Amazon Nova 2 Lite is het multimodale begripsmodel van de tweede generatie van Amazon voor dagelijks bedrijfswerk en veeleisendere agenttaken. Het accepteert tekst, afbeeldingen en video, waaronder documentinhoud, en produceert tekst. Praktisch werk omvat supportantwoorden op basis van aangeleverd materiaal, informatie uit rapporten extraheren, grafieken of schermafbeeldingen analyseren, code beoordelen en visuele gebeurtenissen samenvatten. Het is een begripsmodel: video-invoer wordt geanalyseerd in plaats van opnieuw gegenereerd en de gedocumenteerde uitvoer is tekst in plaats van rechtstreeks gegenereerde afbeeldingen, video of spraak.
Het modelprofiel van de producent vermeldt een contextvenster van 1 miljoen tokens en een standaard maximale uitvoer van 64K tokens. De gedocumenteerde kennisgrens is oktober 2025. Deze grotere werkcontext onderscheidt Nova 2 Lite van het venster van 300K van Nova Lite uit de eerste generatie. Gebruik de ruimte voor de daadwerkelijke brondocumenten, relevant gesprek, code en instructies en vraag vervolgens om een gericht resultaat, zoals een bewijstabel, wijzigingsvoorstel of samenvatting per bron. Een lange context verandert aangeleerde kennis niet in een live database; informatie die verandert moet uit aangeleverd bewijs, opgehaalde bronnen of een ingeschakelde tool voor brononderbouwing komen.
Uitgebreid redeneren is optioneel en staat standaard uit. Als het is ingeschakeld, biedt de producent de inspanningsniveaus low, medium en high: low voor matig complexe analyse, medium voor substantieel werk in meerdere stappen en high voor de diepste redenering. Eenvoudige extractie en korte feitelijke antwoorden kunnen met uitgeschakeld redeneren werken; moeilijk debugwerk, wiskundige redenering en synthese tussen documenten kunnen profiteren van extra inspanning. Redeneerinhoud wordt teruggegeven als [REDACTED] en is dus geen leesbaar spoor van afzonderlijke stappen. Het contract voor hoge inspanning vereist het weglaten van temperature, topP, topK en maxTokens; Amazon documenteert dat sommige resultaten bij hoge inspanning meer dan 65K tokens kunnen omvatten en 128K kunnen bereiken, in plaats van 128K als gewone uitvoerruimte te definiëren.
Nova 2 Lite ondersteunt functieaanroepen, antwoordstreaming en promptcaching in het gedocumenteerde gebruiksprofiel van Amazon. Expliciete caching vereist minstens 1K tokens per checkpoint en staat maximaal vier checkpoints met een bewaartermijn van vijf minuten toe. De producent beperkt promptcaching tot 20K tokens, voornamelijk voor tekstprompts; die cacheruimte staat los van het volledige contextvenster. Lever duidelijke toolnamen, beschrijvingen en argumentschema's aan; het model kiest een tool en vraagt argumenten aan, terwijl de applicatie aangepaste tools uitvoert en hun resultaten teruggeeft. Amazon documenteert ook optionele ingebouwde Web Grounding voor actuele informatie met bronverwijzingen en een Python Code Interpreter voor berekeningen. Dit zijn geconfigureerde tools en geen activiteiten die in elk antwoord besloten liggen. Amazon documenteert ook supervised fine-tuning en reinforcement fine-tuning om Nova 2 Lite aan een gespecialiseerde taak aan te passen; dit zijn afzonderlijke workflows voor modelaanpassing. Voor een cijfermatig rapport scheidt een bruikbare briefing de broncijfers, de uit te voeren berekening en de terug te geven uitleg; toolfouten moeten zichtbaar blijven in het teruggegeven resultaat in plaats van als geslaagde waarnemingen te worden behandeld.
