O Amazon Nova 2 Lite é o modelo de compreensão multimodal de segunda geração da Amazon para trabalho empresarial quotidiano e tarefas mais exigentes de agentes. Aceita texto, imagens e vídeo, incluindo conteúdo documental, e produz texto. O trabalho prático inclui respostas de apoio fundamentadas em material fornecido, extração de informação de relatórios, análise de gráficos ou capturas de ecrã, revisão de código e resumo de acontecimentos visuais. É um modelo de compreensão: o vídeo de entrada é analisado, em vez de regenerado, e a saída documentada é texto, em vez de imagens, vídeo ou voz nativos.
O perfil do modelo do fabricante indica uma janela de contexto de 1 milhão de tokens e uma saída máxima padrão de 64K tokens. A data-limite de conhecimento documentada é outubro de 2025. Este contexto de trabalho maior distingue o Nova 2 Lite da janela de 300K do Nova Lite de primeira geração. Utilize o espaço para os documentos de origem reais, a conversa relevante, o código e as instruções e peça depois um artefacto focado, como uma tabela de evidências, uma proposta de alteração ou um resumo organizado por fonte. Um contexto longo não transforma conhecimento aprendido numa base de dados em tempo real; a informação que muda deve vir de evidências fornecidas, recuperação de informação ou uma ferramenta de fundamentação ativa.
O raciocínio alargado é opcional e está desativado por predefinição. Quando ativo, o fabricante oferece esforço low, medium e high: low para análise moderadamente complexa, medium para trabalho substancial de várias etapas e high para o raciocínio mais profundo. Extração simples e respostas factuais curtas podem utilizar raciocínio desligado; depuração difícil, raciocínio matemático e síntese entre documentos podem beneficiar de esforço adicional. O conteúdo de raciocínio é devolvido como [REDACTED], pelo que não é um registo passo a passo legível. O contrato de esforço high exige omitir temperature, topP, topK e maxTokens; a Amazon documenta que algumas saídas de esforço high podem exceder 65K tokens e chegar a 128K, em vez de definir 128K como um limite habitual de saída.
O Nova 2 Lite suporta chamadas de funções, streaming de respostas e cache de instruções no perfil de disponibilização documentado da Amazon. A cache explícita exige pelo menos 1K tokens por checkpoint e permite até quatro checkpoints com retenção de cinco minutos. O fabricante limita a cache de instruções a 20K tokens, sobretudo para instruções de texto; esse limite de cache é distinto da janela completa de contexto. Forneça nomes, descrições e esquemas de argumentos claros para as ferramentas; o modelo escolhe uma ferramenta e pede argumentos, enquanto a aplicação executa ferramentas personalizadas e devolve os seus resultados. A Amazon também documenta ferramentas integradas opcionais: Web Grounding para informação atual com citações e Python Code Interpreter para cálculos. São ferramentas configuradas, e não atividades implícitas em todas as respostas. A Amazon também documenta ajuste fino supervisionado e por reforço para adaptar o Nova 2 Lite a uma tarefa especializada; são fluxos separados de personalização de modelos. Para um relatório numérico, um briefing útil separa os números de origem, o cálculo a realizar e a explicação a devolver; os erros de ferramentas devem permanecer visíveis no resultado devolvido, em vez de serem tratados como observações bem-sucedidas.
O guia multimodal indica imagens PNG, JPEG, GIF e WebP; para GIF ou WebP animado, apenas o primeiro fotograma é utilizado. Os formatos de vídeo incluem MP4, MOV, MKV, WebM, FLV, MPEG, MPG, WMV e 3GP. Os documentos incluem PDF, DOC/DOCX, TXT, CSV, XLS/XLSX, HTML e Markdown. Os formatos baseados em texto são lidos sobretudo como texto, enquanto PDF e DOCX podem combinar texto e elementos visuais de página. O fluxo documental do fabricante permite até cinco documentos e limita cada documento de texto a 4.5 MB. O perfil de imagens incorporadas permite cinco imagens e uma carga de 25 MB; a entrada de imagens S3 permite até 1000 imagens e 2 GB no total. A entrada de vídeo permite um ficheiro: 25 MB incorporado ou 1 GB através de S3. Os ficheiros PDF e DOCX partilham um limite combinado de 25 MB para carregamento direto ou 2 GB através de S3. PDFs com imagens CMYK ou SVG não são suportados. Estes pormenores de tratamento de ficheiros pertencem ao fluxo documentado do fabricante; anexe o conteúdo real relevante e preserve as suas etiquetas de página ou secção para referências úteis.
