Amazon Nova 2 Lite är Amazons multimodala förståelsemodell i andra generationen för vardagligt företagsarbete och mer krävande agentuppgifter. Den tar emot text, bilder och video, inklusive dokumentinnehåll, och producerar text. Praktiskt arbete omfattar supportsvar förankrade i tillhandahållet material, extraktion av information ur rapporter, analys av diagram eller skärmbilder, kodgranskning och sammanfattning av visuella händelser. Den är en förståelsemodell: videoindata analyseras snarare än genereras på nytt, och den dokumenterade utdata är text snarare än inbyggda bilder, video eller tal.
Producentens modellprofil anger ett kontextfönster på 1 miljon token och en standardmässig maximal utdata på 64K token. Dess dokumenterade kunskapsgräns är oktober 2025. Den större arbetskontexten skiljer Nova 2 Lite från första generationens Nova Lite med ett fönster på 300K. Använd utrymmet för de faktiska källdokumenten, relevant konversation, kod och instruktioner och begär sedan en fokuserad artefakt som en underlagstabell, ett ändringsförslag eller en sammanfattning ordnad efter källa. En lång kontext gör inte inlärd kunskap till en databas i realtid; information som förändras bör komma från tillhandahållet underlag, informationshämtning eller ett aktiverat verktyg för källförankring.
Utökat tänkande är valfritt och avstängt som standard. När det är aktiverat erbjuder producenten insatsnivåerna low, medium och high: low för måttligt komplex analys, medium för omfattande arbete i flera steg och high för det djupaste resonemanget. Enkel extraktion och korta faktasvar kan använda avstängt tänkande; svår felsökning, matematiskt resonemang och syntes mellan dokument kan dra nytta av ytterligare insats. Resonemangsinnehållet returneras som [REDACTED], så det är inte ett läsbart steg-för-steg-spår. Kontraktet för hög insats kräver att temperature, topP, topK och maxTokens utelämnas; Amazon dokumenterar att vissa utdata vid hög insats kan överstiga 65K token och nå 128K, snarare än att definiera 128K som en vanlig utdatatilldelning.
Nova 2 Lite stöder funktionsanrop, svarsströmning och promptcachning i Amazons dokumenterade profil för tillhandahållande. Uttrycklig cachning kräver minst 1K token per kontrollpunkt och tillåter upp till fyra kontrollpunkter med fem minuters lagringstid. Producenten begränsar promptcachning till 20K token, främst för textprompter; den cachetilldelningen är åtskild från hela kontextfönstret. Tillhandahåll tydliga verktygsnamn, beskrivningar och argumentscheman; modellen väljer ett verktyg och begär argument, medan applikationen kör egna verktyg och returnerar resultaten. Amazon dokumenterar också valfri inbyggd Web Grounding för aktuell information med källhänvisningar och en Python Code Interpreter för beräkningar. Detta är konfigurerade verktyg, inte aktiviteter som varje svar underförstått innebär. Amazon dokumenterar också övervakad finjustering och finjustering med förstärkningsinlärning för att anpassa Nova 2 Lite till en specialiserad uppgift; detta är separata arbetsflöden för modellanpassning. För en numerisk rapport skiljer en användbar brief källsiffrorna, beräkningen som ska utföras och förklaringen som ska returneras åt; verktygsfel bör förbli synliga i det returnerade resultatet snarare än behandlas som lyckade observationer.
Den multimodala guiden anger bilder i PNG, JPEG, GIF och WebP; för animerad GIF eller WebP används endast den första bildrutan. Videoformaten omfattar MP4, MOV, MKV, WebM, FLV, MPEG, MPG, WMV och 3GP. Dokument omfattar PDF, DOC/DOCX, TXT, CSV, XLS/XLSX, HTML och Markdown. Textbaserade format läses främst som text, medan PDF och DOCX kan kombinera text och sidans visuella innehåll. Producentens dokumentflöde tillåter upp till fem dokument och begränsar varje textdokument till 4,5 MB. Profilen för inbäddade bilder tillåter fem bilder och en nyttolast på 25 MB; S3-bildindata tillåter upp till 1 000 bilder och totalt 2 GB. Videoindata tillåter en fil: 25 MB inbäddat eller 1 GB via S3. PDF- och DOCX-filer delar en sammanlagd tilldelning på 25 MB vid direktuppladdning eller 2 GB via S3. PDF-filer som innehåller CMYK- eller SVG-bilder stöds inte. Dessa filhanteringsdetaljer hör till producentens dokumenterade arbetsflöde; bifoga det faktiska relevanta innehållet och bevara dess sid- eller avsnittsetiketter för användbara hänvisningar.