De multimodale handleiding vermeldt PNG-, JPEG-, GIF- en WebP-afbeeldingen; bij geanimeerde GIF of WebP wordt alleen het eerste frame gebruikt. Videoformaten omvatten MP4, MOV, MKV, WebM, FLV, MPEG, MPG, WMV en 3GP. Documentformaten omvatten PDF, DOC/DOCX, TXT, CSV, XLS/XLSX, HTML en Markdown. Tekstgebaseerde formaten worden hoofdzakelijk als tekst gelezen, terwijl PDF en DOCX tekst en paginabeelden kunnen combineren. De documentworkflow van de producent staat maximaal vijf documenten toe en beperkt elk tekstdocument tot 4.5 MB. Het profiel voor ingesloten afbeeldingen staat vijf afbeeldingen en een payload van 25 MB toe; beeldinvoer via S3 staat maximaal 1,000 afbeeldingen en 2 GB in totaal toe. Video-invoer staat één bestand toe: 25 MB ingesloten of 1 GB via S3. PDF- en DOCX-bestanden delen een gezamenlijke ruimte van 25 MB voor directe upload of 2 GB via S3. PDF's met CMYK- of SVG-afbeeldingen worden niet ondersteund. Deze details voor bestandsverwerking horen bij de gedocumenteerde workflow van de producent; voeg de daadwerkelijk relevante inhoud toe en behoud pagina- of sectielabels voor bruikbare verwijzingen.
Videobegrip gebruikt visuele frames in plaats van het audiospoor. Voor video's van 16 minuten of korter beschrijft de handleiding één bemonsterd frame per seconde; de lopende tekst beschrijft een verlaagde bemonsteringsfrequentie voor langere clips om 960 frames te behouden. Snelle handelingen tussen frames kunnen daardoor worden gemist. Kies bij voorkeur een relevante clip en een expliciete vraag over scènes of gebeurtenissen; lever een afzonderlijk transcript aan wanneer gesproken informatie belangrijk is. Kleine of meertalige tekst en precieze ruimtelijke relaties kunnen ook lastig zijn. Behoud daarom leesbare labels en voldoende omringende visuele context. De producent stelt ook dat dit model mensen in afbeeldingen, documenten of video's niet identificeert of bij naam noemt.
Amazon documenteert ondersteuning voor meer dan 200 talen, met optimalisatie voor Engels, Duits, Spaans, Frans, Italiaans, Japans, Koreaans, Arabisch, Vereenvoudigd Chinees, Russisch, Hindi, Portugees, Nederlands, Turks en Hebreeuws. Geef de vereiste uitvoertaal en terminologie aan, vooral wanneer bronnen meerdere talen gebruiken. Specificeer voor een documentworkflow de vragen, bewijsidentificaties en eindstructuur en vraag het model vervolgens om vermelde feiten te onderscheiden van ontbrekende informatie. Het bruikbare resultaat is een antwoord op basis van bronnen of een werkstuk op basis van toolinformatie, geen aanname dat elk detail uit een grote invoer is vastgelegd.
", "aboutText": "Amazon Nova 2 Lite is het multimodale begripsmodel van de tweede generatie van Amazon voor dagelijks bedrijfswerk en veeleisendere agenttaken. Het accepteert tekst, afbeeldingen en video, waaronder documentinhoud, en produceert tekst. Praktisch werk omvat supportantwoorden op basis van aangeleverd materiaal, informatie uit rapporten extraheren, grafieken of schermafbeeldingen analyseren, code beoordelen en visuele gebeurtenissen samenvatten. Het is een begripsmodel: video-invoer wordt geanalyseerd in plaats van opnieuw gegenereerd en de gedocumenteerde uitvoer is tekst in plaats van rechtstreeks gegenereerde afbeeldingen, video of spraak.\n\nHet modelprofiel van de producent vermeldt een contextvenster van 1 miljoen tokens en een standaard maximale uitvoer van 64K tokens. De gedocumenteerde kennisgrens is oktober 2025. Deze grotere werkcontext onderscheidt Nova 2 Lite van het venster van 300K van Nova Lite uit de eerste generatie. Gebruik de ruimte voor de daadwerkelijke brondocumenten, relevant gesprek, code en instructies en vraag vervolgens om een gericht resultaat, zoals een bewijstabel, wijzigingsvoorstel of samenvatting per bron. Een lange context verandert aangeleerde kennis niet in een live database; informatie die verandert moet uit aangeleverd bewijs, opgehaalde bronnen of een ingeschakelde tool voor brononderbouwing komen.