Amazon Nova Pro to zrównoważony model rozumienia multimodalnego z pierwszej generacji rodziny Nova firmy Amazon. Łączy rozumienie tekstu, obrazów i wideo w zadaniach od odpowiadania na pytania o dokumenty i analizy wizualnej po prace programistyczne i procesy agentowe. Jego wynikiem jest tekst: wyjaśnienie, wyodrębniona informacja, kod, plan lub żądanie użycia narzędzia. Pro znajduje się między lżejszym Nova Lite a bardziej wymagającymi zadaniami z długim kontekstem, do których służy Premier; ten profil opisuje pierwotną wersję Pro v1, a nie model Nova 2.
Przewodnik pierwszej generacji Nova podaje okno kontekstu 300K tokenów i maksymalny wynik 10K tokenów. Udokumentowana data graniczna wiedzy to październik 2024 roku. Praktyczny proces może łączyć fragmenty referencyjne, treść dokumentów, dowody wizualne i ostatnią rozmowę, a następnie zwracać zwięzły wynik. Przy przeglądzie technicznym dostarcz odpowiedni kod, zaobserwowane zachowanie i ograniczenia, a następnie poproś o propozycję zmiany z uzasadnieniem. Przy raporcie nazwij źródła i pola do porównania. Oddziel dowody od instrukcji, aby model mógł rozróżnić treść dokumentów od wniosku, który ma zbadać.
Amazon dokumentuje zdolność Pro do odpowiadania na pytania wizualne, klasyfikowania lub podsumowywania obrazów oraz zwracania ramek ograniczających wskazane obiekty. Przewodnik obrazowy pierwszej generacji używa skali współrzędnych [0, 1000), którą aplikacja korzystająca z wyniku przelicza na oryginalne wymiary obrazu. Obrazy są automatycznie przeskalowywane, a udokumentowana maksymalna rozdzielczość wynosi 8000 × 8000 pikseli. Umożliwia to zadania takie jak wskazanie elementu na zrzucie ekranu lub opis diagramu. Zachowaj czytelny tekst i kluczowy kontekst wizualny oraz poproś o odpowiednie obserwacje przed żądaniem interpretacji.
Obsługiwane formaty obrazów producenta obejmują PNG, JPG/JPEG, GIF i WebP. Proces obsługi dokumentów przyjmuje PDF, DOC/DOCX, CSV, XLS/XLSX, HTML, TXT i Markdown. Formaty tekstowe dostarczają tekst, podczas gdy PDF i DOCX można interpretować razem z elementami wizualnymi, takimi jak wykresy i tabele. Przewodnik dokumentowy dopuszcza do pięciu dokumentów i ogranicza każdy dokument tekstowy do 4,5 MB. Wyklucza treści PDF wykorzystujące obrazy CMYK lub SVG oraz nieobsługiwane kodowania, takie jak JPEG2000 i JBIG2. Gdy zadanie wymaga jedynie słów z PDF, wyodrębniony tekst stanowi prostsze wejście niż wizualny odczyt stron. Osadzone media współdzielą limit danych żądania 25 MB, łącznie z narzutem base64. Żądanie zawiera jedno wideo, ograniczone do 1 GB przy przesyłaniu przez S3; łączny rozmiar mediów z S3 może wynosić 2 GB. Wejścia PDF i DOCX pozostają ograniczone do pięciu dokumentów, z łącznym limitem 25 MB przy przesyłaniu bezpośrednim lub 2 GB przez S3.
Pro potrafi analizować popularne formaty wideo, w tym MP4, MOV, MKV i WebM. Strategia próbkowania wersji 1 używa jednej klatki na sekundę dla klipów do 16 minut, a następnie 960 klatek rozłożonych na dłuższe klipy. Sprzyja to podsumowaniom scen bardziej niż precyzyjnej analizie bardzo szybkich działań, zwłaszcza wraz ze wzrostem długości filmu. Amazon zaleca klipy z większą ilością ruchu krótsze niż 16 minut i klipy z niewielkim ruchem krótsze niż godzina. Dostarcz odpowiedni fragment i wskaż widoczne zdarzenie lub relację do zbadania; informacje wypowiadane powinny znaleźć się w transkrypcji, ponieważ udokumentowane modalności wejściowe nie obejmują dźwięku. Producent podaje też, że model ten nie identyfikuje osób ani nie podaje ich imion i nazwisk na podstawie obrazów, dokumentów lub wideo.
