Amazon Nova 2 Lite ialah model pemahaman multimodal generasi kedua Amazon untuk kerja perusahaan harian dan tugasan ejen lebih mencabar. Ia menerima teks, imej dan video, termasuk kandungan dokumen, serta menghasilkan teks. Kerja praktikal merangkumi respons sokongan berasaskan bahan dibekalkan, pengekstrakan maklumat laporan, analisis carta atau tangkapan skrin, semakan kod dan peringkasan peristiwa visual. Ia model pemahaman: input video dianalisis, bukannya dijana semula, dan output yang didokumenkan ialah teks, bukannya imej, video atau pertuturan natif.
Profil model pengeluar menyenaraikan tetingkap konteks 1 juta token dan output maksimum standard 64K token. Tarikh akhir pengetahuan yang didokumenkan ialah Oktober 2025. Konteks kerja lebih besar ini membezakan Nova 2 Lite daripada tetingkap 300K Nova Lite generasi pertama. Gunakan ruang untuk dokumen sumber sebenar, perbualan berkaitan, kod dan arahan, kemudian minta artifak terfokus seperti jadual bukti, cadangan perubahan atau ringkasan yang disusun mengikut sumber. Konteks panjang tidak menukar pengetahuan dipelajari menjadi pangkalan data langsung; maklumat yang berubah perlu datang daripada bukti dibekalkan, perolehan semula atau alat pengasasan yang diaktifkan.
Pemikiran lanjutan ialah pilihan dan dimatikan secara lalai. Apabila diaktifkan, pengeluar menawarkan usaha low, medium dan high: low untuk analisis sederhana kompleks, medium untuk kerja berbilang langkah yang besar, dan high untuk penaakulan paling mendalam. Pengekstrakan mudah dan jawapan fakta pendek boleh menggunakan pemikiran dimatikan; penyahpepijatan sukar, penaakulan matematik dan sintesis merentas dokumen boleh mendapat manfaat daripada usaha tambahan. Kandungan penaakulan dipulangkan sebagai [REDACTED], maka ia bukan jejak langkah demi langkah yang boleh dibaca. Kontrak usaha high mensyaratkan temperature, topP, topK dan maxTokens ditinggalkan; Amazon mendokumenkan bahawa sesetengah output usaha high boleh melebihi 65K token dan mencapai 128K, bukannya menetapkan 128K sebagai peruntukan output biasa.
Nova 2 Lite menyokong panggilan fungsi, penstriman respons dan cache prompt dalam profil penyajian Amazon yang didokumenkan. Cache eksplisit memerlukan sekurang-kurangnya 1K token bagi setiap titik semak dan membenarkan sehingga empat titik semak dengan tempoh simpanan lima minit. Pengeluar mengehadkan cache prompt kepada 20K token, terutamanya untuk prompt teks; peruntukan cache itu berasingan daripada tetingkap konteks penuh. Bekalkan nama alat, huraian dan skema argumen yang jelas; model memilih alat dan meminta argumen, manakala aplikasi melaksanakan alat tersuai dan memulangkan hasilnya. Amazon turut mendokumenkan Web Grounding terbina dalam pilihan untuk maklumat semasa dengan petikan sumber serta Python Code Interpreter untuk pengiraan. Ini alat dikonfigurasi, bukannya aktiviti yang tersirat dalam setiap jawapan. Amazon juga mendokumenkan penalaan halus terselia dan pengukuhan untuk menyesuaikan Nova 2 Lite kepada tugasan khusus; ini aliran kerja penyesuaian model berasingan. Untuk laporan berangka, taklimat berguna memisahkan angka sumber, pengiraan yang perlu dilakukan dan penjelasan yang perlu dipulangkan; ralat alat perlu kekal kelihatan dalam hasil yang dipulangkan, bukannya dianggap pemerhatian berjaya.
