Amazon Nova Pro ialah model pemahaman multimodal seimbang dalam keluarga Nova generasi pertama Amazon. Ia menggabungkan pemahaman teks, imej dan video untuk tugasan daripada menjawab soalan dokumen dan analisis visual hingga kerja perisian serta aliran kerja ejen. Outputnya ialah teks: penjelasan, maklumat diekstrak, kod, rancangan atau permintaan alat. Pro berada di antara Nova Lite yang lebih ringan dan kerja konteks panjang lebih mencabar yang ditangani Premier; profil ini menerangkan edisi Pro v1 asal, bukannya model Nova 2.
Panduan Nova generasi pertama menyenaraikan tetingkap konteks 300K token dan output maksimum 10K token. Tarikh akhir pengetahuan yang didokumenkan ialah Oktober 2024. Aliran kerja praktikal boleh menggabungkan petikan rujukan, kandungan dokumen, bukti visual dan perbualan terkini, kemudian memulangkan hasil ringkas. Untuk semakan teknikal, berikan kod berkaitan, tingkah laku yang diperhatikan dan kekangan, lalu minta cadangan perubahan berserta sebab. Untuk laporan, namakan sumber dan medan untuk dibandingkan. Pisahkan bukti daripada arahan supaya model boleh membezakan kenyataan dokumen daripada kesimpulan yang ingin disiasat.
Amazon mendokumenkan keupayaan Pro menjawab soalan visual, mengelaskan atau meringkaskan imej dan memulangkan kotak pembatas bagi objek tertentu. Panduan imej generasi pertama menggunakan skala koordinat [0, 1000), yang ditukar kepada dimensi imej asal oleh aplikasi pengguna. Imej diskalakan semula secara automatik, dengan resolusi maksimum 8,000 × 8,000 piksel yang didokumenkan. Ini menyokong kerja seperti mengenal pasti unsur dalam tangkapan skrin atau menerangkan rajah. Pelihara teks yang boleh dibaca dan konteks visual utama, serta minta pemerhatian berkaitan sebelum meminta tafsiran.
Format imej pengeluar yang disokong termasuk PNG, JPG/JPEG, GIF dan WebP. Aliran kerja dokumen menerima PDF, DOC/DOCX, CSV, XLS/XLSX, HTML, TXT dan Markdown. Format berasaskan teks menyumbangkan teks, manakala PDF dan DOCX boleh ditafsir bersama unsur visual seperti carta serta jadual. Panduan dokumen membenarkan sehingga lima dokumen dan mengehadkan setiap dokumen teks kepada 4.5 MB. Ia mengecualikan kandungan PDF yang menggunakan imej CMYK atau SVG serta pengekodan tidak disokong seperti JPEG2000 dan JBIG2. Jika tugasan hanya memerlukan perkataan dalam PDF, teks diekstrak memberikan input lebih mudah berbanding pembacaan visual halaman. Media terbenam berkongsi bajet muatan 25 MB, termasuk overhed base64. Permintaan mengandungi satu video, terhad kepada 1 GB melalui S3; gabungan media S3 boleh berjumlah 2 GB. Input PDF dan DOCX kekal terhad kepada lima dokumen, dengan peruntukan gabungan 25 MB untuk muat naik langsung atau 2 GB melalui S3.
Pro boleh menganalisis format video lazim termasuk MP4, MOV, MKV dan WebM. Strategi pensampelan version1 menggunakan satu bingkai sesaat untuk klip sehingga 16 minit, kemudian 960 bingkai diagihkan sepanjang klip yang lebih panjang. Ini mengutamakan ringkasan peringkat adegan berbanding analisis tepat tindakan sangat pantas, khususnya apabila video semakin panjang. Amazon mengesyorkan klip pergerakan tinggi di bawah 16 minit dan klip pergerakan rendah di bawah satu jam. Bekalkan segmen berkaitan dan kenal pasti peristiwa atau hubungan yang kelihatan untuk diperiksa; transkrip perlu membawa maklumat pertuturan kerana modaliti input yang didokumenkan tidak merangkumi audio. Pengeluar turut menyatakan model ini tidak mengenal pasti atau menamakan orang dalam imej, dokumen atau video.