Pro obsługuje strumieniowanie odpowiedzi, wywoływanie funkcji wykonywanych przez klienta i zadania wspomagane wyszukiwaniem. Obsługuje również buforowanie promptów w udokumentowanym przez Amazon profilu udostępniania. Jawne buforowanie wymaga co najmniej 1K tokenów na punkt kontrolny i dopuszcza do czterech punktów z pięciominutowym okresem przechowywania. Producent ogranicza buforowanie promptów do 20K tokenów, głównie w promptach tekstowych; limit bufora jest odrębny od pełnego okna kontekstu. Opisz narzędzia i ich argumenty, pozwól aplikacji wykonywać żądania i zwracaj obserwacje lub błędy przed poproszeniem modelu o kontynuację. Pierwszą generację Nova można poprzez prompt poprosić o rozwiązywanie zadania etapami, ale różni się to od osobno konfigurowanych trybów rozszerzonego rozumowania i wbudowanych narzędzi Nova 2 Lite. Pro służy też jako model nauczycielski do destylacji Nova Micro i Lite, a Amazon dokumentuje niestandardowe dostrajanie Pro; takie modele zachowują własne tożsamości.
Przewodnik wersji 1 opisuje trening w ponad 200 językach z optymalizacją dla 15, w tym angielskiego, niemieckiego, hiszpańskiego, francuskiego, włoskiego, japońskiego, koreańskiego, arabskiego, uproszczonego chińskiego, rosyjskiego, hindi, portugalskiego, niderlandzkiego, tureckiego i hebrajskiego. Określ wymagany język i terminologię, zamiast zakładać jednakową skuteczność we wszystkich dialektach. Przy procesie wielokrotnego użytku podaj strukturę końcową i dowody źródłowe, które powinno zawierać każde pole. Pro może zwracać wiarygodnie brzmiące, lecz błędne twierdzenia lub kod, którego nie wykonano; dostarczenie jawnych faktów i oddzielenie wyników narzędzi od propozycji ułatwia wykorzystanie i weryfikację wyniku.
", "aboutText": "Amazon Nova Pro to zrównoważony model rozumienia multimodalnego z pierwszej generacji rodziny Nova firmy Amazon. Łączy rozumienie tekstu, obrazów i wideo w zadaniach od odpowiadania na pytania o dokumenty i analizy wizualnej po prace programistyczne i procesy agentowe. Jego wynikiem jest tekst: wyjaśnienie, wyodrębniona informacja, kod, plan lub żądanie użycia narzędzia. Pro znajduje się między lżejszym Nova Lite a bardziej wymagającymi zadaniami z długim kontekstem, do których służy Premier; ten profil opisuje pierwotną wersję Pro v1, a nie model Nova 2.\n\nPrzewodnik pierwszej generacji Nova podaje okno kontekstu 300K tokenów i maksymalny wynik 10K tokenów. Udokumentowana data graniczna wiedzy to październik 2024 roku. Praktyczny proces może łączyć fragmenty referencyjne, treść dokumentów, dowody wizualne i ostatnią rozmowę, a następnie zwracać zwięzły wynik. Przy przeglądzie technicznym dostarcz odpowiedni kod, zaobserwowane zachowanie i ograniczenia, a następnie poproś o propozycję zmiany z uzasadnieniem. Przy raporcie nazwij źródła i pola do porównania. Oddziel dowody od instrukcji, aby model mógł rozróżnić treść dokumentów od wniosku, który ma zbadać.\n\nAmazon dokumentuje zdolność Pro do odpowiadania na pytania wizualne, klasyfikowania lub podsumowywania obrazów oraz zwracania ramek ograniczających wskazane obiekty. Przewodnik obrazowy pierwszej generacji używa skali współrzędnych [0, 1000), którą aplikacja korzystająca z wyniku przelicza na oryginalne wymiary obrazu. Obrazy są automatycznie przeskalowywane, a udokumentowana maksymalna rozdzielczość wynosi 8000 × 8000 pikseli. Umożliwia to zadania takie jak wskazanie elementu na zrzucie ekranu lub opis diagramu. Zachowaj czytelny tekst i kluczowy kontekst wizualny oraz poproś o odpowiednie obserwacje przed żądaniem interpretacji.