\n\nUitgebreid redeneren is optioneel en staat standaard uit. Als het is ingeschakeld, biedt de producent de inspanningsniveaus low, medium en high: low voor matig complexe analyse, medium voor substantieel werk in meerdere stappen en high voor de diepste redenering. Eenvoudige extractie en korte feitelijke antwoorden kunnen met uitgeschakeld redeneren werken; moeilijk debugwerk, wiskundige redenering en synthese tussen documenten kunnen profiteren van extra inspanning. Redeneerinhoud wordt teruggegeven als [REDACTED] en is dus geen leesbaar spoor van afzonderlijke stappen. Het contract voor hoge inspanning vereist het weglaten van temperature, topP, topK en maxTokens; Amazon documenteert dat sommige resultaten bij hoge inspanning meer dan 65K tokens kunnen omvatten en 128K kunnen bereiken, in plaats van 128K als gewone uitvoerruimte te definiëren.\n\nNova 2 Lite ondersteunt functieaanroepen, antwoordstreaming en promptcaching in het gedocumenteerde gebruiksprofiel van Amazon. Expliciete caching vereist minstens 1K tokens per checkpoint en staat maximaal vier checkpoints met een bewaartermijn van vijf minuten toe. De producent beperkt promptcaching tot 20K tokens, voornamelijk voor tekstprompts; die cacheruimte staat los van het volledige contextvenster. Lever duidelijke toolnamen, beschrijvingen en argumentschema's aan; het model kiest een tool en vraagt argumenten aan, terwijl de applicatie aangepaste tools uitvoert en hun resultaten teruggeeft. Amazon documenteert ook optionele ingebouwde Web Grounding voor actuele informatie met bronverwijzingen en een Python Code Interpreter voor berekeningen. Dit zijn geconfigureerde tools en geen activiteiten die in elk antwoord besloten liggen. Amazon documenteert ook supervised fine-tuning en reinforcement fine-tuning om Nova 2 Lite aan een gespecialiseerde taak aan te passen; dit zijn afzonderlijke workflows voor modelaanpassing. Voor een cijfermatig rapport scheidt een bruikbare briefing de broncijfers, de uit te voeren berekening en de terug te geven uitleg; toolfouten moeten zichtbaar blijven in het teruggegeven resultaat in plaats van als geslaagde waarnemingen te worden behandeld.\n\nDe multimodale handleiding vermeldt PNG-, JPEG-, GIF- en WebP-afbeeldingen; bij geanimeerde GIF of WebP wordt alleen het eerste frame gebruikt. Videoformaten omvatten MP4, MOV, MKV, WebM, FLV, MPEG, MPG, WMV en 3GP. Documentformaten omvatten PDF, DOC/DOCX, TXT, CSV, XLS/XLSX, HTML en Markdown. Tekstgebaseerde formaten worden hoofdzakelijk als tekst gelezen, terwijl PDF en DOCX tekst en paginabeelden kunnen combineren. De documentworkflow van de producent staat maximaal vijf documenten toe en beperkt elk tekstdocument tot 4.5 MB. Het profiel voor ingesloten afbeeldingen staat vijf afbeeldingen en een payload van 25 MB toe; beeldinvoer via S3 staat maximaal 1,000 afbeeldingen en 2 GB in totaal toe. Video-invoer staat één bestand toe: 25 MB ingesloten of 1 GB via S3. PDF- en DOCX-bestanden delen een gezamenlijke ruimte van 25 MB voor directe upload of 2 GB via S3. PDF's met CMYK- of SVG-afbeeldingen worden niet ondersteund. Deze details voor bestandsverwerking horen bij de gedocumenteerde workflow van de producent; voeg de daadwerkelijk relevante inhoud toe en behoud pagina- of sectielabels voor bruikbare verwijzingen.