는 제작사 이미지 형식에는 PNG, JPG/JPEG, GIF, WebP가 포함됩니다. 문서 작업은 PDF, DOC/DOCX, CSV, XLS/XLSX, HTML, TXT, Markdown을 받습니다. 텍스트 기반 형식은 텍스트를 제공하며 PDF와 DOCX는 차트와 표 같은 시각 요소와 함께 해석할 수 있습니다. 문서 가이드는 문서 최대 다섯 개와 텍스트 문서당 4.5 MB 한도를 허용합니다. CMYK 또는 SVG 이미지를 사용하는 PDF 내용과 JPEG2000, JBIG2 같은 미지원 인코딩은 제외합니다. PDF의 단어만 필요하면 추출 텍스트가 페이지 단위 시각 읽기보다 간단한 입력입니다. 내장 미디어는 base64 오버헤드를 포함한 25 MB 페이로드 예산을 공유합니다. 요청에는 비디오 하나를 포함할 수 있고 S3를 통하면 1 GB로 제한되며, S3 미디어 합계는 2 GB까지 가능합니다. PDF와 DOCX 입력은 계속 문서 다섯 개로 제한되고 합계 허용량은 직접 업로드 시 25 MB, S3를 통하면 2 GB입니다.
Pro는 MP4, MOV, MKV, WebM 같은 일반 비디오 형식을 분석할 수 있습니다. version1의 샘플링 전략은 최대 16분 클립에서 초당 한 프레임을 사용하고, 더 긴 클립에서는 전체에 분산된 960프레임을 사용합니다. 따라서 특히 비디오가 길어질수록 매우 빠른 행동의 정밀 분석보다 장면 수준 요약에 적합합니다. Amazon은 움직임이 많은 클립은 16분 미만, 움직임이 적은 클립은 한 시간 미만으로 유지할 것을 권장합니다. 관련 구간과 점검할 시각적 사건 또는 관계를 지정하세요. 문서의 입력 모달리티에는 오디오가 없으므로 발화 정보는 대본으로 제공해야 합니다. 제작사는 이 모델이 이미지, 문서, 비디오 속 사람을 식별하거나 이름을 붙이지 않는다고도 명시합니다.
Pro는 응답 스트리밍, 클라이언트가 실행하는 함수 호출, 검색 증강 작업을 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. 도구와 인수를 설명하고 애플리케이션이 요청을 실행하게 한 뒤 모델이 이어가기 전에 관찰이나 오류를 반환하세요. 1세대 Nova에는 단계적으로 해결하도록 프롬프트를 줄 수 있지만 이는 Nova 2 Lite의 별도로 설정하는 확장 사고 모드 및 내장 도구와 다릅니다. Pro는 Nova Micro와 Lite의 증류 교사 역할도 하며 Amazon은 Pro의 사용자 지정 미세 조정을 문서화합니다. 그러한 사용자 지정 모델은 자체 정체성을 유지합니다.
version1 가이드는 200개가 넘는 언어로 학습하고 영어, 독일어, 스페인어, 프랑스어, 이탈리아어, 일본어, 한국어, 아랍어, 중국어 간체, 러시아어, 힌디어, 포르투갈어, 네덜란드어, 튀르키예어, 히브리어를 포함한 15개 언어에 최적화했다고 설명합니다. 방언 전반에서 성능이 같다고 가정하지 말고 필요한 언어와 용어를 명시하세요. 재사용 가능한 작업에는 최종 구조와 각 필드에 담을 소스 근거를 지정하세요. Pro는 그럴듯하지만 틀린 주장이나 실행되지 않은 코드를 반환할 수 있습니다. 명시적인 사실을 제공하고 도구 결과와 제안을 구분하면 출력을 사용하고 확인하기 쉬워집니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 amazon/nova-pro-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 $0.0016 / 1K 토큰 출력 · 출력 토큰 $0.0064 / 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 $0.0016 / 1K 토큰 출력 · 출력 토큰 $0.0064 / 1K 토큰 입력 · 캐시 읽기 — / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "amazon/nova-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 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-pro-v1
위에 표시된 메서드 경로를 사용하세요.
amazon/nova-pro-v1Amazon Nova Pro는 텍스트, 이미지, 문서, 비디오 전반의 추론을 위한 균형 잡힌 1세대 Nova 모델입니다. 시각 분석, 소프트웨어 작업, 문서 처리, 제공한 근거와 도구를 결합하는 에이전트용 텍스트를 생성합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Amazon Nova Pro는 Amazon 1세대 Nova 제품군의 균형 잡힌 멀티모달 이해 모델입니다. 텍스트, 이미지, 비디오 이해를 결합해 문서 질의응답과 시각 분석부터 소프트웨어 및 에이전트 작업까지 다룹니다. 출력은 설명, 추출 정보, 코드, 계획, 도구 요청 등의 텍스트입니다. Pro는 더 가벼운 Nova Lite와 더 까다로운 긴 컨텍스트 작업을 다루는 Premier 사이에 위치합니다. 이 프로필은 Nova 2 모델이 아니라 원래의 Pro v1 에디션을 설명합니다.