Pro menyokong penstriman respons, panggilan fungsi yang dilaksanakan klien dan tugasan diperkaya perolehan semula. Ia juga menyokong 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. Terangkan alat dan argumennya, biarkan aplikasi melaksanakan permintaan, kemudian pulangkan pemerhatian atau ralat sebelum meminta model meneruskan. Nova generasi pertama boleh diarahkan menyelesaikan masalah secara berperingkat, tetapi itu berbeza daripada mod pemikiran lanjutan yang dikonfigurasi berasingan dan alat terbina dalam Nova 2 Lite. Pro juga menjadi model guru penyulingan untuk Nova Micro dan Lite, dan Amazon mendokumenkan penalaan halus tersuai Pro; model tersuai tersebut mengekalkan identiti sendiri.
Panduan version1 menerangkan latihan merentas lebih 200 bahasa dengan pengoptimuman untuk 15 bahasa, termasuk bahasa Inggeris, Jerman, Sepanyol, Perancis, Itali, Jepun, Korea, Arab, Cina Ringkas, Rusia, Hindi, Portugis, Belanda, Turki dan Ibrani. Nyatakan bahasa dan istilah yang diperlukan, bukannya menganggap prestasi seragam merentas dialek. Untuk aliran kerja boleh guna semula, nyatakan struktur akhir dan bukti sumber yang perlu dibawa setiap medan. Pro boleh memulangkan dakwaan munasabah tetapi salah atau kod yang belum dilaksanakan; membekalkan fakta jelas dan membezakan hasil alat daripada cadangan menjadikan output lebih mudah digunakan serta disahkan.
", "aboutText": "Amazon Nova Pro ialah model pemahaman multimodal seimbang dalam keluarga Nova generasi pertama Amazon. Ia menggabungkan pemahaman teks, imej dan video untuk tugasan daripada menjawab soalan dokumen dan analisis visual hingga kerja perisian serta aliran kerja ejen. Outputnya ialah teks: penjelasan, maklumat diekstrak, kod, rancangan atau permintaan alat. Pro berada di antara Nova Lite yang lebih ringan dan kerja konteks panjang lebih mencabar yang ditangani Premier; profil ini menerangkan edisi Pro v1 asal, bukannya model Nova 2.\n\nPanduan Nova generasi pertama menyenaraikan tetingkap konteks 300K token dan output maksimum 10K token. Tarikh akhir pengetahuan yang didokumenkan ialah Oktober 2024. Aliran kerja praktikal boleh menggabungkan petikan rujukan, kandungan dokumen, bukti visual dan perbualan terkini, kemudian memulangkan hasil ringkas. Untuk semakan teknikal, berikan kod berkaitan, tingkah laku yang diperhatikan dan kekangan, lalu minta cadangan perubahan berserta sebab. Untuk laporan, namakan sumber dan medan untuk dibandingkan. Pisahkan bukti daripada arahan supaya model boleh membezakan kenyataan dokumen daripada kesimpulan yang ingin disiasat.\n\nAmazon mendokumenkan keupayaan Pro menjawab soalan visual, mengelaskan atau meringkaskan imej dan memulangkan kotak pembatas bagi objek tertentu. Panduan imej generasi pertama menggunakan skala koordinat [0, 1000), yang ditukar kepada dimensi imej asal oleh aplikasi pengguna. Imej diskalakan semula secara automatik, dengan resolusi maksimum 8,000 × 8,000 piksel yang didokumenkan. Ini menyokong kerja seperti mengenal pasti unsur dalam tangkapan skrin atau menerangkan rajah. Pelihara teks yang boleh dibaca dan konteks visual utama, serta minta pemerhatian berkaitan sebelum meminta tafsiran.\n\nFormat imej pengeluar yang disokong termasuk PNG, JPG/JPEG, GIF dan WebP. Aliran kerja dokumen menerima PDF, DOC/DOCX, CSV, XLS/XLSX, HTML, TXT dan Markdown. Format berasaskan teks menyumbangkan teks, manakala PDF dan DOCX boleh ditafsir bersama unsur visual seperti carta serta jadual. Panduan dokumen membenarkan sehingga lima dokumen dan mengehadkan setiap dokumen teks kepada 4.5 MB. Ia mengecualikan kandungan PDF yang menggunakan imej CMYK atau SVG serta pengekodan tidak disokong seperti JPEG2000 dan JBIG2. Jika tugasan hanya memerlukan perkataan dalam PDF, teks diekstrak memberikan input lebih mudah berbanding pembacaan visual halaman. Media terbenam berkongsi bajet muatan 25 MB, termasuk overhed base64. Permintaan mengandungi satu video, terhad kepada 1 GB melalui S3; gabungan media S3 boleh berjumlah 2 GB. Input PDF dan DOCX kekal terhad kepada lima dokumen, dengan peruntukan gabungan 25 MB untuk muat naik langsung atau 2 GB melalui S3.