A compreensão de vídeo utiliza fotogramas visuais, em vez da faixa áudio. Para vídeos de 16 minutos ou menos, o guia descreve um fotograma amostrado por segundo; o seu texto descreve a redução da taxa de amostragem para clipes mais longos para manter 960 fotogramas. Ações rápidas entre fotogramas podem, por isso, passar despercebidas. Prefira um clipe relevante e uma pergunta explícita sobre cenas ou acontecimentos; forneça uma transcrição separada quando a informação falada for importante. Texto pequeno ou multilingue e relações espaciais precisas também podem ser difíceis, por isso preserve etiquetas legíveis e contexto visual envolvente suficiente. O fabricante também afirma que este modelo não identifica nem nomeia pessoas em imagens, documentos ou vídeos.
A Amazon documenta suporte para mais de 200 línguas, com otimização para inglês, alemão, espanhol, francês, italiano, japonês, coreano, árabe, chinês simplificado, russo, hindi, português, neerlandês, turco e hebraico. Indique a língua de saída e a terminologia exigidas, sobretudo quando as fontes utilizam várias línguas. Para um fluxo documental, especifique as perguntas, os identificadores de evidência e a estrutura final e peça depois ao modelo que distinga factos declarados de informação em falta. O resultado útil é uma resposta fundamentada nas fontes ou um artefacto informado por ferramentas, e não a suposição de que todos os pormenores de uma entrada grande foram captados.
", "aboutText": "O Amazon Nova 2 Lite é o modelo de compreensão multimodal de segunda geração da Amazon para trabalho empresarial quotidiano e tarefas mais exigentes de agentes. Aceita texto, imagens e vídeo, incluindo conteúdo documental, e produz texto. O trabalho prático inclui respostas de apoio fundamentadas em material fornecido, extração de informação de relatórios, análise de gráficos ou capturas de ecrã, revisão de código e resumo de acontecimentos visuais. É um modelo de compreensão: o vídeo de entrada é analisado, em vez de regenerado, e a saída documentada é texto, em vez de imagens, vídeo ou voz nativos.\n\nO perfil do modelo do fabricante indica uma janela de contexto de 1 milhão de tokens e uma saída máxima padrão de 64K tokens. A data-limite de conhecimento documentada é outubro de 2025. Este contexto de trabalho maior distingue o Nova 2 Lite da janela de 300K do Nova Lite de primeira geração. Utilize o espaço para os documentos de origem reais, a conversa relevante, o código e as instruções e peça depois um artefacto focado, como uma tabela de evidências, uma proposta de alteração ou um resumo organizado por fonte. Um contexto longo não transforma conhecimento aprendido numa base de dados em tempo real; a informação que muda deve vir de evidências fornecidas, recuperação de informação ou uma ferramenta de fundamentação ativa.\n\nO raciocínio alargado é opcional e está desativado por predefinição. Quando ativo, o fabricante oferece esforço low, medium e high: low para análise moderadamente complexa, medium para trabalho substancial de várias etapas e high para o raciocínio mais profundo. Extração simples e respostas factuais curtas podem utilizar raciocínio desligado; depuração difícil, raciocínio matemático e síntese entre documentos podem beneficiar de esforço adicional. O conteúdo de raciocínio é devolvido como [REDACTED], pelo que não é um registo passo a passo legível. O contrato de esforço high exige omitir temperature, topP, topK e maxTokens; a Amazon documenta que algumas saídas de esforço high podem exceder 65K tokens e chegar a 128K, em vez de definir 128K como um limite habitual de saída.\n\nO Nova 2 Lite suporta chamadas de funções, streaming de respostas e cache de instruções no perfil de disponibilização documentado da Amazon. A cache explícita exige pelo menos 1K tokens por checkpoint e permite até quatro checkpoints com retenção de cinco minutos. O fabricante limita a cache de instruções a 20K tokens, sobretudo para instruções de texto; esse limite de cache é distinto da janela completa de contexto. Forneça nomes, descrições e esquemas de argumentos claros para as ferramentas; o modelo escolhe uma ferramenta e pede argumentos, enquanto a aplicação executa ferramentas personalizadas e devolve os seus resultados. A Amazon também documenta ferramentas integradas opcionais: Web Grounding para informação atual com citações e Python Code Interpreter para cálculos. São ferramentas configuradas, e não atividades implícitas em todas as respostas. A Amazon também documenta ajuste fino supervisionado e por reforço para adaptar o Nova 2 Lite a uma tarefa especializada; são fluxos separados de personalização de modelos. Para um relatório numérico, um briefing útil separa os números de origem, o cálculo a realizar e a explicação a devolver; os erros de ferramentas devem permanecer visíveis no resultado devolvido, em vez de serem tratados como observações bem-sucedidas.