Panduan multimodal menyenaraikan imej PNG, JPEG, GIF dan WebP; bagi GIF atau WebP animasi, hanya bingkai pertama digunakan. Format video termasuk MP4, MOV, MKV, WebM, FLV, MPEG, MPG, WMV dan 3GP. Dokumen termasuk PDF, DOC/DOCX, TXT, CSV, XLS/XLSX, HTML dan Markdown. Format berasaskan teks dibaca terutamanya sebagai teks, manakala PDF dan DOCX boleh menggabungkan teks serta visual halaman. Aliran kerja dokumen pengeluar membenarkan sehingga lima dokumen dan mengehadkan setiap dokumen teks kepada 4.5 MB. Profil imej terbenam membenarkan lima imej dan muatan 25 MB; input imej S3 membenarkan sehingga 1,000 imej dan jumlah 2 GB. Input video membenarkan satu fail: 25 MB terbenam atau 1 GB melalui S3. Fail PDF dan DOCX berkongsi peruntukan gabungan 25 MB untuk muat naik langsung atau 2 GB melalui S3. PDF yang mengandungi imej CMYK atau SVG tidak disokong. Butiran pengendalian fail ini milik aliran kerja pengeluar yang didokumenkan; lampirkan kandungan sebenar berkaitan dan pelihara label halaman atau bahagiannya untuk rujukan berguna.
Pemahaman video menggunakan bingkai visual, bukannya trek audio. Untuk video 16 minit atau kurang, panduan menerangkan satu bingkai sampel sesaat; huraian prosanya menerangkan pengurangan kadar pensampelan bagi klip lebih panjang untuk mengekalkan 960 bingkai. Oleh itu, tindakan pantas antara bingkai boleh terlepas. Utamakan klip berkaitan dan soalan jelas tentang adegan atau peristiwa; berikan transkrip berasingan apabila maklumat pertuturan penting. Teks kecil atau berbilang bahasa dan hubungan ruang tepat juga boleh sukar, maka pelihara label boleh baca dan konteks visual sekeliling yang mencukupi. Pengeluar turut menyatakan model ini tidak mengenal pasti atau menamakan orang dalam imej, dokumen atau video.
Amazon mendokumenkan sokongan untuk lebih 200 bahasa, dengan pengoptimuman bagi bahasa Inggeris, Jerman, Sepanyol, Perancis, Itali, Jepun, Korea, Arab, Cina Ringkas, Rusia, Hindi, Portugis, Belanda, Turki dan Ibrani. Nyatakan bahasa output dan istilah yang diperlukan, khususnya apabila sumber menggunakan beberapa bahasa. Untuk aliran kerja dokumen, nyatakan soalan, pengecam bukti dan struktur akhir, kemudian minta model membezakan fakta yang dinyatakan daripada maklumat yang tiada. Hasil bergunanya ialah respons berasaskan sumber atau artifak bermaklumat alat, bukannya andaian bahawa setiap butiran input besar telah dirangkumkan.
", "aboutText": "Amazon Nova 2 Lite ialah model pemahaman multimodal generasi kedua Amazon untuk kerja perusahaan harian dan tugasan ejen lebih mencabar. Ia menerima teks, imej dan video, termasuk kandungan dokumen, serta menghasilkan teks. Kerja praktikal merangkumi respons sokongan berasaskan bahan dibekalkan, pengekstrakan maklumat laporan, analisis carta atau tangkapan skrin, semakan kod dan peringkasan peristiwa visual. Ia model pemahaman: input video dianalisis, bukannya dijana semula, dan output yang didokumenkan ialah teks, bukannya imej, video atau pertuturan natif.\n\nProfil model pengeluar menyenaraikan tetingkap konteks 1 juta token dan output maksimum standard 64K token. Tarikh akhir pengetahuan yang didokumenkan ialah Oktober 2025. Konteks kerja lebih besar ini membezakan Nova 2 Lite daripada tetingkap 300K Nova Lite generasi pertama. Gunakan ruang untuk dokumen sumber sebenar, perbualan berkaitan, kod dan arahan, kemudian minta artifak terfokus seperti jadual bukti, cadangan perubahan atau ringkasan yang disusun mengikut sumber. Konteks panjang tidak menukar pengetahuan dipelajari menjadi pangkalan data langsung; maklumat yang berubah perlu datang daripada bukti dibekalkan, perolehan semula atau alat pengasasan yang diaktifkan.