\n\nPro boleh menganalisis format video lazim termasuk MP4, MOV, MKV dan WebM. Strategi pensampelan version1 menggunakan satu bingkai sesaat untuk klip sehingga 16 minit, kemudian 960 bingkai diagihkan sepanjang klip yang lebih panjang. Ini mengutamakan ringkasan peringkat adegan berbanding analisis tepat tindakan sangat pantas, khususnya apabila video semakin panjang. Amazon mengesyorkan klip pergerakan tinggi di bawah 16 minit dan klip pergerakan rendah di bawah satu jam. Bekalkan segmen berkaitan dan kenal pasti peristiwa atau hubungan yang kelihatan untuk diperiksa; transkrip perlu membawa maklumat pertuturan kerana modaliti input yang didokumenkan tidak merangkumi audio. Pengeluar turut menyatakan model ini tidak mengenal pasti atau menamakan orang dalam imej, dokumen atau video.\n\nPro menyokong penstriman respons, panggilan fungsi yang dilaksanakan klien dan tugasan diperkaya perolehan semula. Ia juga menyokong 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. Terangkan alat dan argumennya, biarkan aplikasi melaksanakan permintaan, kemudian pulangkan pemerhatian atau ralat sebelum meminta model meneruskan. Nova generasi pertama boleh diarahkan menyelesaikan masalah secara berperingkat, tetapi itu berbeza daripada mod pemikiran lanjutan yang dikonfigurasi berasingan dan alat terbina dalam Nova 2 Lite. Pro juga menjadi model guru penyulingan untuk Nova Micro dan Lite, dan Amazon mendokumenkan penalaan halus tersuai Pro; model tersuai tersebut mengekalkan identiti sendiri.\n\nPanduan version1 menerangkan latihan merentas lebih 200 bahasa dengan pengoptimuman untuk 15 bahasa, termasuk bahasa Inggeris, Jerman, Sepanyol, Perancis, Itali, Jepun, Korea, Arab, Cina Ringkas, Rusia, Hindi, Portugis, Belanda, Turki dan Ibrani. Nyatakan bahasa dan istilah yang diperlukan, bukannya menganggap prestasi seragam merentas dialek. Untuk aliran kerja boleh guna semula, nyatakan struktur akhir dan bukti sumber yang perlu dibawa setiap medan. Pro boleh memulangkan dakwaan munasabah tetapi salah atau kod yang belum dilaksanakan; membekalkan fakta jelas dan membezakan hasil alat daripada cadangan menjadikan output lebih mudah digunakan serta disahkan.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Compare supplier delivery terms\n\nCompare these supplier notes for a purchasing manager. Note A: 120 units, delivery within 14 calendar days, damaged units reported within 48 hours. Note B: 120 units, delivery within 10 business days, damage reported within five calendar days. Give a three-row comparison and identify what prevents a reliable delivery-date comparison.A table covering quantity, delivery timing and damage reporting, followed by one clarification about the delivery calendar or start date.The answer preserves calendar versus business days and does not invent arrival dates.amazon/nova-pro-v1Amazon Nova Pro ialah model Nova generasi pertama yang seimbang untuk penaakulan merentas teks, imej, dokumen dan video. Ia menghasilkan teks untuk analisis visual, tugasan perisian, aliran kerja dokumen dan ejen yang menggabungkan bukti yang dibekalkan dengan alat.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Amazon Nova Pro ialah model pemahaman multimodal seimbang dalam keluarga Nova generasi pertama Amazon. Ia menggabungkan pemahaman teks, imej dan video untuk tugasan daripada menjawab soalan dokumen dan analisis visual hingga kerja perisian serta aliran kerja ejen. Outputnya ialah teks: penjelasan, maklumat diekstrak, kod, rancangan atau permintaan alat. Pro berada di antara Nova Lite yang lebih ringan dan kerja konteks panjang lebih mencabar yang ditangani Premier; profil ini menerangkan edisi Pro v1 asal, bukannya model Nova 2.