\n\nO guia multimodal indica imagens PNG, JPEG, GIF e WebP; para GIF ou WebP animado, apenas o primeiro fotograma é utilizado. Os formatos de vídeo incluem MP4, MOV, MKV, WebM, FLV, MPEG, MPG, WMV e 3GP. Os documentos incluem PDF, DOC/DOCX, TXT, CSV, XLS/XLSX, HTML e Markdown. Os formatos baseados em texto são lidos sobretudo como texto, enquanto PDF e DOCX podem combinar texto e elementos visuais de página. O fluxo documental do fabricante permite até cinco documentos e limita cada documento de texto a 4.5 MB. O perfil de imagens incorporadas permite cinco imagens e uma carga de 25 MB; a entrada de imagens S3 permite até 1000 imagens e 2 GB no total. A entrada de vídeo permite um ficheiro: 25 MB incorporado ou 1 GB através de S3. Os ficheiros PDF e DOCX partilham um limite combinado de 25 MB para carregamento direto ou 2 GB através de S3. PDFs com imagens CMYK ou SVG não são suportados. Estes pormenores de tratamento de ficheiros pertencem ao fluxo documentado do fabricante; anexe o conteúdo real relevante e preserve as suas etiquetas de página ou secção para referências úteis.\n\nA compreensão de vídeo utiliza fotogramas visuais, em vez da faixa áudio. Para vídeos de 16 minutos ou menos, o guia descreve um fotograma amostrado por segundo; o seu texto descreve a redução da taxa de amostragem para clipes mais longos para manter 960 fotogramas. Ações rápidas entre fotogramas podem, por isso, passar despercebidas. Prefira um clipe relevante e uma pergunta explícita sobre cenas ou acontecimentos; forneça uma transcrição separada quando a informação falada for importante. Texto pequeno ou multilingue e relações espaciais precisas também podem ser difíceis, por isso preserve etiquetas legíveis e contexto visual envolvente suficiente. O fabricante também afirma que este modelo não identifica nem nomeia pessoas em imagens, documentos ou vídeos.\n\nA Amazon documenta suporte para mais de 200 línguas, com otimização para inglês, alemão, espanhol, francês, italiano, japonês, coreano, árabe, chinês simplificado, russo, hindi, português, neerlandês, turco e hebraico. Indique a língua de saída e a terminologia exigidas, sobretudo quando as fontes utilizam várias línguas. Para um fluxo documental, especifique as perguntas, os identificadores de evidência e a estrutura final e peça depois ao modelo que distinga factos declarados de informação em falta. O resultado útil é uma resposta fundamentada nas fontes ou um artefacto informado por ferramentas, e não a suposição de que todos os pormenores de uma entrada grande foram captados.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemplo técnico em inglês
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-v1O Amazon Nova 2 Lite combina compreensão de texto, imagem, documentos e vídeo com raciocínio alargado opcional e utilização de ferramentas. O seu contexto de um milhão de tokens suporta fluxos documentais, programação e agentes que precisam de raciocinar ao longo de várias etapas.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
O Amazon Nova 2 Lite é o modelo de compreensão multimodal de segunda geração da Amazon para trabalho empresarial quotidiano e tarefas mais exigentes de agentes. Aceita texto, imagens e vídeo, incluindo conteúdo documental, e produz texto. O trabalho prático inclui respostas de apoio fundamentadas em material fornecido, extração de informação de relatórios, análise de gráficos ou capturas de ecrã, revisão de código e resumo de acontecimentos visuais. É um modelo de compreensão: o vídeo de entrada é analisado, em vez de regenerado, e a saída documentada é texto, em vez de imagens, vídeo ou voz nativos.