\n\nPemikiran lanjutan ialah pilihan dan dimatikan secara lalai. Apabila diaktifkan, pengeluar menawarkan usaha low, medium dan high: low untuk analisis sederhana kompleks, medium untuk kerja berbilang langkah yang besar, dan high untuk penaakulan paling mendalam. Pengekstrakan mudah dan jawapan fakta pendek boleh menggunakan pemikiran dimatikan; penyahpepijatan sukar, penaakulan matematik dan sintesis merentas dokumen boleh mendapat manfaat daripada usaha tambahan. Kandungan penaakulan dipulangkan sebagai [REDACTED], maka ia bukan jejak langkah demi langkah yang boleh dibaca. Kontrak usaha high mensyaratkan temperature, topP, topK dan maxTokens ditinggalkan; Amazon mendokumenkan bahawa sesetengah output usaha high boleh melebihi 65K token dan mencapai 128K, bukannya menetapkan 128K sebagai peruntukan output biasa.\n\nNova 2 Lite menyokong panggilan fungsi, penstriman respons dan cache prompt dalam profil penyajian Amazon yang didokumenkan. Cache eksplisit memerlukan sekurang-kurangnya 1K token bagi setiap titik semak dan membenarkan sehingga empat titik semak dengan tempoh simpanan lima minit. Pengeluar mengehadkan cache prompt kepada 20K token, terutamanya untuk prompt teks; peruntukan cache itu berasingan daripada tetingkap konteks penuh. Bekalkan nama alat, huraian dan skema argumen yang jelas; model memilih alat dan meminta argumen, manakala aplikasi melaksanakan alat tersuai dan memulangkan hasilnya. Amazon turut mendokumenkan Web Grounding terbina dalam pilihan untuk maklumat semasa dengan petikan sumber serta Python Code Interpreter untuk pengiraan. Ini alat dikonfigurasi, bukannya aktiviti yang tersirat dalam setiap jawapan. Amazon juga mendokumenkan penalaan halus terselia dan pengukuhan untuk menyesuaikan Nova 2 Lite kepada tugasan khusus; ini aliran kerja penyesuaian model berasingan. Untuk laporan berangka, taklimat berguna memisahkan angka sumber, pengiraan yang perlu dilakukan dan penjelasan yang perlu dipulangkan; ralat alat perlu kekal kelihatan dalam hasil yang dipulangkan, bukannya dianggap pemerhatian berjaya.\n\nPanduan multimodal menyenaraikan imej PNG, JPEG, GIF dan WebP; bagi GIF atau WebP animasi, hanya bingkai pertama digunakan. Format video termasuk MP4, MOV, MKV, WebM, FLV, MPEG, MPG, WMV dan 3GP. Dokumen termasuk PDF, DOC/DOCX, TXT, CSV, XLS/XLSX, HTML dan Markdown. Format berasaskan teks dibaca terutamanya sebagai teks, manakala PDF dan DOCX boleh menggabungkan teks serta visual halaman. Aliran kerja dokumen pengeluar membenarkan sehingga lima dokumen dan mengehadkan setiap dokumen teks kepada 4.5 MB. Profil imej terbenam membenarkan lima imej dan muatan 25 MB; input imej S3 membenarkan sehingga 1,000 imej dan jumlah 2 GB. Input video membenarkan satu fail: 25 MB terbenam atau 1 GB melalui S3. Fail PDF dan DOCX berkongsi peruntukan gabungan 25 MB untuk muat naik langsung atau 2 GB melalui S3. PDF yang mengandungi imej CMYK atau SVG tidak disokong. Butiran pengendalian fail ini milik aliran kerja pengeluar yang didokumenkan; lampirkan kandungan sebenar berkaitan dan pelihara label halaman atau bahagiannya untuk rujukan berguna.\n\nPemahaman video menggunakan bingkai visual, bukannya trek audio. Untuk video 16 minit atau kurang, panduan menerangkan satu bingkai sampel sesaat; huraian prosanya menerangkan pengurangan kadar pensampelan bagi klip lebih panjang untuk mengekalkan 960 bingkai. Oleh itu, tindakan pantas antara bingkai boleh terlepas. Utamakan klip berkaitan dan soalan jelas tentang adegan atau peristiwa; berikan transkrip berasingan apabila maklumat pertuturan penting. Teks kecil atau berbilang bahasa dan hubungan ruang tepat juga boleh sukar, maka pelihara label boleh baca dan konteks visual sekeliling yang mencukupi. Pengeluar turut menyatakan model ini tidak mengenal pasti atau menamakan orang dalam imej, dokumen atau video.