1세대 Nova 가이드는 300K 토큰 컨텍스트 창과 최대 10K 토큰 출력을 명시합니다. 문서상 지식 기준 시점은 2024년 10월입니다. 실용적인 작업에서는 참조 대목, 문서 내용, 시각적 근거, 최근 대화를 결합한 뒤 간결한 결과를 반환할 수 있습니다. 기술 검토에서는 관련 코드, 관찰한 동작, 제약을 제공하고 이유와 함께 변경 제안을 요청하세요. 보고서에서는 비교할 소스와 필드를 지정하세요. 문서에 적힌 내용과 조사할 결론을 구분할 수 있도록 근거와 지시를 분리하세요.
Amazon은 Pro의 시각적 질문 답변, 이미지 분류 및 요약, 지정한 물체의 경계 상자 반환 기능을 문서화합니다. 1세대 이미지 가이드는 [0, 1000) 좌표 척도를 사용하며 이를 사용하는 애플리케이션이 원본 이미지 치수로 변환합니다. 이미지는 자동으로 크기 조정되며 문서상 최대 해상도는 8,000 × 8,000픽셀입니다. 스크린샷의 요소 식별이나 도표 설명에 활용할 수 있습니다. 읽을 수 있는 텍스트와 핵심 시각 맥락을 유지하고 해석을 요청하기 전에 관련 관찰을 요청하세요.
지원되는 제작사 이미지 형식에는 PNG, JPG/JPEG, GIF, WebP가 포함됩니다. 문서 작업은 PDF, DOC/DOCX, CSV, XLS/XLSX, HTML, TXT, Markdown을 받습니다. 텍스트 기반 형식은 텍스트를 제공하며 PDF와 DOCX는 차트와 표 같은 시각 요소와 함께 해석할 수 있습니다. 문서 가이드는 문서 최대 다섯 개와 텍스트 문서당 4.5 MB 한도를 허용합니다. CMYK 또는 SVG 이미지를 사용하는 PDF 내용과 JPEG2000, JBIG2 같은 미지원 인코딩은 제외합니다. PDF의 단어만 필요하면 추출 텍스트가 페이지 단위 시각 읽기보다 간단한 입력입니다. 내장 미디어는 base64 오버헤드를 포함한 25 MB 페이로드 예산을 공유합니다. 요청에는 비디오 하나를 포함할 수 있고 S3를 통하면 1 GB로 제한되며, S3 미디어 합계는 2 GB까지 가능합니다. PDF와 DOCX 입력은 계속 문서 다섯 개로 제한되고 합계 허용량은 직접 업로드 시 25 MB, S3를 통하면 2 GB입니다.
Pro는 MP4, MOV, MKV, WebM 같은 일반 비디오 형식을 분석할 수 있습니다. version1의 샘플링 전략은 최대 16분 클립에서 초당 한 프레임을 사용하고, 더 긴 클립에서는 전체에 분산된 960프레임을 사용합니다. 따라서 특히 비디오가 길어질수록 매우 빠른 행동의 정밀 분석보다 장면 수준 요약에 적합합니다. Amazon은 움직임이 많은 클립은 16분 미만, 움직임이 적은 클립은 한 시간 미만으로 유지할 것을 권장합니다. 관련 구간과 점검할 시각적 사건 또는 관계를 지정하세요. 문서의 입력 모달리티에는 오디오가 없으므로 발화 정보는 대본으로 제공해야 합니다. 제작사는 이 모델이 이미지, 문서, 비디오 속 사람을 식별하거나 이름을 붙이지 않는다고도 명시합니다.
Pro는 응답 스트리밍, 클라이언트가 실행하는 함수 호출, 검색 증강 작업을 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. 도구와 인수를 설명하고 애플리케이션이 요청을 실행하게 한 뒤 모델이 이어가기 전에 관찰이나 오류를 반환하세요. 1세대 Nova에는 단계적으로 해결하도록 프롬프트를 줄 수 있지만 이는 Nova 2 Lite의 별도로 설정하는 확장 사고 모드 및 내장 도구와 다릅니다. Pro는 Nova Micro와 Lite의 증류 교사 역할도 하며 Amazon은 Pro의 사용자 지정 미세 조정을 문서화합니다. 그러한 사용자 지정 모델은 자체 정체성을 유지합니다.
version1 가이드는 200개가 넘는 언어로 학습하고 영어, 독일어, 스페인어, 프랑스어, 이탈리아어, 일본어, 한국어, 아랍어, 중국어 간체, 러시아어, 힌디어, 포르투갈어, 네덜란드어, 튀르키예어, 히브리어를 포함한 15개 언어에 최적화했다고 설명합니다. 방언 전반에서 성능이 같다고 가정하지 말고 필요한 언어와 용어를 명시하세요. 재사용 가능한 작업에는 최종 구조와 각 필드에 담을 소스 근거를 지정하세요. Pro는 그럴듯하지만 틀린 주장이나 실행되지 않은 코드를 반환할 수 있습니다. 명시적인 사실을 제공하고 도구 결과와 제안을 구분하면 출력을 사용하고 확인하기 쉬워집니다.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 amazon/nova-pro-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 $0.0016 / 1K 토큰 출력 · 출력 토큰 $0.0064 / 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 $0.0016 / 1K 토큰 출력 · 출력 토큰 $0.0064 / 1K 토큰 입력 · 캐시 읽기 — / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "amazon/nova-pro-v1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 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-pro-v1
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
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.