\n\nVideobegrip gebruikt visuele frames in plaats van het audiospoor. Voor video's van 16 minuten of korter beschrijft de handleiding één bemonsterd frame per seconde; de lopende tekst beschrijft een verlaagde bemonsteringsfrequentie voor langere clips om 960 frames te behouden. Snelle handelingen tussen frames kunnen daardoor worden gemist. Kies bij voorkeur een relevante clip en een expliciete vraag over scènes of gebeurtenissen; lever een afzonderlijk transcript aan wanneer gesproken informatie belangrijk is. Kleine of meertalige tekst en precieze ruimtelijke relaties kunnen ook lastig zijn. Behoud daarom leesbare labels en voldoende omringende visuele context. De producent stelt ook dat dit model mensen in afbeeldingen, documenten of video's niet identificeert of bij naam noemt.\n\nAmazon documenteert ondersteuning voor meer dan 200 talen, met optimalisatie voor Engels, Duits, Spaans, Frans, Italiaans, Japans, Koreaans, Arabisch, Vereenvoudigd Chinees, Russisch, Hindi, Portugees, Nederlands, Turks en Hebreeuws. Geef de vereiste uitvoertaal en terminologie aan, vooral wanneer bronnen meerdere talen gebruiken. Specificeer voor een documentworkflow de vragen, bewijsidentificaties en eindstructuur en vraag het model vervolgens om vermelde feiten te onderscheiden van ontbrekende informatie. Het bruikbare resultaat is een antwoord op basis van bronnen of een werkstuk op basis van toolinformatie, geen aanname dat elk detail uit een grote invoer is vastgelegd.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
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 combineert begrip van tekst, afbeeldingen, documenten en video met optioneel uitgebreid redeneren en toolgebruik. De context van een miljoen tokens ondersteunt documentworkflows, codewerk en agents die over meerdere stappen moeten redeneren.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Amazon Nova 2 Lite is het multimodale begripsmodel van de tweede generatie van Amazon voor dagelijks bedrijfswerk en veeleisendere agenttaken. Het accepteert tekst, afbeeldingen en video, waaronder documentinhoud, en produceert tekst. Praktisch werk omvat supportantwoorden op basis van aangeleverd materiaal, informatie uit rapporten extraheren, grafieken of schermafbeeldingen analyseren, code beoordelen en visuele gebeurtenissen samenvatten. Het is een begripsmodel: video-invoer wordt geanalyseerd in plaats van opnieuw gegenereerd en de gedocumenteerde uitvoer is tekst in plaats van rechtstreeks gegenereerde afbeeldingen, video of spraak.
Het modelprofiel van de producent vermeldt een contextvenster van 1 miljoen tokens en een standaard maximale uitvoer van 64K tokens. De gedocumenteerde kennisgrens is oktober 2025. Deze grotere werkcontext onderscheidt Nova 2 Lite van het venster van 300K van Nova Lite uit de eerste generatie. Gebruik de ruimte voor de daadwerkelijke brondocumenten, relevant gesprek, code en instructies en vraag vervolgens om een gericht resultaat, zoals een bewijstabel, wijzigingsvoorstel of samenvatting per bron. Een lange context verandert aangeleerde kennis niet in een live database; informatie die verandert moet uit aangeleverd bewijs, opgehaalde bronnen of een ingeschakelde tool voor brononderbouwing komen.
Uitgebreid redeneren is optioneel en staat standaard uit. Als het is ingeschakeld, biedt de producent de inspanningsniveaus low, medium en high: low voor matig complexe analyse, medium voor substantieel werk in meerdere stappen en high voor de diepste redenering. Eenvoudige extractie en korte feitelijke antwoorden kunnen met uitgeschakeld redeneren werken; moeilijk debugwerk, wiskundige redenering en synthese tussen documenten kunnen profiteren van extra inspanning. Redeneerinhoud wordt teruggegeven als [REDACTED] en is dus geen leesbaar spoor van afzonderlijke stappen. Het contract voor hoge inspanning vereist het weglaten van temperature, topP, topK en maxTokens; Amazon documenteert dat sommige resultaten bij hoge inspanning meer dan 65K tokens kunnen omvatten en 128K kunnen bereiken, in plaats van 128K als gewone uitvoerruimte te definiëren.