\n\nAmazon mendokumenkan sokongan untuk lebih 200 bahasa, dengan pengoptimuman bagi bahasa Inggeris, Jerman, Sepanyol, Perancis, Itali, Jepun, Korea, Arab, Cina Ringkas, Rusia, Hindi, Portugis, Belanda, Turki dan Ibrani. Nyatakan bahasa output dan istilah yang diperlukan, khususnya apabila sumber menggunakan beberapa bahasa. Untuk aliran kerja dokumen, nyatakan soalan, pengecam bukti dan struktur akhir, kemudian minta model membezakan fakta yang dinyatakan daripada maklumat yang tiada. Hasil bergunanya ialah respons berasaskan sumber atau artifak bermaklumat alat, bukannya andaian bahawa setiap butiran input besar telah dirangkumkan.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Draft a grounded support reply\n\nWrite a customer reply using only this help article: A replacement may be requested within 14 days of delivery for a damaged item; include the order number and a photo in the support ticket. Customer: My parcel arrived broken yesterday. Can you send another? Explain the next step without claiming a replacement has already been approved.A customer-ready reply of 60–90 words covering eligibility, required ticket information and the next action.Check that the reply requests the order number and photo without asserting that a ticket or replacement was created.amazon/nova-2-lite-v1Amazon Nova 2 Lite menggabungkan pemahaman teks, imej, dokumen dan video dengan pemikiran lanjutan pilihan serta penggunaan alat. Konteks sejuta tokennya menyokong aliran kerja dokumen, pengekodan dan ejen yang perlu menaakul beberapa langkah.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Amazon Nova 2 Lite ialah model pemahaman multimodal generasi kedua Amazon untuk kerja perusahaan harian dan tugasan ejen lebih mencabar. Ia menerima teks, imej dan video, termasuk kandungan dokumen, serta menghasilkan teks. Kerja praktikal merangkumi respons sokongan berasaskan bahan dibekalkan, pengekstrakan maklumat laporan, analisis carta atau tangkapan skrin, semakan kod dan peringkasan peristiwa visual. Ia model pemahaman: input video dianalisis, bukannya dijana semula, dan output yang didokumenkan ialah teks, bukannya imej, video atau pertuturan natif.
Profil model pengeluar menyenaraikan tetingkap konteks 1 juta token dan output maksimum standard 64K token. Tarikh akhir pengetahuan yang didokumenkan ialah Oktober 2025. Konteks kerja lebih besar ini membezakan Nova 2 Lite daripada tetingkap 300K Nova Lite generasi pertama. Gunakan ruang untuk dokumen sumber sebenar, perbualan berkaitan, kod dan arahan, kemudian minta artifak terfokus seperti jadual bukti, cadangan perubahan atau ringkasan yang disusun mengikut sumber. Konteks panjang tidak menukar pengetahuan dipelajari menjadi pangkalan data langsung; maklumat yang berubah perlu datang daripada bukti dibekalkan, perolehan semula atau alat pengasasan yang diaktifkan.
Pemikiran lanjutan ialah pilihan dan dimatikan secara lalai. Apabila diaktifkan, pengeluar menawarkan usaha low, medium dan high: low untuk analisis sederhana kompleks, medium untuk kerja berbilang langkah yang besar, dan high untuk penaakulan paling mendalam. Pengekstrakan mudah dan jawapan fakta pendek boleh menggunakan pemikiran dimatikan; penyahpepijatan sukar, penaakulan matematik dan sintesis merentas dokumen boleh mendapat manfaat daripada usaha tambahan. Kandungan penaakulan dipulangkan sebagai [REDACTED], maka ia bukan jejak langkah demi langkah yang boleh dibaca. Kontrak usaha high mensyaratkan temperature, topP, topK dan maxTokens ditinggalkan; Amazon mendokumenkan bahawa sesetengah output usaha high boleh melebihi 65K token dan mencapai 128K, bukannya menetapkan 128K sebagai peruntukan output biasa.