Panduan Nova generasi pertama menyenaraikan tetingkap konteks 300K token dan output maksimum 10K token. Tarikh akhir pengetahuan yang didokumenkan ialah Oktober 2024. Aliran kerja praktikal boleh menggabungkan petikan rujukan, kandungan dokumen, bukti visual dan perbualan terkini, kemudian memulangkan hasil ringkas. Untuk semakan teknikal, berikan kod berkaitan, tingkah laku yang diperhatikan dan kekangan, lalu minta cadangan perubahan berserta sebab. Untuk laporan, namakan sumber dan medan untuk dibandingkan. Pisahkan bukti daripada arahan supaya model boleh membezakan kenyataan dokumen daripada kesimpulan yang ingin disiasat.
Amazon mendokumenkan keupayaan Pro menjawab soalan visual, mengelaskan atau meringkaskan imej dan memulangkan kotak pembatas bagi objek tertentu. Panduan imej generasi pertama menggunakan skala koordinat [0, 1000), yang ditukar kepada dimensi imej asal oleh aplikasi pengguna. Imej diskalakan semula secara automatik, dengan resolusi maksimum 8,000 × 8,000 piksel yang didokumenkan. Ini menyokong kerja seperti mengenal pasti unsur dalam tangkapan skrin atau menerangkan rajah. Pelihara teks yang boleh dibaca dan konteks visual utama, serta minta pemerhatian berkaitan sebelum meminta tafsiran.
Format imej pengeluar yang disokong termasuk PNG, JPG/JPEG, GIF dan WebP. Aliran kerja dokumen menerima PDF, DOC/DOCX, CSV, XLS/XLSX, HTML, TXT dan Markdown. Format berasaskan teks menyumbangkan teks, manakala PDF dan DOCX boleh ditafsir bersama unsur visual seperti carta serta jadual. Panduan dokumen membenarkan sehingga lima dokumen dan mengehadkan setiap dokumen teks kepada 4.5 MB. Ia mengecualikan kandungan PDF yang menggunakan imej CMYK atau SVG serta pengekodan tidak disokong seperti JPEG2000 dan JBIG2. Jika tugasan hanya memerlukan perkataan dalam PDF, teks diekstrak memberikan input lebih mudah berbanding pembacaan visual halaman. Media terbenam berkongsi bajet muatan 25 MB, termasuk overhed base64. Permintaan mengandungi satu video, terhad kepada 1 GB melalui S3; gabungan media S3 boleh berjumlah 2 GB. Input PDF dan DOCX kekal terhad kepada lima dokumen, dengan peruntukan gabungan 25 MB untuk muat naik langsung atau 2 GB melalui S3.
Pro boleh menganalisis format video lazim termasuk MP4, MOV, MKV dan WebM. Strategi pensampelan version1 menggunakan satu bingkai sesaat untuk klip sehingga 16 minit, kemudian 960 bingkai diagihkan sepanjang klip yang lebih panjang. Ini mengutamakan ringkasan peringkat adegan berbanding analisis tepat tindakan sangat pantas, khususnya apabila video semakin panjang. Amazon mengesyorkan klip pergerakan tinggi di bawah 16 minit dan klip pergerakan rendah di bawah satu jam. Bekalkan segmen berkaitan dan kenal pasti peristiwa atau hubungan yang kelihatan untuk diperiksa; transkrip perlu membawa maklumat pertuturan kerana modaliti input yang didokumenkan tidak merangkumi audio. Pengeluar turut menyatakan model ini tidak mengenal pasti atau menamakan orang dalam imej, dokumen atau video.