Nova 2 Lite ondersteunt functieaanroepen, antwoordstreaming en promptcaching in het gedocumenteerde gebruiksprofiel van Amazon. Expliciete caching vereist minstens 1K tokens per checkpoint en staat maximaal vier checkpoints met een bewaartermijn van vijf minuten toe. De producent beperkt promptcaching tot 20K tokens, voornamelijk voor tekstprompts; die cacheruimte staat los van het volledige contextvenster. Lever duidelijke toolnamen, beschrijvingen en argumentschema's aan; het model kiest een tool en vraagt argumenten aan, terwijl de applicatie aangepaste tools uitvoert en hun resultaten teruggeeft. Amazon documenteert ook optionele ingebouwde Web Grounding voor actuele informatie met bronverwijzingen en een Python Code Interpreter voor berekeningen. Dit zijn geconfigureerde tools en geen activiteiten die in elk antwoord besloten liggen. Amazon documenteert ook supervised fine-tuning en reinforcement fine-tuning om Nova 2 Lite aan een gespecialiseerde taak aan te passen; dit zijn afzonderlijke workflows voor modelaanpassing. Voor een cijfermatig rapport scheidt een bruikbare briefing de broncijfers, de uit te voeren berekening en de terug te geven uitleg; toolfouten moeten zichtbaar blijven in het teruggegeven resultaat in plaats van als geslaagde waarnemingen te worden behandeld.
De multimodale handleiding vermeldt PNG-, JPEG-, GIF- en WebP-afbeeldingen; bij geanimeerde GIF of WebP wordt alleen het eerste frame gebruikt. Videoformaten omvatten MP4, MOV, MKV, WebM, FLV, MPEG, MPG, WMV en 3GP. Documentformaten omvatten PDF, DOC/DOCX, TXT, CSV, XLS/XLSX, HTML en Markdown. Tekstgebaseerde formaten worden hoofdzakelijk als tekst gelezen, terwijl PDF en DOCX tekst en paginabeelden kunnen combineren. De documentworkflow van de producent staat maximaal vijf documenten toe en beperkt elk tekstdocument tot 4.5 MB. Het profiel voor ingesloten afbeeldingen staat vijf afbeeldingen en een payload van 25 MB toe; beeldinvoer via S3 staat maximaal 1,000 afbeeldingen en 2 GB in totaal toe. Video-invoer staat één bestand toe: 25 MB ingesloten of 1 GB via S3. PDF- en DOCX-bestanden delen een gezamenlijke ruimte van 25 MB voor directe upload of 2 GB via S3. PDF's met CMYK- of SVG-afbeeldingen worden niet ondersteund. Deze details voor bestandsverwerking horen bij de gedocumenteerde workflow van de producent; voeg de daadwerkelijk relevante inhoud toe en behoud pagina- of sectielabels voor bruikbare verwijzingen.
Videobegrip gebruikt visuele frames in plaats van het audiospoor. Voor video's van 16 minuten of korter beschrijft de handleiding één bemonsterd frame per seconde; de lopende tekst beschrijft een verlaagde bemonsteringsfrequentie voor langere clips om 960 frames te behouden. Snelle handelingen tussen frames kunnen daardoor worden gemist. Kies bij voorkeur een relevante clip en een expliciete vraag over scènes of gebeurtenissen; lever een afzonderlijk transcript aan wanneer gesproken informatie belangrijk is. Kleine of meertalige tekst en precieze ruimtelijke relaties kunnen ook lastig zijn. Behoud daarom leesbare labels en voldoende omringende visuele context. De producent stelt ook dat dit model mensen in afbeeldingen, documenten of video's niet identificeert of bij naam noemt.