Nova 2 Lite menyokong panggilan fungsi, penstriman respons dan cache prompt dalam profil penyajian Amazon yang didokumenkan. Cache eksplisit memerlukan sekurang-kurangnya 1K token bagi setiap titik semak dan membenarkan sehingga empat titik semak dengan tempoh simpanan lima minit. Pengeluar mengehadkan cache prompt kepada 20K token, terutamanya untuk prompt teks; peruntukan cache itu berasingan daripada tetingkap konteks penuh. Bekalkan nama alat, huraian dan skema argumen yang jelas; model memilih alat dan meminta argumen, manakala aplikasi melaksanakan alat tersuai dan memulangkan hasilnya. Amazon turut mendokumenkan Web Grounding terbina dalam pilihan untuk maklumat semasa dengan petikan sumber serta Python Code Interpreter untuk pengiraan. Ini alat dikonfigurasi, bukannya aktiviti yang tersirat dalam setiap jawapan. Amazon juga mendokumenkan penalaan halus terselia dan pengukuhan untuk menyesuaikan Nova 2 Lite kepada tugasan khusus; ini aliran kerja penyesuaian model berasingan. Untuk laporan berangka, taklimat berguna memisahkan angka sumber, pengiraan yang perlu dilakukan dan penjelasan yang perlu dipulangkan; ralat alat perlu kekal kelihatan dalam hasil yang dipulangkan, bukannya dianggap pemerhatian berjaya.
Panduan multimodal menyenaraikan imej PNG, JPEG, GIF dan WebP; bagi GIF atau WebP animasi, hanya bingkai pertama digunakan. Format video termasuk MP4, MOV, MKV, WebM, FLV, MPEG, MPG, WMV dan 3GP. Dokumen termasuk PDF, DOC/DOCX, TXT, CSV, XLS/XLSX, HTML dan Markdown. Format berasaskan teks dibaca terutamanya sebagai teks, manakala PDF dan DOCX boleh menggabungkan teks serta visual halaman. Aliran kerja dokumen pengeluar membenarkan sehingga lima dokumen dan mengehadkan setiap dokumen teks kepada 4.5 MB. Profil imej terbenam membenarkan lima imej dan muatan 25 MB; input imej S3 membenarkan sehingga 1,000 imej dan jumlah 2 GB. Input video membenarkan satu fail: 25 MB terbenam atau 1 GB melalui S3. Fail PDF dan DOCX berkongsi peruntukan gabungan 25 MB untuk muat naik langsung atau 2 GB melalui S3. PDF yang mengandungi imej CMYK atau SVG tidak disokong. Butiran pengendalian fail ini milik aliran kerja pengeluar yang didokumenkan; lampirkan kandungan sebenar berkaitan dan pelihara label halaman atau bahagiannya untuk rujukan berguna.
Pemahaman video menggunakan bingkai visual, bukannya trek audio. Untuk video 16 minit atau kurang, panduan menerangkan satu bingkai sampel sesaat; huraian prosanya menerangkan pengurangan kadar pensampelan bagi klip lebih panjang untuk mengekalkan 960 bingkai. Oleh itu, tindakan pantas antara bingkai boleh terlepas. Utamakan klip berkaitan dan soalan jelas tentang adegan atau peristiwa; berikan transkrip berasingan apabila maklumat pertuturan penting. Teks kecil atau berbilang bahasa dan hubungan ruang tepat juga boleh sukar, maka pelihara label boleh baca dan konteks visual sekeliling yang mencukupi. Pengeluar turut menyatakan model ini tidak mengenal pasti atau menamakan orang dalam imej, dokumen atau video.