\n\nObsługiwane formaty obrazów producenta obejmują PNG, JPG/JPEG, GIF i WebP. Proces obsługi dokumentów przyjmuje PDF, DOC/DOCX, CSV, XLS/XLSX, HTML, TXT i Markdown. Formaty tekstowe dostarczają tekst, podczas gdy PDF i DOCX można interpretować razem z elementami wizualnymi, takimi jak wykresy i tabele. Przewodnik dokumentowy dopuszcza do pięciu dokumentów i ogranicza każdy dokument tekstowy do 4,5 MB. Wyklucza treści PDF wykorzystujące obrazy CMYK lub SVG oraz nieobsługiwane kodowania, takie jak JPEG2000 i JBIG2. Gdy zadanie wymaga jedynie słów z PDF, wyodrębniony tekst stanowi prostsze wejście niż wizualny odczyt stron. Osadzone media współdzielą limit danych żądania 25 MB, łącznie z narzutem base64. Żądanie zawiera jedno wideo, ograniczone do 1 GB przy przesyłaniu przez S3; łączny rozmiar mediów z S3 może wynosić 2 GB. Wejścia PDF i DOCX pozostają ograniczone do pięciu dokumentów, z łącznym limitem 25 MB przy przesyłaniu bezpośrednim lub 2 GB przez S3.\n\nPro potrafi analizować popularne formaty wideo, w tym MP4, MOV, MKV i WebM. Strategia próbkowania wersji 1 używa jednej klatki na sekundę dla klipów do 16 minut, a następnie 960 klatek rozłożonych na dłuższe klipy. Sprzyja to podsumowaniom scen bardziej niż precyzyjnej analizie bardzo szybkich działań, zwłaszcza wraz ze wzrostem długości filmu. Amazon zaleca klipy z większą ilością ruchu krótsze niż 16 minut i klipy z niewielkim ruchem krótsze niż godzina. Dostarcz odpowiedni fragment i wskaż widoczne zdarzenie lub relację do zbadania; informacje wypowiadane powinny znaleźć się w transkrypcji, ponieważ udokumentowane modalności wejściowe nie obejmują dźwięku. Producent podaje też, że model ten nie identyfikuje osób ani nie podaje ich imion i nazwisk na podstawie obrazów, dokumentów lub wideo.\n\nPro obsługuje strumieniowanie odpowiedzi, wywoływanie funkcji wykonywanych przez klienta i zadania wspomagane wyszukiwaniem. Obsługuje również buforowanie promptów w udokumentowanym przez Amazon profilu udostępniania. Jawne buforowanie wymaga co najmniej 1K tokenów na punkt kontrolny i dopuszcza do czterech punktów z pięciominutowym okresem przechowywania. Producent ogranicza buforowanie promptów do 20K tokenów, głównie w promptach tekstowych; limit bufora jest odrębny od pełnego okna kontekstu. Opisz narzędzia i ich argumenty, pozwól aplikacji wykonywać żądania i zwracaj obserwacje lub błędy przed poproszeniem modelu o kontynuację. Pierwszą generację Nova można poprzez prompt poprosić o rozwiązywanie zadania etapami, ale różni się to od osobno konfigurowanych trybów rozszerzonego rozumowania i wbudowanych narzędzi Nova 2 Lite. Pro służy też jako model nauczycielski do destylacji Nova Micro i Lite, a Amazon dokumentuje niestandardowe dostrajanie Pro; takie modele zachowują własne tożsamości.\n\nPrzewodnik wersji 1 opisuje trening w ponad 200 językach z optymalizacją dla 15, w tym angielskiego, niemieckiego, hiszpańskiego, francuskiego, włoskiego, japońskiego, koreańskiego, arabskiego, uproszczonego chińskiego, rosyjskiego, hindi, portugalskiego, niderlandzkiego, tureckiego i hebrajskiego. Określ wymagany język i terminologię, zamiast zakładać jednakową skuteczność we wszystkich dialektach. Przy procesie wielokrotnego użytku podaj strukturę końcową i dowody źródłowe, które powinno zawierać każde pole. Pro może zwracać wiarygodnie brzmiące, lecz błędne twierdzenia lub kod, którego nie wykonano; dostarczenie jawnych faktów i oddzielenie wyników narzędzi od propozycji ułatwia wykorzystanie i weryfikację wyniku.", "editorialOverlay": { "copy_fields": { "practical_html": "Przykład techniczny po angielsku
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 to zrównoważony model pierwszej generacji Nova do rozumowania na podstawie tekstu, obrazów, dokumentów i wideo. Tworzy tekst do analizy wizualnej, zadań programistycznych, pracy z dokumentami i agentów łączących dostarczone dowody z narzędziami.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Amazon Nova Pro to zrównoważony model rozumienia multimodalnego z pierwszej generacji rodziny Nova firmy Amazon. Łączy rozumienie tekstu, obrazów i wideo w zadaniach od odpowiadania na pytania o dokumenty i analizy wizualnej po prace programistyczne i procesy agentowe. Jego wynikiem jest tekst: wyjaśnienie, wyodrębniona informacja, kod, plan lub żądanie użycia narzędzia. Pro znajduje się między lżejszym Nova Lite a bardziej wymagającymi zadaniami z długim kontekstem, do których służy Premier; ten profil opisuje pierwotną wersję Pro v1, a nie model Nova 2.