O perfil do modelo do fabricante indica uma janela de contexto de 1 milhão de tokens e uma saída máxima padrão de 64K tokens. A data-limite de conhecimento documentada é outubro de 2025. Este contexto de trabalho maior distingue o Nova 2 Lite da janela de 300K do Nova Lite de primeira geração. Utilize o espaço para os documentos de origem reais, a conversa relevante, o código e as instruções e peça depois um artefacto focado, como uma tabela de evidências, uma proposta de alteração ou um resumo organizado por fonte. Um contexto longo não transforma conhecimento aprendido numa base de dados em tempo real; a informação que muda deve vir de evidências fornecidas, recuperação de informação ou uma ferramenta de fundamentação ativa.
O raciocínio alargado é opcional e está desativado por predefinição. Quando ativo, o fabricante oferece esforço low, medium e high: low para análise moderadamente complexa, medium para trabalho substancial de várias etapas e high para o raciocínio mais profundo. Extração simples e respostas factuais curtas podem utilizar raciocínio desligado; depuração difícil, raciocínio matemático e síntese entre documentos podem beneficiar de esforço adicional. O conteúdo de raciocínio é devolvido como [REDACTED], pelo que não é um registo passo a passo legível. O contrato de esforço high exige omitir temperature, topP, topK e maxTokens; a Amazon documenta que algumas saídas de esforço high podem exceder 65K tokens e chegar a 128K, em vez de definir 128K como um limite habitual de saída.
O Nova 2 Lite suporta chamadas de funções, streaming de respostas e cache de instruções no perfil de disponibilização documentado da Amazon. A cache explícita exige pelo menos 1K tokens por checkpoint e permite até quatro checkpoints com retenção de cinco minutos. O fabricante limita a cache de instruções a 20K tokens, sobretudo para instruções de texto; esse limite de cache é distinto da janela completa de contexto. Forneça nomes, descrições e esquemas de argumentos claros para as ferramentas; o modelo escolhe uma ferramenta e pede argumentos, enquanto a aplicação executa ferramentas personalizadas e devolve os seus resultados. A Amazon também documenta ferramentas integradas opcionais: Web Grounding para informação atual com citações e Python Code Interpreter para cálculos. São ferramentas configuradas, e não atividades implícitas em todas as respostas. A Amazon também documenta ajuste fino supervisionado e por reforço para adaptar o Nova 2 Lite a uma tarefa especializada; são fluxos separados de personalização de modelos. Para um relatório numérico, um briefing útil separa os números de origem, o cálculo a realizar e a explicação a devolver; os erros de ferramentas devem permanecer visíveis no resultado devolvido, em vez de serem tratados como observações bem-sucedidas.