Amazon mendokumenkan sokongan untuk lebih 200 bahasa, dengan pengoptimuman bagi bahasa Inggeris, Jerman, Sepanyol, Perancis, Itali, Jepun, Korea, Arab, Cina Ringkas, Rusia, Hindi, Portugis, Belanda, Turki dan Ibrani. Nyatakan bahasa output dan istilah yang diperlukan, khususnya apabila sumber menggunakan beberapa bahasa. Untuk aliran kerja dokumen, nyatakan soalan, pengecam bukti dan struktur akhir, kemudian minta model membezakan fakta yang dinyatakan daripada maklumat yang tiada. Hasil bergunanya ialah respons berasaskan sumber atau artifak bermaklumat alat, bukannya andaian bahawa setiap butiran input besar telah dirangkumkan.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had amazon/nova-2-lite-v1 | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had Item minimum: 1 | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had Contoh: system, user, assistant, tool, function Syarat: Peranan ini diwakili secara eksplisit oleh jenis keserasian dalam kod sumber; set peranan model yang tepat kekal khusus untuk setiap model. Bergantung pada model | Lalai— |
Medanmessages[].content | Jenisstring|content_part[]|null | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_calls | Jenistool_call[] | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_call_id | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: role=tool; gunakan ID sebenar yang dipulangkan | Lalai— |
Medanmessages[].name | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].reasoning_content | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: Hantar semula penaakulan sebenar yang dipulangkan apabila model ini menggunakannya | Lalai— |
Medanmessages[].reasoning_details | Jenisobject|array | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanmax_completion_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Medanstream_options.include_usage | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantemperature | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantop_p | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanstop | Jenisstring|string[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools | Jenisfunction_tool[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools[].type | Jenisstring | KeperluanPilihan | Nilai & had function Bergantung pada model | Lalai— |
Medantools[].function.name | Jenisstring | KeperluanDiperlukan | Nilai & had Terpakai apabila: alat fungsi dibekalkan | Lalai— |
Medantools[].function.description | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medantools[].function.parameters | JenisJSON_schema | KeperluanPilihan | Nilai & had | Lalai— |
Medantool_choice | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanparallel_tool_calls | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanresponse_format | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning_effort | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanservice_tier | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medaninstructions | Jenisstring | KeperluanPilihan | Nilai & had Medan keserasian | Lalai— |
Medanfunctions | Jenisfunction[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanfunction_call | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanprompt_cache_options | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmodalities | Jenisstring[] | KeperluanPilihan | Nilai & had text | Lalai— |
Medanprovider | Jenisobject | KeperluanPilihan | Nilai & had Syarat: provider.options ditolak pada laluan teks Ultra ini | Lalai— |
Medancache_control.ttl | Jenisstring | KeperluanPilihan | Nilai & had Syarat: 1h ditolak pada lokasi cache prompt yang digunakan | Lalai— |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontraktatasusunan mesej dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 sebenar dimasukkan sebagai teks literal; ID fail tidak diandaikan |
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 berbeza daripada alat yang dihoskan |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Kitar hayat: synchronous_or_streamed
Hantar ID model yang tepat bersama messages.
Panjang konteks bukan had output.
Fail teks boleh membekalkan teks literal; input imej/audio/objek fail memerlukan pengikatan tepat.
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0006 / 1K token Output · Token output $0.005 / 1K token Input · Bacaan cache — / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0006 / 1K token Output · Token output $0.005 / 1K token Input · Bacaan cache — / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "amazon/nova-2-lite-v1", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='amazon/nova-2-lite-v1',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='amazon/nova-2-lite-v1',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan setiap pilihan jawapan bersama kandungan, panggilan alat dan penaakulannya. Dalam SSE, gabungkan delta mengikut indeks pilihan jawapan/alat dan kekalkan sebab penamatan akhir serta data penggunaan.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanchoices[].index | Jenisinteger |
Medanchoices[].message.content | Jenisstring|null |
Medanchoices[].message.tool_calls | Jenistool_call[] |
Medanchoices[].message.reasoning_content | Jenisstring |
Medanchoices[].message.reasoning_details | Jenisobject|array |
Medanchoices[].finish_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra amazon/nova-2-lite-v1
Gunakan laluan kaedah yang dipaparkan di atas.