Przewodnik pierwszej generacji Nova podaje okno kontekstu 300K tokenów i maksymalny wynik 10K tokenów. Udokumentowana data graniczna wiedzy to październik 2024 roku. Praktyczny proces może łączyć fragmenty referencyjne, treść dokumentów, dowody wizualne i ostatnią rozmowę, a następnie zwracać zwięzły wynik. Przy przeglądzie technicznym dostarcz odpowiedni kod, zaobserwowane zachowanie i ograniczenia, a następnie poproś o propozycję zmiany z uzasadnieniem. Przy raporcie nazwij źródła i pola do porównania. Oddziel dowody od instrukcji, aby model mógł rozróżnić treść dokumentów od wniosku, który ma zbadać.
Amazon dokumentuje zdolność Pro do odpowiadania na pytania wizualne, klasyfikowania lub podsumowywania obrazów oraz zwracania ramek ograniczających wskazane obiekty. Przewodnik obrazowy pierwszej generacji używa skali współrzędnych [0, 1000), którą aplikacja korzystająca z wyniku przelicza na oryginalne wymiary obrazu. Obrazy są automatycznie przeskalowywane, a udokumentowana maksymalna rozdzielczość wynosi 8000 × 8000 pikseli. Umożliwia to zadania takie jak wskazanie elementu na zrzucie ekranu lub opis diagramu. Zachowaj czytelny tekst i kluczowy kontekst wizualny oraz poproś o odpowiednie obserwacje przed żądaniem interpretacji.
Obsługiwane formaty obrazów producenta obejmują PNG, JPG/JPEG, GIF i WebP. Proces obsługi dokumentów przyjmuje PDF, DOC/DOCX, CSV, XLS/XLSX, HTML, TXT i Markdown. Formaty tekstowe dostarczają tekst, podczas gdy PDF i DOCX można interpretować razem z elementami wizualnymi, takimi jak wykresy i tabele. Przewodnik dokumentowy dopuszcza do pięciu dokumentów i ogranicza każdy dokument tekstowy do 4,5 MB. Wyklucza treści PDF wykorzystujące obrazy CMYK lub SVG oraz nieobsługiwane kodowania, takie jak JPEG2000 i JBIG2. Gdy zadanie wymaga jedynie słów z PDF, wyodrębniony tekst stanowi prostsze wejście niż wizualny odczyt stron. Osadzone media współdzielą limit danych żądania 25 MB, łącznie z narzutem base64. Żądanie zawiera jedno wideo, ograniczone do 1 GB przy przesyłaniu przez S3; łączny rozmiar mediów z S3 może wynosić 2 GB. Wejścia PDF i DOCX pozostają ograniczone do pięciu dokumentów, z łącznym limitem 25 MB przy przesyłaniu bezpośrednim lub 2 GB przez S3.
Pro potrafi analizować popularne formaty wideo, w tym MP4, MOV, MKV i WebM. Strategia próbkowania wersji 1 używa jednej klatki na sekundę dla klipów do 16 minut, a następnie 960 klatek rozłożonych na dłuższe klipy. Sprzyja to podsumowaniom scen bardziej niż precyzyjnej analizie bardzo szybkich działań, zwłaszcza wraz ze wzrostem długości filmu. Amazon zaleca klipy z większą ilością ruchu krótsze niż 16 minut i klipy z niewielkim ruchem krótsze niż godzina. Dostarcz odpowiedni fragment i wskaż widoczne zdarzenie lub relację do zbadania; informacje wypowiadane powinny znaleźć się w transkrypcji, ponieważ udokumentowane modalności wejściowe nie obejmują dźwięku. Producent podaje też, że model ten nie identyfikuje osób ani nie podaje ich imion i nazwisk na podstawie obrazów, dokumentów lub wideo.