Pro menyokong penstriman respons, panggilan fungsi yang dilaksanakan klien dan tugasan diperkaya perolehan semula. Ia juga menyokong 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. Terangkan alat dan argumennya, biarkan aplikasi melaksanakan permintaan, kemudian pulangkan pemerhatian atau ralat sebelum meminta model meneruskan. Nova generasi pertama boleh diarahkan menyelesaikan masalah secara berperingkat, tetapi itu berbeza daripada mod pemikiran lanjutan yang dikonfigurasi berasingan dan alat terbina dalam Nova 2 Lite. Pro juga menjadi model guru penyulingan untuk Nova Micro dan Lite, dan Amazon mendokumenkan penalaan halus tersuai Pro; model tersuai tersebut mengekalkan identiti sendiri.
Panduan version1 menerangkan latihan merentas lebih 200 bahasa dengan pengoptimuman untuk 15 bahasa, termasuk bahasa Inggeris, Jerman, Sepanyol, Perancis, Itali, Jepun, Korea, Arab, Cina Ringkas, Rusia, Hindi, Portugis, Belanda, Turki dan Ibrani. Nyatakan bahasa dan istilah yang diperlukan, bukannya menganggap prestasi seragam merentas dialek. Untuk aliran kerja boleh guna semula, nyatakan struktur akhir dan bukti sumber yang perlu dibawa setiap medan. Pro boleh memulangkan dakwaan munasabah tetapi salah atau kod yang belum dilaksanakan; membekalkan fakta jelas dan membezakan hasil alat daripada cadangan menjadikan output lebih mudah digunakan serta disahkan.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had amazon/nova-pro-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 $0.0016 / 1K token Output · Token output $0.0064 / 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 $0.0016 / 1K token Output · Token output $0.0064 / 1K token Input · Bacaan cache — / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "amazon/nova-pro-v1", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='amazon/nova-pro-v1',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='amazon/nova-pro-v1',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson atau SSE
Simpan setiap respons lengkap, 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-pro-v1
Gunakan laluan kaedah yang dipaparkan di atas.
amazon/nova-pro-v1Amazon Nova Pro ialah model Nova generasi pertama yang seimbang untuk penaakulan merentas teks, imej, dokumen dan video. Ia menghasilkan teks untuk analisis visual, tugasan perisian, aliran kerja dokumen dan ejen yang menggabungkan bukti yang dibekalkan dengan alat.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Amazon Nova Pro ialah model pemahaman multimodal seimbang dalam keluarga Nova generasi pertama Amazon. Ia menggabungkan pemahaman teks, imej dan video untuk tugasan daripada menjawab soalan dokumen dan analisis visual hingga kerja perisian serta aliran kerja ejen. Outputnya ialah teks: penjelasan, maklumat diekstrak, kod, rancangan atau permintaan alat. Pro berada di antara Nova Lite yang lebih ringan dan kerja konteks panjang lebih mencabar yang ditangani Premier; profil ini menerangkan edisi Pro v1 asal, bukannya model Nova 2.
Panduan Nova generasi pertama menyenaraikan tetingkap konteks 300K token dan output maksimum 10K token. Tarikh akhir pengetahuan yang didokumenkan ialah Oktober 2024. Aliran kerja praktikal boleh menggabungkan petikan rujukan, kandungan dokumen, bukti visual dan perbualan terkini, kemudian memulangkan hasil ringkas. Untuk semakan teknikal, berikan kod berkaitan, tingkah laku yang diperhatikan dan kekangan, lalu minta cadangan perubahan berserta sebab. Untuk laporan, namakan sumber dan medan untuk dibandingkan. Pisahkan bukti daripada arahan supaya model boleh membezakan kenyataan dokumen daripada kesimpulan yang ingin disiasat.
Amazon mendokumenkan keupayaan Pro menjawab soalan visual, mengelaskan atau meringkaskan imej dan memulangkan kotak pembatas bagi objek tertentu. Panduan imej generasi pertama menggunakan skala koordinat [0, 1000), yang ditukar kepada dimensi imej asal oleh aplikasi pengguna. Imej diskalakan semula secara automatik, dengan resolusi maksimum 8,000 × 8,000 piksel yang didokumenkan. Ini menyokong kerja seperti mengenal pasti unsur dalam tangkapan skrin atau menerangkan rajah. Pelihara teks yang boleh dibaca dan konteks visual utama, serta minta pemerhatian berkaitan sebelum meminta tafsiran.