Amazon documenteert ondersteuning voor meer dan 200 talen, met optimalisatie voor Engels, Duits, Spaans, Frans, Italiaans, Japans, Koreaans, Arabisch, Vereenvoudigd Chinees, Russisch, Hindi, Portugees, Nederlands, Turks en Hebreeuws. Geef de vereiste uitvoertaal en terminologie aan, vooral wanneer bronnen meerdere talen gebruiken. Specificeer voor een documentworkflow de vragen, bewijsidentificaties en eindstructuur en vraag het model vervolgens om vermelde feiten te onderscheiden van ontbrekende informatie. Het bruikbare resultaat is een antwoord op basis van bronnen of een werkstuk op basis van toolinformatie, geen aanname dat elk detail uit een grote invoer is vastgelegd.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten amazon/nova-2-lite-v1 | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten Minimumaantal items: 1 | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten Voorbeelden: system, user, assistant, tool, function Voorwaarden: Deze rollen worden expliciet weergegeven door compatibiliteitstypen in de broncode; de exacte rollenverzameling van het model blijft modelspecifiek. Afhankelijk van het model | Standaard— |
Veldmessages[].content | Typestring|content_part[]|null | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].tool_calls | Typetool_call[] | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].tool_call_id | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: role=tool; gebruik het werkelijk teruggegeven ID | Standaard— |
Veldmessages[].name | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].reasoning_content | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: Stuur de werkelijk teruggegeven redeneringen terug wanneer dit model ze gebruikt | Standaard— |
Veldmessages[].reasoning_details | Typeobject|array | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmax_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
Veldmax_completion_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Veldstream_options.include_usage | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtemperature | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtop_p | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldstop | Typestring|string[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools | Typefunction_tool[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools[].type | Typestring | VereisteOptioneel | Waarden en limieten function Afhankelijk van het model | Standaard— |
Veldtools[].function.name | Typestring | VereisteVereist | Waarden en limieten Geldt wanneer: functietool opgegeven | Standaard— |
Veldtools[].function.description | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtools[].function.parameters | TypeJSON_schema | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtool_choice | Typestring|object | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldparallel_tool_calls | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldresponse_format | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldreasoning_effort | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldreasoning | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldservice_tier | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldinstructions | Typestring | VereisteOptioneel | Waarden en limieten Compatibiliteitsveld | Standaard— |
Veldfunctions | Typefunction[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldfunction_call | Typestring|object | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldprompt_cache_options | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmodalities | Typestring[] | VereisteOptioneel | Waarden en limieten text | Standaard— |
Veldprovider | Typeobject | VereisteOptioneel | Waarden en limieten Voorwaarden: provider.options wordt op deze Ultra-tekstroute geweigerd | Standaard— |
Veldcache_control.ttl | Typestring | VereisteOptioneel | Waarden en limieten Voorwaarden: 1h wordt op de daadwerkelijke locaties voor promptcaching geweigerd | Standaard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages |
Parametermaterial_types | Contracttext |
Parametermessages | Contractberichtenarray met de structuur role/content |
Parameterfile_material | Contractwerkelijk UTF-8-document ingevoegd als letterlijke tekst; er wordt geen bestands-ID afgeleid |
Parameteroptional_controls | Contractstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Contractmodelspecifiek; functietools van de gebruiker verschillen van gehoste tools |
Parameteroutput_modalities | Contracttext |
Parameterhosted_operations | Contractfalse |
Parametermultimodal_input_binding | Contractnull |
Levenscyclus: synchronous_or_streamed
Stuur het exacte model-ID mee met messages.
Contextlengte is geen uitvoerlimiet.
Een tekstbestand kan letterlijke tekst aanleveren; beeld-, audio- en bestandsobjectinvoer vereisen een exacte koppeling.
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Contexttokens, meer dan | Contexttokens, tot en met | Kosten |
|---|---|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0006 / 1K tokens Uitvoer · Uitvoertokens $0.005 / 1K tokens Invoer · Cache lezen — / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieNiveau 1 voor aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0006 / 1K tokens Uitvoer · Uitvoertokens $0.005 / 1K tokens Invoer · Cache lezen — / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${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 of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar elke keuze en de bijbehorende inhoud, toolaanroepen en redeneringen. Voeg in SSE delta’s samen per keuze-/toolindex en bewaar de uiteindelijke reden van beëindiging en de verbruiksgegevens.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldchoices[].index | Typeinteger |
Veldchoices[].message.content | Typestring|null |
Veldchoices[].message.tool_calls | Typetool_call[] |
Veldchoices[].message.reasoning_content | Typestring |
Veldchoices[].message.reasoning_details | Typeobject|array |
Veldchoices[].finish_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot Ultra amazon/nova-2-lite-v1
Gebruik de hierboven getoonde methodepaden.