amazon/nova-2-lite-v1Amazon Nova 2 Lite menggabungkan pemahaman teks, imej, dokumen dan video dengan pemikiran lanjutan pilihan serta penggunaan alat. Konteks sejuta tokennya menyokong aliran kerja dokumen, pengekodan dan ejen yang perlu menaakul beberapa langkah.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Amazon Nova 2 Lite ialah model pemahaman multimodal generasi kedua Amazon untuk kerja perusahaan harian dan tugasan ejen lebih mencabar. Ia menerima teks, imej dan video, termasuk kandungan dokumen, serta menghasilkan teks. Kerja praktikal merangkumi respons sokongan berasaskan bahan dibekalkan, pengekstrakan maklumat laporan, analisis carta atau tangkapan skrin, semakan kod dan peringkasan peristiwa visual. Ia model pemahaman: input video dianalisis, bukannya dijana semula, dan output yang didokumenkan ialah teks, bukannya imej, video atau pertuturan natif.
Profil model pengeluar menyenaraikan tetingkap konteks 1 juta token dan output maksimum standard 64K token. Tarikh akhir pengetahuan yang didokumenkan ialah Oktober 2025. Konteks kerja lebih besar ini membezakan Nova 2 Lite daripada tetingkap 300K Nova Lite generasi pertama. Gunakan ruang untuk dokumen sumber sebenar, perbualan berkaitan, kod dan arahan, kemudian minta artifak terfokus seperti jadual bukti, cadangan perubahan atau ringkasan yang disusun mengikut sumber. Konteks panjang tidak menukar pengetahuan dipelajari menjadi pangkalan data langsung; maklumat yang berubah perlu datang daripada bukti dibekalkan, perolehan semula atau alat pengasasan yang diaktifkan.
Pemikiran lanjutan ialah pilihan dan dimatikan secara lalai. Apabila diaktifkan, pengeluar menawarkan usaha low, medium dan high: low untuk analisis sederhana kompleks, medium untuk kerja berbilang langkah yang besar, dan high untuk penaakulan paling mendalam. Pengekstrakan mudah dan jawapan fakta pendek boleh menggunakan pemikiran dimatikan; penyahpepijatan sukar, penaakulan matematik dan sintesis merentas dokumen boleh mendapat manfaat daripada usaha tambahan. Kandungan penaakulan dipulangkan sebagai [REDACTED], maka ia bukan jejak langkah demi langkah yang boleh dibaca. Kontrak usaha high mensyaratkan temperature, topP, topK dan maxTokens ditinggalkan; Amazon mendokumenkan bahawa sesetengah output usaha high boleh melebihi 65K token dan mencapai 128K, bukannya menetapkan 128K sebagai peruntukan output biasa.
Nova 2 Lite menyokong panggilan fungsi, penstriman respons dan cache prompt dalam profil penyajian Amazon yang didokumenkan. Cache eksplisit memerlukan sekurang-kurangnya 1K token bagi setiap titik semak dan membenarkan sehingga empat titik semak dengan tempoh simpanan lima minit. Pengeluar mengehadkan cache prompt kepada 20K token, terutamanya untuk prompt teks; peruntukan cache itu berasingan daripada tetingkap konteks penuh. Bekalkan nama alat, huraian dan skema argumen yang jelas; model memilih alat dan meminta argumen, manakala aplikasi melaksanakan alat tersuai dan memulangkan hasilnya. Amazon turut mendokumenkan Web Grounding terbina dalam pilihan untuk maklumat semasa dengan petikan sumber serta Python Code Interpreter untuk pengiraan. Ini alat dikonfigurasi, bukannya aktiviti yang tersirat dalam setiap jawapan. Amazon juga mendokumenkan penalaan halus terselia dan pengukuhan untuk menyesuaikan Nova 2 Lite kepada tugasan khusus; ini aliran kerja penyesuaian model berasingan. Untuk laporan berangka, taklimat berguna memisahkan angka sumber, pengiraan yang perlu dilakukan dan penjelasan yang perlu dipulangkan; ralat alat perlu kekal kelihatan dalam hasil yang dipulangkan, bukannya dianggap pemerhatian berjaya.