Format imej pengeluar yang disokong termasuk PNG, JPG/JPEG, GIF dan WebP. Aliran kerja dokumen menerima PDF, DOC/DOCX, CSV, XLS/XLSX, HTML, TXT dan Markdown. Format berasaskan teks menyumbangkan teks, manakala PDF dan DOCX boleh ditafsir bersama unsur visual seperti carta serta jadual. Panduan dokumen membenarkan sehingga lima dokumen dan mengehadkan setiap dokumen teks kepada 4.5 MB. Ia mengecualikan kandungan PDF yang menggunakan imej CMYK atau SVG serta pengekodan tidak disokong seperti JPEG2000 dan JBIG2. Jika tugasan hanya memerlukan perkataan dalam PDF, teks diekstrak memberikan input lebih mudah berbanding pembacaan visual halaman. Media terbenam berkongsi bajet muatan 25 MB, termasuk overhed base64. Permintaan mengandungi satu video, terhad kepada 1 GB melalui S3; gabungan media S3 boleh berjumlah 2 GB. Input PDF dan DOCX kekal terhad kepada lima dokumen, dengan peruntukan gabungan 25 MB untuk muat naik langsung atau 2 GB melalui S3.
Pro boleh menganalisis format video lazim termasuk MP4, MOV, MKV dan WebM. Strategi pensampelan version1 menggunakan satu bingkai sesaat untuk klip sehingga 16 minit, kemudian 960 bingkai diagihkan sepanjang klip yang lebih panjang. Ini mengutamakan ringkasan peringkat adegan berbanding analisis tepat tindakan sangat pantas, khususnya apabila video semakin panjang. Amazon mengesyorkan klip pergerakan tinggi di bawah 16 minit dan klip pergerakan rendah di bawah satu jam. Bekalkan segmen berkaitan dan kenal pasti peristiwa atau hubungan yang kelihatan untuk diperiksa; transkrip perlu membawa maklumat pertuturan kerana modaliti input yang didokumenkan tidak merangkumi audio. Pengeluar turut menyatakan model ini tidak mengenal pasti atau menamakan orang dalam imej, dokumen atau video.
Pro menyokong penstriman respons, panggilan fungsi yang dilaksanakan klien dan tugasan diperkaya perolehan semula. Ia juga menyokong 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. Terangkan alat dan argumennya, biarkan aplikasi melaksanakan permintaan, kemudian pulangkan pemerhatian atau ralat sebelum meminta model meneruskan. Nova generasi pertama boleh diarahkan menyelesaikan masalah secara berperingkat, tetapi itu berbeza daripada mod pemikiran lanjutan yang dikonfigurasi berasingan dan alat terbina dalam Nova 2 Lite. Pro juga menjadi model guru penyulingan untuk Nova Micro dan Lite, dan Amazon mendokumenkan penalaan halus tersuai Pro; model tersuai tersebut mengekalkan identiti sendiri.
Panduan version1 menerangkan latihan merentas lebih 200 bahasa dengan pengoptimuman untuk 15 bahasa, termasuk bahasa Inggeris, Jerman, Sepanyol, Perancis, Itali, Jepun, Korea, Arab, Cina Ringkas, Rusia, Hindi, Portugis, Belanda, Turki dan Ibrani. Nyatakan bahasa dan istilah yang diperlukan, bukannya menganggap prestasi seragam merentas dialek. Untuk aliran kerja boleh guna semula, nyatakan struktur akhir dan bukti sumber yang perlu dibawa setiap medan. Pro boleh memulangkan dakwaan munasabah tetapi salah atau kod yang belum dilaksanakan; membekalkan fakta jelas dan membezakan hasil alat daripada cadangan menjadikan output lebih mudah digunakan serta disahkan.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had amazon/nova-pro-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 $0.0016 / 1K token Output · Token output $0.0064 / 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 $0.0016 / 1K token Output · Token output $0.0064 / 1K token Input · Bacaan cache — / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "amazon/nova-pro-v1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'amazon/nova-pro-v1', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'amazon/nova-pro-v1', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON atau SSE
Simpan setiap respons lengkap, 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-pro-v1
Gunakan laluan kaedah yang dipaparkan di atas.
Contoh teknikal dalam bahasa Inggeris
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.