amazon/nova-2-lite-v1Amazon Nova 2 Lite combineert begrip van tekst, afbeeldingen, documenten en video met optioneel uitgebreid redeneren en toolgebruik. De context van een miljoen tokens ondersteunt documentworkflows, codewerk en agents die over meerdere stappen moeten redeneren.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Amazon Nova 2 Lite is het multimodale begripsmodel van de tweede generatie van Amazon voor dagelijks bedrijfswerk en veeleisendere agenttaken. Het accepteert tekst, afbeeldingen en video, waaronder documentinhoud, en produceert tekst. Praktisch werk omvat supportantwoorden op basis van aangeleverd materiaal, informatie uit rapporten extraheren, grafieken of schermafbeeldingen analyseren, code beoordelen en visuele gebeurtenissen samenvatten. Het is een begripsmodel: video-invoer wordt geanalyseerd in plaats van opnieuw gegenereerd en de gedocumenteerde uitvoer is tekst in plaats van rechtstreeks gegenereerde afbeeldingen, video of spraak.
Het modelprofiel van de producent vermeldt een contextvenster van 1 miljoen tokens en een standaard maximale uitvoer van 64K tokens. De gedocumenteerde kennisgrens is oktober 2025. Deze grotere werkcontext onderscheidt Nova 2 Lite van het venster van 300K van Nova Lite uit de eerste generatie. Gebruik de ruimte voor de daadwerkelijke brondocumenten, relevant gesprek, code en instructies en vraag vervolgens om een gericht resultaat, zoals een bewijstabel, wijzigingsvoorstel of samenvatting per bron. Een lange context verandert aangeleerde kennis niet in een live database; informatie die verandert moet uit aangeleverd bewijs, opgehaalde bronnen of een ingeschakelde tool voor brononderbouwing komen.
Uitgebreid redeneren is optioneel en staat standaard uit. Als het is ingeschakeld, biedt de producent de inspanningsniveaus low, medium en high: low voor matig complexe analyse, medium voor substantieel werk in meerdere stappen en high voor de diepste redenering. Eenvoudige extractie en korte feitelijke antwoorden kunnen met uitgeschakeld redeneren werken; moeilijk debugwerk, wiskundige redenering en synthese tussen documenten kunnen profiteren van extra inspanning. Redeneerinhoud wordt teruggegeven als [REDACTED] en is dus geen leesbaar spoor van afzonderlijke stappen. Het contract voor hoge inspanning vereist het weglaten van temperature, topP, topK en maxTokens; Amazon documenteert dat sommige resultaten bij hoge inspanning meer dan 65K tokens kunnen omvatten en 128K kunnen bereiken, in plaats van 128K als gewone uitvoerruimte te definiëren.
Nova 2 Lite ondersteunt functieaanroepen, antwoordstreaming en promptcaching in het gedocumenteerde gebruiksprofiel van Amazon. Expliciete caching vereist minstens 1K tokens per checkpoint en staat maximaal vier checkpoints met een bewaartermijn van vijf minuten toe. De producent beperkt promptcaching tot 20K tokens, voornamelijk voor tekstprompts; die cacheruimte staat los van het volledige contextvenster. Lever duidelijke toolnamen, beschrijvingen en argumentschema's aan; het model kiest een tool en vraagt argumenten aan, terwijl de applicatie aangepaste tools uitvoert en hun resultaten teruggeeft. Amazon documenteert ook optionele ingebouwde Web Grounding voor actuele informatie met bronverwijzingen en een Python Code Interpreter voor berekeningen. Dit zijn geconfigureerde tools en geen activiteiten die in elk antwoord besloten liggen. Amazon documenteert ook supervised fine-tuning en reinforcement fine-tuning om Nova 2 Lite aan een gespecialiseerde taak aan te passen; dit zijn afzonderlijke workflows voor modelaanpassing. Voor een cijfermatig rapport scheidt een bruikbare briefing de broncijfers, de uit te voeren berekening en de terug te geven uitleg; toolfouten moeten zichtbaar blijven in het teruggegeven resultaat in plaats van als geslaagde waarnemingen te worden behandeld.