O guia multimodal indica imagens PNG, JPEG, GIF e WebP; para GIF ou WebP animado, apenas o primeiro fotograma é utilizado. Os formatos de vídeo incluem MP4, MOV, MKV, WebM, FLV, MPEG, MPG, WMV e 3GP. Os documentos incluem PDF, DOC/DOCX, TXT, CSV, XLS/XLSX, HTML e Markdown. Os formatos baseados em texto são lidos sobretudo como texto, enquanto PDF e DOCX podem combinar texto e elementos visuais de página. O fluxo documental do fabricante permite até cinco documentos e limita cada documento de texto a 4.5 MB. O perfil de imagens incorporadas permite cinco imagens e uma carga de 25 MB; a entrada de imagens S3 permite até 1000 imagens e 2 GB no total. A entrada de vídeo permite um ficheiro: 25 MB incorporado ou 1 GB através de S3. Os ficheiros PDF e DOCX partilham um limite combinado de 25 MB para carregamento direto ou 2 GB através de S3. PDFs com imagens CMYK ou SVG não são suportados. Estes pormenores de tratamento de ficheiros pertencem ao fluxo documentado do fabricante; anexe o conteúdo real relevante e preserve as suas etiquetas de página ou secção para referências úteis.
A compreensão de vídeo utiliza fotogramas visuais, em vez da faixa áudio. Para vídeos de 16 minutos ou menos, o guia descreve um fotograma amostrado por segundo; o seu texto descreve a redução da taxa de amostragem para clipes mais longos para manter 960 fotogramas. Ações rápidas entre fotogramas podem, por isso, passar despercebidas. Prefira um clipe relevante e uma pergunta explícita sobre cenas ou acontecimentos; forneça uma transcrição separada quando a informação falada for importante. Texto pequeno ou multilingue e relações espaciais precisas também podem ser difíceis, por isso preserve etiquetas legíveis e contexto visual envolvente suficiente. O fabricante também afirma que este modelo não identifica nem nomeia pessoas em imagens, documentos ou vídeos.
A Amazon documenta suporte para mais de 200 línguas, com otimização para inglês, alemão, espanhol, francês, italiano, japonês, coreano, árabe, chinês simplificado, russo, hindi, português, neerlandês, turco e hebraico. Indique a língua de saída e a terminologia exigidas, sobretudo quando as fontes utilizam várias línguas. Para um fluxo documental, especifique as perguntas, os identificadores de evidência e a estrutura final e peça depois ao modelo que distinga factos declarados de informação em falta. O resultado útil é uma resposta fundamentada nas fontes ou um artefacto informado por ferramentas, e não a suposição de que todos os pormenores de uma entrada grande foram captados.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites amazon/nova-2-lite-v1 | Predefinição— |
Campomessages | Tipomessage[] | RequisitoObrigatório | Valores e limites Número mínimo de elementos: 1 | Predefinição— |
Campomessages[].role | Tipostring | RequisitoObrigatório | Valores e limites Exemplos: system, user, assistant, tool, function Condições: Estes papéis são representados explicitamente pelos tipos de compatibilidade do código-fonte; o conjunto exato de papéis continua específico do modelo. Depende do modelo | Predefinição— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoOpcional | Valores e limites | Predefinição— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoOpcional | Valores e limites | Predefinição— |
Campomessages[].tool_call_id | Tipostring | RequisitoOpcional | Valores e limites Aplica-se quando: role=tool; use o ID realmente devolvido | Predefinição— |
Campomessages[].name | Tipostring | RequisitoOpcional | Valores e limites | Predefinição— |
Campomessages[].reasoning_content | Tipostring | RequisitoOpcional | Valores e limites Aplica-se quando: Reintroduza o raciocínio realmente devolvido quando este modelo o utiliza | Predefinição— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campomax_tokens | Tipointeger | RequisitoOpcional | Valores e limites Mínimo: 1 Depende do modelo | Predefinição— |
Campomax_completion_tokens | Tipointeger | RequisitoOpcional | Valores e limites Mínimo: 1 Depende do modelo | Predefinição— |
Campostream | Tipoboolean | RequisitoOpcional | Valores e limites | Predefiniçãofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotemperature | Tiponumber | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotop_p | Tiponumber | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campostop | Tipostring|string[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotools | Tipofunction_tool[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotools[].type | Tipostring | RequisitoOpcional | Valores e limites function Depende do modelo | Predefinição— |
Campotools[].function.name | Tipostring | RequisitoObrigatório | Valores e limites Aplica-se quando: Função fornecida como ferramenta | Predefinição— |
Campotools[].function.description | Tipostring | RequisitoOpcional | Valores e limites | Predefinição— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoOpcional | Valores e limites | Predefinição— |