Pro obsługuje strumieniowanie odpowiedzi, wywoływanie funkcji wykonywanych przez klienta i zadania wspomagane wyszukiwaniem. Obsługuje również buforowanie promptów w udokumentowanym przez Amazon profilu udostępniania. Jawne buforowanie wymaga co najmniej 1K tokenów na punkt kontrolny i dopuszcza do czterech punktów z pięciominutowym okresem przechowywania. Producent ogranicza buforowanie promptów do 20K tokenów, głównie w promptach tekstowych; limit bufora jest odrębny od pełnego okna kontekstu. Opisz narzędzia i ich argumenty, pozwól aplikacji wykonywać żądania i zwracaj obserwacje lub błędy przed poproszeniem modelu o kontynuację. Pierwszą generację Nova można poprzez prompt poprosić o rozwiązywanie zadania etapami, ale różni się to od osobno konfigurowanych trybów rozszerzonego rozumowania i wbudowanych narzędzi Nova 2 Lite. Pro służy też jako model nauczycielski do destylacji Nova Micro i Lite, a Amazon dokumentuje niestandardowe dostrajanie Pro; takie modele zachowują własne tożsamości.
Przewodnik wersji 1 opisuje trening w ponad 200 językach z optymalizacją dla 15, w tym angielskiego, niemieckiego, hiszpańskiego, francuskiego, włoskiego, japońskiego, koreańskiego, arabskiego, uproszczonego chińskiego, rosyjskiego, hindi, portugalskiego, niderlandzkiego, tureckiego i hebrajskiego. Określ wymagany język i terminologię, zamiast zakładać jednakową skuteczność we wszystkich dialektach. Przy procesie wielokrotnego użytku podaj strukturę końcową i dowody źródłowe, które powinno zawierać każde pole. Pro może zwracać wiarygodnie brzmiące, lecz błędne twierdzenia lub kod, którego nie wykonano; dostarczenie jawnych faktów i oddzielenie wyników narzędzi od propozycji ułatwia wykorzystanie i weryfikację wyniku.
POST /v1/chat/completionstexttext| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity amazon/nova-pro-v1 | Domyślnie— |
Polemessages | Typmessage[] | WymaganieWymagane | Wartości i limity Minimalna liczba elementów: 1 | Domyślnie— |
Polemessages[].role | Typstring | WymaganieWymagane | Wartości i limity Przykłady: system, user, assistant, tool, function Warunki: Te role są jawnie reprezentowane przez typy zgodności w kodzie źródłowym; dokładny zestaw ról pozostaje właściwy dla danego modelu. Zależy od modelu | Domyślnie— |
Polemessages[].content | Typstring|content_part[]|null | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polemessages[].tool_calls | Typtool_call[] | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polemessages[].tool_call_id | Typstring | WymaganieOpcjonalne | Wartości i limity Obowiązuje, gdy: role=tool; użyj rzeczywiście zwróconego ID | Domyślnie— |
Polemessages[].name | Typstring | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polemessages[].reasoning_content | Typstring | WymaganieOpcjonalne | Wartości i limity Obowiązuje, gdy: Przekazuj z powrotem rzeczywiście zwróconą treść rozumowania, gdy ten model jej używa | Domyślnie— |
Polemessages[].reasoning_details | Typobject|array | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polemax_tokens | Typinteger | WymaganieOpcjonalne | Wartości i limity Minimum: 1 Zależy od modelu | Domyślnie— |
Polemax_completion_tokens | Typinteger | WymaganieOpcjonalne | Wartości i limity Minimum: 1 Zależy od modelu | Domyślnie— |
Polestream | Typboolean | WymaganieOpcjonalne | Wartości i limity | Domyślniefalse |
Polestream_options.include_usage | Typboolean | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletemperature | Typnumber | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletop_p | Typnumber | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polestop | Typstring|string[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletools | Typfunction_tool[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletools[].type | Typstring | WymaganieOpcjonalne | Wartości i limity function Zależy od modelu | Domyślnie— |
Poletools[].function.name | Typstring | WymaganieWymagane | Wartości i limity Obowiązuje, gdy: udostępnione narzędzie funkcji | Domyślnie— |
Poletools[].function.description | Typstring | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Poletools[].function.parameters | TypJSON_schema | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Poletool_choice | Typstring|object | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleparallel_tool_calls | Typboolean | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleresponse_format | Typobject | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polereasoning_effort | Typstring | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polereasoning | Typobject | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleservice_tier | Typstring | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleinstructions | Typstring | WymaganieOpcjonalne | Wartości i limity Pole zgodności | Domyślnie— |