Videoförståelse använder visuella bildrutor snarare än ljudspåret. För videor på högst 16 minuter beskriver guiden en samplad bildruta per sekund; dess löptext beskriver minskad samplingsfrekvens för längre klipp så att 960 bildrutor behålls. Snabba handlingar mellan bildrutorna kan därför missas. Föredra ett relevant klipp och en uttrycklig fråga om scener eller händelser; tillhandahåll en separat transkription när talad information är viktig. Liten eller flerspråkig text och exakta rumsliga förhållanden kan också vara svåra, så bevara läsbara etiketter och tillräckligt omgivande visuellt sammanhang. Producenten anger också att denna modell inte identifierar eller namnger personer i bilder, dokument eller videor.
Amazon dokumenterar stöd för över 200 språk, med optimering för engelska, tyska, spanska, franska, italienska, japanska, koreanska, arabiska, förenklad kinesiska, ryska, hindi, portugisiska, nederländska, turkiska och hebreiska. Ange nödvändigt utdataspråk och terminologi, särskilt när källorna använder flera språk. För ett dokumentflöde anger du frågorna, underlagsidentifierarna och den slutliga strukturen och ber sedan modellen att skilja angivna fakta från saknad information. Dess användbara resultat är ett källförankrat svar eller en verktygsinformerad artefakt, inte ett antagande om att varje detalj i stora indata har fångats.
", "aboutText": "Amazon Nova 2 Lite är Amazons multimodala förståelsemodell i andra generationen för vardagligt företagsarbete och mer krävande agentuppgifter. Den tar emot text, bilder och video, inklusive dokumentinnehåll, och producerar text. Praktiskt arbete omfattar supportsvar förankrade i tillhandahållet material, extraktion av information ur rapporter, analys av diagram eller skärmbilder, kodgranskning och sammanfattning av visuella händelser. Den är en förståelsemodell: videoindata analyseras snarare än genereras på nytt, och den dokumenterade utdata är text snarare än inbyggda bilder, video eller tal.\n\nProducentens modellprofil anger ett kontextfönster på 1 miljon token och en standardmässig maximal utdata på 64K token. Dess dokumenterade kunskapsgräns är oktober 2025. Den större arbetskontexten skiljer Nova 2 Lite från första generationens Nova Lite med ett fönster på 300K. Använd utrymmet för de faktiska källdokumenten, relevant konversation, kod och instruktioner och begär sedan en fokuserad artefakt som en underlagstabell, ett ändringsförslag eller en sammanfattning ordnad efter källa. En lång kontext gör inte inlärd kunskap till en databas i realtid; information som förändras bör komma från tillhandahållet underlag, informationshämtning eller ett aktiverat verktyg för källförankring.\n\nUtökat tänkande är valfritt och avstängt som standard. När det är aktiverat erbjuder producenten insatsnivåerna low, medium och high: low för måttligt komplex analys, medium för omfattande arbete i flera steg och high för det djupaste resonemanget. Enkel extraktion och korta faktasvar kan använda avstängt tänkande; svår felsökning, matematiskt resonemang och syntes mellan dokument kan dra nytta av ytterligare insats. Resonemangsinnehållet returneras som [REDACTED], så det är inte ett läsbart steg-för-steg-spår. Kontraktet för hög insats kräver att temperature, topP, topK och maxTokens utelämnas; Amazon dokumenterar att vissa utdata vid hög insats kan överstiga 65K token och nå 128K, snarare än att definiera 128K som en vanlig utdatatilldelning.\n\nNova 2 Lite stöder funktionsanrop, svarsströmning och promptcachning i Amazons dokumenterade profil för tillhandahållande. Uttrycklig cachning kräver minst 1K token per kontrollpunkt och tillåter upp till fyra kontrollpunkter med fem minuters lagringstid. Producenten begränsar promptcachning till 20K token, främst för textprompter; den cachetilldelningen är åtskild från hela kontextfönstret. Tillhandahåll tydliga verktygsnamn, beskrivningar och argumentscheman; modellen väljer ett verktyg och begär argument, medan applikationen kör egna verktyg och returnerar resultaten. Amazon dokumenterar också valfri inbyggd