De multimodale handleiding vermeldt PNG-, JPEG-, GIF- en WebP-afbeeldingen; bij geanimeerde GIF of WebP wordt alleen het eerste frame gebruikt. Videoformaten omvatten MP4, MOV, MKV, WebM, FLV, MPEG, MPG, WMV en 3GP. Documentformaten omvatten PDF, DOC/DOCX, TXT, CSV, XLS/XLSX, HTML en Markdown. Tekstgebaseerde formaten worden hoofdzakelijk als tekst gelezen, terwijl PDF en DOCX tekst en paginabeelden kunnen combineren. De documentworkflow van de producent staat maximaal vijf documenten toe en beperkt elk tekstdocument tot 4.5 MB. Het profiel voor ingesloten afbeeldingen staat vijf afbeeldingen en een payload van 25 MB toe; beeldinvoer via S3 staat maximaal 1,000 afbeeldingen en 2 GB in totaal toe. Video-invoer staat één bestand toe: 25 MB ingesloten of 1 GB via S3. PDF- en DOCX-bestanden delen een gezamenlijke ruimte van 25 MB voor directe upload of 2 GB via S3. PDF's met CMYK- of SVG-afbeeldingen worden niet ondersteund. Deze details voor bestandsverwerking horen bij de gedocumenteerde workflow van de producent; voeg de daadwerkelijk relevante inhoud toe en behoud pagina- of sectielabels voor bruikbare verwijzingen.
Videobegrip gebruikt visuele frames in plaats van het audiospoor. Voor video's van 16 minuten of korter beschrijft de handleiding één bemonsterd frame per seconde; de lopende tekst beschrijft een verlaagde bemonsteringsfrequentie voor langere clips om 960 frames te behouden. Snelle handelingen tussen frames kunnen daardoor worden gemist. Kies bij voorkeur een relevante clip en een expliciete vraag over scènes of gebeurtenissen; lever een afzonderlijk transcript aan wanneer gesproken informatie belangrijk is. Kleine of meertalige tekst en precieze ruimtelijke relaties kunnen ook lastig zijn. Behoud daarom leesbare labels en voldoende omringende visuele context. De producent stelt ook dat dit model mensen in afbeeldingen, documenten of video's niet identificeert of bij naam noemt.
Amazon documenteert ondersteuning voor meer dan 200 talen, met optimalisatie voor Engels, Duits, Spaans, Frans, Italiaans, Japans, Koreaans, Arabisch, Vereenvoudigd Chinees, Russisch, Hindi, Portugees, Nederlands, Turks en Hebreeuws. Geef de vereiste uitvoertaal en terminologie aan, vooral wanneer bronnen meerdere talen gebruiken. Specificeer voor een documentworkflow de vragen, bewijsidentificaties en eindstructuur en vraag het model vervolgens om vermelde feiten te onderscheiden van ontbrekende informatie. Het bruikbare resultaat is een antwoord op basis van bronnen of een werkstuk op basis van toolinformatie, geen aanname dat elk detail uit een grote invoer is vastgelegd.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten amazon/nova-2-lite-v1 | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten user, assistant | Standaard— |
Veldmessages[].content | Typestring | VereisteVereist | Waarden en limieten | Standaard— |
Veldmax_tokens | Typeinteger | VereisteVereist | Waarden en limieten | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Tekst · UTF-8-tekst
messages[].content als tekenreeks
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages, max_tokens |
Parameteroptional_controls | Contractstream |
Parametermaterial_types | Contracttext |
Parametertext_file_material | ContractLees het werkelijke UTF-8-document en plaats de tekst ervan in de aangegeven invoer of in de inhoudstekenreeks van een bericht. |
Levenscyclus: synchronous_or_streamed
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Contexttokens, meer dan | Contexttokens, tot en met | Kosten |
|---|---|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0006 / 1K tokens Uitvoer · Uitvoertokens $0.005 / 1K tokens Invoer · Cache lezen — / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieNiveau 1 voor aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0006 / 1K tokens Uitvoer · Uitvoertokens $0.005 / 1K tokens Invoer · Cache lezen — / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "amazon/nova-2-lite-v1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar alle inhoudsblokken, handtekeningen van redeneringen en werkelijke toolgebruik-ID’s. Voeg alle SSE-blokdelta’s samen; het eerste tekstblok is niet de volledige uitvoer.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldid | Typestring |
Veldmodel | Typestring |
Veldcontent[] | Typetext|thinking|tool_use|other content block |
Veldstop_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot Ultra amazon/nova-2-lite-v1
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
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.