Campotool_choice | Tipostring|object | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campoparallel_tool_calls | Tipoboolean | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camporesponse_format | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camporeasoning_effort | Tipostring | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camporeasoning | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camposervice_tier | Tipostring | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campoinstructions | Tipostring | RequisitoOpcional | Valores e limites Campo de compatibilidade | Predefinição— |
Campofunctions | Tipofunction[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campofunction_call | Tipostring|object | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campoprompt_cache_options | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campomodalities | Tipostring[] | RequisitoOpcional | Valores e limites text | Predefinição— |
Campoprovider | Tipoobject | RequisitoOpcional | Valores e limites Condições: provider.options é rejeitado nesta rota textual Ultra | Predefinição— |
Campocache_control.ttl | Tipostring | RequisitoOpcional | Valores e limites Condições: 1h é rejeitado nos locais efetivos da cache de prompts | Predefinição— |
Texto · Texto UTF8
messages[].content
| Parâmetro | Contrato |
|---|---|
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrorequired | Contratomodel, messages |
Parâmetromaterial_types | Contratotext |
Parâmetromessages | ContratoLista de mensagens com estrutura role/content |
Parâmetrofile_material | ContratoDocumento UTF-8 real inserido como texto literal; nenhum ID de ficheiro inferido |
Parâmetrooptional_controls | Contratostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parâmetrocontrol_scope | ContratoEspecífico do modelo; as ferramentas de funções do utilizador diferem das ferramentas alojadas |
Parâmetrooutput_modalities | Contratotext |
Parâmetrohosted_operations | Contratofalse |
Parâmetromultimodal_input_binding | Contratonull |
Ciclo de vida: synchronous_or_streamed
Envie o ID exato do modelo com messages.
O comprimento do contexto não é um limite de saída.
Um ficheiro de texto pode fornecer texto literal; as entradas de imagem/áudio/objeto de ficheiro exigem uma associação exata.
As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.
Associe cada custo às condições apresentadas. Use uma única tarifa para cada conjunto de configurações alternativas.
| Configuração | Tabela de tarifas | Tokens de contexto, mais de | Tokens de contexto, até ao limite inclusive | Custo |
|---|---|---|---|---|
| ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Tokens de contexto, mais de— | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.0006 / 1K tokens Saída · Tokens de saída $0.005 / 1K tokens Entrada · Leitura da cache — / 1K tokens Entrada · Escrita na cache — / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| ConfiguraçãoEscalão 1 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de0 | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.0006 / 1K tokens Saída · Tokens de saída $0.005 / 1K tokens Entrada · Leitura da cache — / 1K tokens Entrada · Escrita na cache — / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
set -eu\n: "${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 ou SSE
Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Conserve cada opção com o conteúdo, as chamadas de ferramentas e o raciocínio. Em SSE, junte os deltas por índice de opção e ferramenta e mantenha o motivo final de conclusão e os dados de utilização.
Conserve os ID e cabeçalhos de pedido/resposta. Não é fornecido um URL genérico para obter uma tarefa textual.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. |
Ailoot Ultra amazon/nova-2-lite-v1
Use os caminhos dos métodos indicados acima.
amazon/nova-2-lite-v1O Amazon Nova 2 Lite combina compreensão de texto, imagem, documentos e vídeo com raciocínio alargado opcional e utilização de ferramentas. O seu contexto de um milhão de tokens suporta fluxos documentais, programação e agentes que precisam de raciocinar ao longo de várias etapas.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
O Amazon Nova 2 Lite é o modelo de compreensão multimodal de segunda geração da Amazon para trabalho empresarial quotidiano e tarefas mais exigentes de agentes. Aceita texto, imagens e vídeo, incluindo conteúdo documental, e produz texto. O trabalho prático inclui respostas de apoio fundamentadas em material fornecido, extração de informação de relatórios, análise de gráficos ou capturas de ecrã, revisão de código e resumo de acontecimentos visuais. É um modelo de compreensão: o vídeo de entrada é analisado, em vez de regenerado, e a saída documentada é texto, em vez de imagens, vídeo ou voz nativos.