Polefunctions | Typfunction[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polefunction_call | Typstring|object | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleprompt_cache_options | Typobject | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polemodalities | Typstring[] | WymaganieOpcjonalne | Wartości i limity text | Domyślnie— |
Poleprovider | Typobject | WymaganieOpcjonalne | Wartości i limity Warunki: provider.options jest odrzucane na tej tekstowej trasie Ultra | Domyślnie— |
Polecache_control.ttl | Typstring | WymaganieOpcjonalne | Wartości i limity Warunki: 1h jest odrzucane w rzeczywistych miejscach pamięci podręcznej promptów | Domyślnie— |
Tekst · tekst UTF8
messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages |
Parametrmaterial_types | Kontrakttext |
Parametrmessages | Kontrakttablica wiadomości o strukturze role/content |
Parametrfile_material | Kontraktrzeczywisty dokument UTF-8 wstawiony jako dosłowny tekst; bez wywnioskowanego ID pliku |
Parametroptional_controls | Kontraktstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrcontrol_scope | Kontraktwłaściwe dla modelu; narzędzia funkcji użytkownika różnią się od narzędzi hostowanych |
Parametroutput_modalities | Kontrakttext |
Parametrhosted_operations | Kontraktfalse |
Parametrmultimodal_input_binding | Kontraktnull |
Cykl życia: synchronous_or_streamed
Wyślij dokładne ID modelu wraz z messages.
Długość kontekstu nie jest limitem wyjścia.
Plik tekstowy może dostarczyć dosłowny tekst; wejścia obrazowe/dźwiękowe/obiekty plików wymagają dokładnego powiązania.
Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.
Dopasuj każdą opłatę do pokazanych warunków. Użyj jednej stawki dla każdego zestawu alternatywnych konfiguracji.
| Konfiguracja | Tabela stawek | Tokeny kontekstu, więcej niż | Tokeny kontekstu, do podanej wartości włącznie | Opłata |
|---|---|---|---|---|
| KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Tokeny kontekstu, więcej niż— | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.0016 / 1K tokenów Wyjście · Tokeny wyjściowe $0.0064 / 1K tokenów Wejście · Odczyt cache — / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
| KonfiguracjaPrzedział długości żądania 1 | Tabela stawek— | Tokeny kontekstu, więcej niż0 | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.0016 / 1K tokenów Wyjście · Tokeny wyjściowe $0.0064 / 1K tokenów Wejście · Odczyt cache — / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
set -eu\n: "${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 lub SSE
Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.
Zachowaj każdy wariant i jego treść/wywołania narzędzi/rozumowanie. W SSE składaj przyrosty według indeksu wariantu/narzędzia, zachowując końcowy powód zakończenia i dane użycia.
Zachowaj ID i nagłówki żądań/odpowiedzi. Nie udostępniono ogólnego URL pobierania zadania tekstowego.
| Pole | Typ |
|---|---|
Polechoices[].index | Typinteger |
Polechoices[].message.content | Typstring|null |
Polechoices[].message.tool_calls | Typtool_call[] |
Polechoices[].message.reasoning_content | Typstring |
Polechoices[].message.reasoning_details | Typobject|array |
Polechoices[].finish_reason | Typstring|null |
Poleusage | Typobject |
| Odpowiedź | Warunek | Następny krok |
|---|---|---|
Odpowiedź400 · invalid_request_error | WarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametru | Następny krokPopraw wskazane pola przed nowym żądaniem utworzenia. |
Ailoot Ultra amazon/nova-pro-v1
Użyj ścieżek metod podanych powyżej.
amazon/nova-pro-v1Amazon Nova Pro to zrównoważony model pierwszej generacji Nova do rozumowania na podstawie tekstu, obrazów, dokumentów i wideo. Tworzy tekst do analizy wizualnej, zadań programistycznych, pracy z dokumentami i agentów łączących dostarczone dowody z narzędziami.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Amazon Nova Pro to zrównoważony model rozumienia multimodalnego z pierwszej generacji rodziny Nova firmy Amazon. Łączy rozumienie tekstu, obrazów i wideo w zadaniach od odpowiadania na pytania o dokumenty i analizy wizualnej po prace programistyczne i procesy agentowe. Jego wynikiem jest tekst: wyjaśnienie, wyodrębniona informacja, kod, plan lub żądanie użycia narzędzia. Pro znajduje się między lżejszym Nova Lite a bardziej wymagającymi zadaniami z długim kontekstem, do których służy Premier; ten profil opisuje pierwotną wersję Pro v1, a nie model Nova 2.