Web Grounding för aktuell information med källhänvisningar och en Python Code Interpreter för beräkningar. Detta är konfigurerade verktyg, inte aktiviteter som varje svar underförstått innebär. Amazon dokumenterar också övervakad finjustering och finjustering med förstärkningsinlärning för att anpassa Nova 2 Lite till en specialiserad uppgift; detta är separata arbetsflöden för modellanpassning. För en numerisk rapport skiljer en användbar brief källsiffrorna, beräkningen som ska utföras och förklaringen som ska returneras åt; verktygsfel bör förbli synliga i det returnerade resultatet snarare än behandlas som lyckade observationer.\n\nDen multimodala guiden anger bilder i PNG, JPEG, GIF och WebP; för animerad GIF eller WebP används endast den första bildrutan. Videoformaten omfattar MP4, MOV, MKV, WebM, FLV, MPEG, MPG, WMV och 3GP. Dokument omfattar PDF, DOC/DOCX, TXT, CSV, XLS/XLSX, HTML och Markdown. Textbaserade format läses främst som text, medan PDF och DOCX kan kombinera text och sidans visuella innehåll. Producentens dokumentflöde tillåter upp till fem dokument och begränsar varje textdokument till 4,5 MB. Profilen för inbäddade bilder tillåter fem bilder och en nyttolast på 25 MB; S3-bildindata tillåter upp till 1 000 bilder och totalt 2 GB. Videoindata tillåter en fil: 25 MB inbäddat eller 1 GB via S3. PDF- och DOCX-filer delar en sammanlagd tilldelning på 25 MB vid direktuppladdning eller 2 GB via S3. PDF-filer som innehåller CMYK- eller SVG-bilder stöds inte. Dessa filhanteringsdetaljer hör till producentens dokumenterade arbetsflöde; bifoga det faktiska relevanta innehållet och bevara dess sid- eller avsnittsetiketter för användbara hänvisningar.\n\nVideoförståelse använder visuella bildrutor snarare än ljudspåret. För videor på högst 16 minuter beskriver guiden en samplad bildruta per sekund; dess löptext beskriver minskad samplingsfrekvens för längre klipp så att 960 bildrutor behålls. Snabba handlingar mellan bildrutorna kan därför missas. Föredra ett relevant klipp och en uttrycklig fråga om scener eller händelser; tillhandahåll en separat transkription när talad information är viktig. Liten eller flerspråkig text och exakta rumsliga förhållanden kan också vara svåra, så bevara läsbara etiketter och tillräckligt omgivande visuellt sammanhang. Producenten anger också att denna modell inte identifierar eller namnger personer i bilder, dokument eller videor.\n\nAmazon dokumenterar stöd för över 200 språk, med optimering för engelska, tyska, spanska, franska, italienska, japanska, koreanska, arabiska, förenklad kinesiska, ryska, hindi, portugisiska, nederländska, turkiska och hebreiska. Ange nödvändigt utdataspråk och terminologi, särskilt när källorna använder flera språk. För ett dokumentflöde anger du frågorna, underlagsidentifierarna och den slutliga strukturen och ber sedan modellen att skilja angivna fakta från saknad information. Dess användbara resultat är ett källförankrat svar eller en verktygsinformerad artefakt, inte ett antagande om att varje detalj i stora indata har fångats.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekniskt exempel på engelska
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 kombinerar förståelse av text, bilder, dokument och video med valfritt utökat tänkande och verktygsanvändning. Kontexten på en miljon token stöder dokumentflöden, kodning och agenter som behöver resonera i flera steg.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Amazon Nova 2 Lite är Amazons multimodala förståelsemodell i andra generationen för vardagligt företagsarbete och mer krävande agentuppgifter. Den tar emot text, bilder och video, inklusive dokumentinnehåll, och producerar text. Praktiskt arbete omfattar supportsvar förankrade i tillhandahållet material, extraktion av information ur rapporter, analys av diagram eller skärmbilder, kodgranskning och sammanfattning av visuella händelser. Den är en förståelsemodell: videoindata analyseras snarare än genereras på nytt, och den dokumenterade utdata är text snarare än inbyggda bilder, video eller tal.