O perfil do modelo do fabricante indica uma janela de contexto de 1 milhão de tokens e uma saída máxima padrão de 64K tokens. A data-limite de conhecimento documentada é outubro de 2025. Este contexto de trabalho maior distingue o Nova 2 Lite da janela de 300K do Nova Lite de primeira geração. Utilize o espaço para os documentos de origem reais, a conversa relevante, o código e as instruções e peça depois um artefacto focado, como uma tabela de evidências, uma proposta de alteração ou um resumo organizado por fonte. Um contexto longo não transforma conhecimento aprendido numa base de dados em tempo real; a informação que muda deve vir de evidências fornecidas, recuperação de informação ou uma ferramenta de fundamentação ativa.
O raciocínio alargado é opcional e está desativado por predefinição. Quando ativo, o fabricante oferece esforço low, medium e high: low para análise moderadamente complexa, medium para trabalho substancial de várias etapas e high para o raciocínio mais profundo. Extração simples e respostas factuais curtas podem utilizar raciocínio desligado; depuração difícil, raciocínio matemático e síntese entre documentos podem beneficiar de esforço adicional. O conteúdo de raciocínio é devolvido como [REDACTED], pelo que não é um registo passo a passo legível. O contrato de esforço high exige omitir temperature, topP, topK e maxTokens; a Amazon documenta que algumas saídas de esforço high podem exceder 65K tokens e chegar a 128K, em vez de definir 128K como um limite habitual de saída.
O Nova 2 Lite suporta chamadas de funções, streaming de respostas e cache de instruções no perfil de disponibilização documentado da Amazon. A cache explícita exige pelo menos 1K tokens por checkpoint e permite até quatro checkpoints com retenção de cinco minutos. O fabricante limita a cache de instruções a 20K tokens, sobretudo para instruções de texto; esse limite de cache é distinto da janela completa de contexto. Forneça nomes, descrições e esquemas de argumentos claros para as ferramentas; o modelo escolhe uma ferramenta e pede argumentos, enquanto a aplicação executa ferramentas personalizadas e devolve os seus resultados. A Amazon também documenta ferramentas integradas opcionais: Web Grounding para informação atual com citações e Python Code Interpreter para cálculos. São ferramentas configuradas, e não atividades implícitas em todas as respostas. A Amazon também documenta ajuste fino supervisionado e por reforço para adaptar o Nova 2 Lite a uma tarefa especializada; são fluxos separados de personalização de modelos. Para um relatório numérico, um briefing útil separa os números de origem, o cálculo a realizar e a explicação a devolver; os erros de ferramentas devem permanecer visíveis no resultado devolvido, em vez de serem tratados como observações bem-sucedidas.
O guia multimodal indica imagens PNG, JPEG, GIF e WebP; para GIF ou WebP animado, apenas o primeiro fotograma é utilizado. Os formatos de vídeo incluem MP4, MOV, MKV, WebM, FLV, MPEG, MPG, WMV e 3GP. Os documentos incluem PDF, DOC/DOCX, TXT, CSV, XLS/XLSX, HTML e Markdown. Os formatos baseados em texto são lidos sobretudo como texto, enquanto PDF e DOCX podem combinar texto e elementos visuais de página. O fluxo documental do fabricante permite até cinco documentos e limita cada documento de texto a 4.5 MB. O perfil de imagens incorporadas permite cinco imagens e uma carga de 25 MB; a entrada de imagens S3 permite até 1000 imagens e 2 GB no total. A entrada de vídeo permite um ficheiro: 25 MB incorporado ou 1 GB através de S3. Os ficheiros PDF e DOCX partilham um limite combinado de 25 MB para carregamento direto ou 2 GB através de S3. PDFs com imagens CMYK ou SVG não são suportados. Estes pormenores de tratamento de ficheiros pertencem ao fluxo documentado do fabricante; anexe o conteúdo real relevante e preserve as suas etiquetas de página ou secção para referências úteis.