Przewodnik pierwszej generacji Nova podaje okno kontekstu 300K tokenów i maksymalny wynik 10K tokenów. Udokumentowana data graniczna wiedzy to październik 2024 roku. Praktyczny proces może łączyć fragmenty referencyjne, treść dokumentów, dowody wizualne i ostatnią rozmowę, a następnie zwracać zwięzły wynik. Przy przeglądzie technicznym dostarcz odpowiedni kod, zaobserwowane zachowanie i ograniczenia, a następnie poproś o propozycję zmiany z uzasadnieniem. Przy raporcie nazwij źródła i pola do porównania. Oddziel dowody od instrukcji, aby model mógł rozróżnić treść dokumentów od wniosku, który ma zbadać.
Amazon dokumentuje zdolność Pro do odpowiadania na pytania wizualne, klasyfikowania lub podsumowywania obrazów oraz zwracania ramek ograniczających wskazane obiekty. Przewodnik obrazowy pierwszej generacji używa skali współrzędnych [0, 1000), którą aplikacja korzystająca z wyniku przelicza na oryginalne wymiary obrazu. Obrazy są automatycznie przeskalowywane, a udokumentowana maksymalna rozdzielczość wynosi 8000 × 8000 pikseli. Umożliwia to zadania takie jak wskazanie elementu na zrzucie ekranu lub opis diagramu. Zachowaj czytelny tekst i kluczowy kontekst wizualny oraz poproś o odpowiednie obserwacje przed żądaniem interpretacji.
Obsługiwane formaty obrazów producenta obejmują PNG, JPG/JPEG, GIF i WebP. Proces obsługi dokumentów przyjmuje PDF, DOC/DOCX, CSV, XLS/XLSX, HTML, TXT i Markdown. Formaty tekstowe dostarczają tekst, podczas gdy PDF i DOCX można interpretować razem z elementami wizualnymi, takimi jak wykresy i tabele. Przewodnik dokumentowy dopuszcza do pięciu dokumentów i ogranicza każdy dokument tekstowy do 4,5 MB. Wyklucza treści PDF wykorzystujące obrazy CMYK lub SVG oraz nieobsługiwane kodowania, takie jak JPEG2000 i JBIG2. Gdy zadanie wymaga jedynie słów z PDF, wyodrębniony tekst stanowi prostsze wejście niż wizualny odczyt stron. Osadzone media współdzielą limit danych żądania 25 MB, łącznie z narzutem base64. Żądanie zawiera jedno wideo, ograniczone do 1 GB przy przesyłaniu przez S3; łączny rozmiar mediów z S3 może wynosić 2 GB. Wejścia PDF i DOCX pozostają ograniczone do pięciu dokumentów, z łącznym limitem 25 MB przy przesyłaniu bezpośrednim lub 2 GB przez S3.
Pro potrafi analizować popularne formaty wideo, w tym MP4, MOV, MKV i WebM. Strategia próbkowania wersji 1 używa jednej klatki na sekundę dla klipów do 16 minut, a następnie 960 klatek rozłożonych na dłuższe klipy. Sprzyja to podsumowaniom scen bardziej niż precyzyjnej analizie bardzo szybkich działań, zwłaszcza wraz ze wzrostem długości filmu. Amazon zaleca klipy z większą ilością ruchu krótsze niż 16 minut i klipy z niewielkim ruchem krótsze niż godzina. Dostarcz odpowiedni fragment i wskaż widoczne zdarzenie lub relację do zbadania; informacje wypowiadane powinny znaleźć się w transkrypcji, ponieważ udokumentowane modalności wejściowe nie obejmują dźwięku. Producent podaje też, że model ten nie identyfikuje osób ani nie podaje ich imion i nazwisk na podstawie obrazów, dokumentów lub wideo.