Panduan multimodal menyenaraikan imej PNG, JPEG, GIF dan WebP; bagi GIF atau WebP animasi, hanya bingkai pertama digunakan. Format video termasuk MP4, MOV, MKV, WebM, FLV, MPEG, MPG, WMV dan 3GP. Dokumen termasuk PDF, DOC/DOCX, TXT, CSV, XLS/XLSX, HTML dan Markdown. Format berasaskan teks dibaca terutamanya sebagai teks, manakala PDF dan DOCX boleh menggabungkan teks serta visual halaman. Aliran kerja dokumen pengeluar membenarkan sehingga lima dokumen dan mengehadkan setiap dokumen teks kepada 4.5 MB. Profil imej terbenam membenarkan lima imej dan muatan 25 MB; input imej S3 membenarkan sehingga 1,000 imej dan jumlah 2 GB. Input video membenarkan satu fail: 25 MB terbenam atau 1 GB melalui S3. Fail PDF dan DOCX berkongsi peruntukan gabungan 25 MB untuk muat naik langsung atau 2 GB melalui S3. PDF yang mengandungi imej CMYK atau SVG tidak disokong. Butiran pengendalian fail ini milik aliran kerja pengeluar yang didokumenkan; lampirkan kandungan sebenar berkaitan dan pelihara label halaman atau bahagiannya untuk rujukan berguna.
Pemahaman video menggunakan bingkai visual, bukannya trek audio. Untuk video 16 minit atau kurang, panduan menerangkan satu bingkai sampel sesaat; huraian prosanya menerangkan pengurangan kadar pensampelan bagi klip lebih panjang untuk mengekalkan 960 bingkai. Oleh itu, tindakan pantas antara bingkai boleh terlepas. Utamakan klip berkaitan dan soalan jelas tentang adegan atau peristiwa; berikan transkrip berasingan apabila maklumat pertuturan penting. Teks kecil atau berbilang bahasa dan hubungan ruang tepat juga boleh sukar, maka pelihara label boleh baca dan konteks visual sekeliling yang mencukupi. Pengeluar turut menyatakan model ini tidak mengenal pasti atau menamakan orang dalam imej, dokumen atau video.
Amazon mendokumenkan sokongan untuk lebih 200 bahasa, dengan pengoptimuman bagi bahasa Inggeris, Jerman, Sepanyol, Perancis, Itali, Jepun, Korea, Arab, Cina Ringkas, Rusia, Hindi, Portugis, Belanda, Turki dan Ibrani. Nyatakan bahasa output dan istilah yang diperlukan, khususnya apabila sumber menggunakan beberapa bahasa. Untuk aliran kerja dokumen, nyatakan soalan, pengecam bukti dan struktur akhir, kemudian minta model membezakan fakta yang dinyatakan daripada maklumat yang tiada. Hasil bergunanya ialah respons berasaskan sumber atau artifak bermaklumat alat, bukannya andaian bahawa setiap butiran input besar telah dirangkumkan.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had amazon/nova-2-lite-v1 | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had user, assistant | Lalai— |
Medanmessages[].content | Jenisstring | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Teks · Teks UTF-8
rentetan 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 sebenar dan letakkan teksnya dalam rentetan input atau kandungan mesej yang ditunjukkan. |
Kitar hayat: synchronous_or_streamed
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0006 / 1K token Output · Token output $0.005 / 1K token Input · Bacaan cache — / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0006 / 1K token Output · Token output $0.005 / 1K token Input · Bacaan cache — / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "amazon/nova-2-lite-v1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'amazon/nova-2-lite-v1', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'amazon/nova-2-lite-v1', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan semua blok kandungan, tandatangan penaakulan dan ID penggunaan alat sebenar. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan output.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanid | Jenisstring |
Medanmodel | Jenisstring |
Medancontent[] | Jenistext|thinking|tool_use|other content block |
Medanstop_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra amazon/nova-2-lite-v1
Gunakan laluan kaedah yang dipaparkan di atas.
Contoh teknikal dalam bahasa Inggeris
Draft a grounded support reply\n\nWrite a customer reply using only this help article: A replacement may be requested within 14 days of delivery for a damaged item; include the order number and a photo in the support ticket. Customer: My parcel arrived broken yesterday. Can you send another? Explain the next step without claiming a replacement has already been approved.A customer-ready reply of 60–90 words covering eligibility, required ticket information and the next action.Check that the reply requests the order number and photo without asserting that a ticket or replacement was created.