A compreensão de vídeo utiliza fotogramas visuais, em vez da faixa áudio. Para vídeos de 16 minutos ou menos, o guia descreve um fotograma amostrado por segundo; o seu texto descreve a redução da taxa de amostragem para clipes mais longos para manter 960 fotogramas. Ações rápidas entre fotogramas podem, por isso, passar despercebidas. Prefira um clipe relevante e uma pergunta explícita sobre cenas ou acontecimentos; forneça uma transcrição separada quando a informação falada for importante. Texto pequeno ou multilingue e relações espaciais precisas também podem ser difíceis, por isso preserve etiquetas legíveis e contexto visual envolvente suficiente. O fabricante também afirma que este modelo não identifica nem nomeia pessoas em imagens, documentos ou vídeos.
A Amazon documenta suporte para mais de 200 línguas, com otimização para inglês, alemão, espanhol, francês, italiano, japonês, coreano, árabe, chinês simplificado, russo, hindi, português, neerlandês, turco e hebraico. Indique a língua de saída e a terminologia exigidas, sobretudo quando as fontes utilizam várias línguas. Para um fluxo documental, especifique as perguntas, os identificadores de evidência e a estrutura final e peça depois ao modelo que distinga factos declarados de informação em falta. O resultado útil é uma resposta fundamentada nas fontes ou um artefacto informado por ferramentas, e não a suposição de que todos os pormenores de uma entrada grande foram captados.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites amazon/nova-2-lite-v1 | Predefinição— |
Campomessages | Tipomessage[] | RequisitoObrigatório | Valores e limites | Predefinição— |
Campomessages[].role | Tipostring | RequisitoObrigatório | Valores e limites user, assistant | Predefinição— |
Campomessages[].content | Tipostring | RequisitoObrigatório | Valores e limites | Predefinição— |
Campomax_tokens | Tipointeger | RequisitoObrigatório | Valores e limites | Predefinição— |
Campostream | Tipoboolean | RequisitoOpcional | Valores e limites | Predefiniçãofalse |
Texto · Texto UTF-8
Cadeia de caracteres messages[].content
| Parâmetro | Contrato |
|---|---|
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrorequired | Contratomodel, messages, max_tokens |
Parâmetrooptional_controls | Contratostream |
Parâmetromaterial_types | Contratotext |
Parâmetrotext_file_material | ContratoLeia o documento UTF-8 real e coloque o texto na entrada indicada ou na cadeia de conteúdo da mensagem. |
Ciclo de vida: synchronous_or_streamed
As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.
Associe cada custo às condições apresentadas. Use uma única tarifa para cada conjunto de configurações alternativas.
| Configuração | Tabela de tarifas | Tokens de contexto, mais de | Tokens de contexto, até ao limite inclusive | Custo |
|---|---|---|---|---|
| ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Tokens de contexto, mais de— | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.0006 / 1K tokens Saída · Tokens de saída $0.005 / 1K tokens Entrada · Leitura da cache — / 1K tokens Entrada · Escrita na cache — / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| ConfiguraçãoEscalão 1 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de0 | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.0006 / 1K tokens Saída · Tokens de saída $0.005 / 1K tokens Entrada · Leitura da cache — / 1K tokens Entrada · Escrita na cache — / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
{\n "model": "amazon/nova-2-lite-v1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 ou SSE
Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Conserve todos os blocos de conteúdo, as assinaturas de raciocínio e os ID reais de utilização de ferramentas. Junte todos os deltas de blocos SSE; o primeiro bloco de texto não é a saída completa.
Conserve os ID e cabeçalhos de pedido/resposta. Não é fornecido um URL genérico para obter uma tarefa textual.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. |
Ailoot Ultra amazon/nova-2-lite-v1
Use os caminhos dos métodos indicados acima.
Exemplo técnico em inglês
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.