Pro obsługuje strumieniowanie odpowiedzi, wywoływanie funkcji wykonywanych przez klienta i zadania wspomagane wyszukiwaniem. Obsługuje również buforowanie promptów w udokumentowanym przez Amazon profilu udostępniania. Jawne buforowanie wymaga co najmniej 1K tokenów na punkt kontrolny i dopuszcza do czterech punktów z pięciominutowym okresem przechowywania. Producent ogranicza buforowanie promptów do 20K tokenów, głównie w promptach tekstowych; limit bufora jest odrębny od pełnego okna kontekstu. Opisz narzędzia i ich argumenty, pozwól aplikacji wykonywać żądania i zwracaj obserwacje lub błędy przed poproszeniem modelu o kontynuację. Pierwszą generację Nova można poprzez prompt poprosić o rozwiązywanie zadania etapami, ale różni się to od osobno konfigurowanych trybów rozszerzonego rozumowania i wbudowanych narzędzi Nova 2 Lite. Pro służy też jako model nauczycielski do destylacji Nova Micro i Lite, a Amazon dokumentuje niestandardowe dostrajanie Pro; takie modele zachowują własne tożsamości.
Przewodnik wersji 1 opisuje trening w ponad 200 językach z optymalizacją dla 15, w tym angielskiego, niemieckiego, hiszpańskiego, francuskiego, włoskiego, japońskiego, koreańskiego, arabskiego, uproszczonego chińskiego, rosyjskiego, hindi, portugalskiego, niderlandzkiego, tureckiego i hebrajskiego. Określ wymagany język i terminologię, zamiast zakładać jednakową skuteczność we wszystkich dialektach. Przy procesie wielokrotnego użytku podaj strukturę końcową i dowody źródłowe, które powinno zawierać każde pole. Pro może zwracać wiarygodnie brzmiące, lecz błędne twierdzenia lub kod, którego nie wykonano; dostarczenie jawnych faktów i oddzielenie wyników narzędzi od propozycji ułatwia wykorzystanie i weryfikację wyniku.
POST /v1/messagestextjson, sse| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity amazon/nova-pro-v1 | Domyślnie— |
Polemessages | Typmessage[] | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polemessages[].role | Typstring | WymaganieWymagane | Wartości i limity user, assistant | Domyślnie— |
Polemessages[].content | Typstring | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polemax_tokens | Typinteger | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polestream | Typboolean | WymaganieOpcjonalne | Wartości i limity | Domyślniefalse |
Tekst · tekst UTF-8
ciąg messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages, max_tokens |
Parametroptional_controls | Kontraktstream |
Parametrmaterial_types | Kontrakttext |
Parametrtext_file_material | KontraktOdczytaj rzeczywisty dokument UTF-8 i umieść jego tekst we wskazanym polu input lub w ciągu treści wiadomości. |
Cykl życia: synchronous_or_streamed
Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.
Dopasuj każdą opłatę do pokazanych warunków. Użyj jednej stawki dla każdego zestawu alternatywnych konfiguracji.
| Konfiguracja | Tabela stawek | Tokeny kontekstu, więcej niż | Tokeny kontekstu, do podanej wartości włącznie | Opłata |
|---|---|---|---|---|
| KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Tokeny kontekstu, więcej niż— | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.0016 / 1K tokenów Wyjście · Tokeny wyjściowe $0.0064 / 1K tokenów Wejście · Odczyt cache — / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
| KonfiguracjaPrzedział długości żądania 1 | Tabela stawek— | Tokeny kontekstu, więcej niż0 | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.0016 / 1K tokenów Wyjście · Tokeny wyjściowe $0.0064 / 1K tokenów Wejście · Odczyt cache — / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
{\n "model": "amazon/nova-pro-v1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 lub SSE
Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.
Zachowaj wszystkie bloki treści, sygnatury myślenia i rzeczywiste ID użycia narzędzi. Złóż wszystkie przyrosty bloków SSE; pierwszy blok tekstowy nie jest pełnym wyjściem.
Zachowaj ID i nagłówki żądań/odpowiedzi. Nie udostępniono ogólnego URL pobierania zadania tekstowego.
| Pole | Typ |
|---|---|
Poleid | Typstring |
Polemodel | Typstring |
Polecontent[] | Typtext|thinking|tool_use|other content block |
Polestop_reason | Typstring|null |
Poleusage | Typobject |
| Odpowiedź | Warunek | Następny krok |
|---|---|---|
Odpowiedź400 · invalid_request_error | WarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametru | Następny krokPopraw wskazane pola przed nowym żądaniem utworzenia. |
Ailoot Ultra amazon/nova-pro-v1
Użyj ścieżek metod podanych powyżej.
Przykład techniczny po angielsku
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.