Producentens modellprofil anger ett kontextfönster på 1 miljon token och en standardmässig maximal utdata på 64K token. Dess dokumenterade kunskapsgräns är oktober 2025. Den större arbetskontexten skiljer Nova 2 Lite från första generationens Nova Lite med ett fönster på 300K. Använd utrymmet för de faktiska källdokumenten, relevant konversation, kod och instruktioner och begär sedan en fokuserad artefakt som en underlagstabell, ett ändringsförslag eller en sammanfattning ordnad efter källa. En lång kontext gör inte inlärd kunskap till en databas i realtid; information som förändras bör komma från tillhandahållet underlag, informationshämtning eller ett aktiverat verktyg för källförankring.
Utökat tänkande är valfritt och avstängt som standard. När det är aktiverat erbjuder producenten insatsnivåerna low, medium och high: low för måttligt komplex analys, medium för omfattande arbete i flera steg och high för det djupaste resonemanget. Enkel extraktion och korta faktasvar kan använda avstängt tänkande; svår felsökning, matematiskt resonemang och syntes mellan dokument kan dra nytta av ytterligare insats. Resonemangsinnehållet returneras som [REDACTED], så det är inte ett läsbart steg-för-steg-spår. Kontraktet för hög insats kräver att temperature, topP, topK och maxTokens utelämnas; Amazon dokumenterar att vissa utdata vid hög insats kan överstiga 65K token och nå 128K, snarare än att definiera 128K som en vanlig utdatatilldelning.
Nova 2 Lite stöder funktionsanrop, svarsströmning och promptcachning i Amazons dokumenterade profil för tillhandahållande. Uttrycklig cachning kräver minst 1K token per kontrollpunkt och tillåter upp till fyra kontrollpunkter med fem minuters lagringstid. Producenten begränsar promptcachning till 20K token, främst för textprompter; den cachetilldelningen är åtskild från hela kontextfönstret. Tillhandahåll tydliga verktygsnamn, beskrivningar och argumentscheman; modellen väljer ett verktyg och begär argument, medan applikationen kör egna verktyg och returnerar resultaten. Amazon dokumenterar också valfri inbyggd Web Grounding för aktuell information med källhänvisningar och en Python Code Interpreter för beräkningar. Detta är konfigurerade verktyg, inte aktiviteter som varje svar underförstått innebär. Amazon dokumenterar också övervakad finjustering och finjustering med förstärkningsinlärning för att anpassa Nova 2 Lite till en specialiserad uppgift; detta är separata arbetsflöden för modellanpassning. För en numerisk rapport skiljer en användbar brief källsiffrorna, beräkningen som ska utföras och förklaringen som ska returneras åt; verktygsfel bör förbli synliga i det returnerade resultatet snarare än behandlas som lyckade observationer.
Den multimodala guiden anger bilder i PNG, JPEG, GIF och WebP; för animerad GIF eller WebP används endast den första bildrutan. Videoformaten omfattar MP4, MOV, MKV, WebM, FLV, MPEG, MPG, WMV och 3GP. Dokument omfattar PDF, DOC/DOCX, TXT, CSV, XLS/XLSX, HTML och Markdown. Textbaserade format läses främst som text, medan PDF och DOCX kan kombinera text och sidans visuella innehåll. Producentens dokumentflöde tillåter upp till fem dokument och begränsar varje textdokument till 4,5 MB. Profilen för inbäddade bilder tillåter fem bilder och en nyttolast på 25 MB; S3-bildindata tillåter upp till 1 000 bilder och totalt 2 GB. Videoindata tillåter en fil: 25 MB inbäddat eller 1 GB via S3. PDF- och DOCX-filer delar en sammanlagd tilldelning på 25 MB vid direktuppladdning eller 2 GB via S3. PDF-filer som innehåller CMYK- eller SVG-bilder stöds inte. Dessa filhanteringsdetaljer hör till producentens dokumenterade arbetsflöde; bifoga det faktiska relevanta innehållet och bevara dess sid- eller avsnittsetiketter för användbara hänvisningar.
Videoförståelse använder visuella bildrutor snarare än ljudspåret. För videor på högst 16 minuter beskriver guiden en samplad bildruta per sekund; dess löptext beskriver minskad samplingsfrekvens för längre klipp så att 960 bildrutor behålls. Snabba handlingar mellan bildrutorna kan därför missas. Föredra ett relevant klipp och en uttrycklig fråga om scener eller händelser; tillhandahåll en separat transkription när talad information är viktig. Liten eller flerspråkig text och exakta rumsliga förhållanden kan också vara svåra, så bevara läsbara etiketter och tillräckligt omgivande visuellt sammanhang. Producenten anger också att denna modell inte identifierar eller namnger personer i bilder, dokument eller videor.
Amazon dokumenterar stöd för över 200 språk, med optimering för engelska, tyska, spanska, franska, italienska, japanska, koreanska, arabiska, förenklad kinesiska, ryska, hindi, portugisiska, nederländska, turkiska och hebreiska. Ange nödvändigt utdataspråk och terminologi, särskilt när källorna använder flera språk. För ett dokumentflöde anger du frågorna, underlagsidentifierarna och den slutliga strukturen och ber sedan modellen att skilja angivna fakta från saknad information. Dess användbara resultat är ett källförankrat svar eller en verktygsinformerad artefakt, inte ett antagande om att varje detalj i stora indata har fångats.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser amazon/nova-2-lite-v1 | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser Minsta antal objekt: 1 | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser Exempel: system, user, assistant, tool, function Villkor: Dessa roller representeras uttryckligen av källkodens kompatibilitetstyper; den exakta rolluppsättningen är fortfarande modellspecifik. Beror på modellen | Standard— |
Fältmessages[].content | Typstring|content_part[]|null | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].tool_calls | Typtool_call[] | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].tool_call_id | Typstring | KravValfritt | Värden & gränser Gäller när: role=tool; använd det faktiska returnerade ID:t | Standard— |
Fältmessages[].name | Typstring | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].reasoning_content | Typstring | KravValfritt | Värden & gränser Gäller när: Skicka tillbaka det faktiska returnerade resonemanget när modellen använder det | Standard— |
Fältmessages[].reasoning_details | Typobject|array | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältmax_tokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— |
Fältmax_completion_tokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Fältstream_options.include_usage | Typboolean | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttemperature | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttop_p | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältstop | Typstring|string[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools | Typfunction_tool[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools[].type | Typstring | KravValfritt | Värden & gränser function Beror på modellen | Standard— |
Fälttools[].function.name | Typstring | KravObligatoriskt | Värden & gränser Gäller när: verktyg av typen funktion har tillhandahållits | Standard— |
Fälttools[].function.description | Typstring | KravValfritt | Värden & gränser | Standard— |
Fälttools[].function.parameters | TypJSON_schema | KravValfritt | Värden & gränser | Standard— |
Fälttool_choice | Typstring|object | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältparallel_tool_calls | Typboolean | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältresponse_format | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältreasoning_effort | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältreasoning | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältservice_tier | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältinstructions | Typstring | KravValfritt | Värden & gränser Kompatibilitetsfält | Standard— |
Fältfunctions | Typfunction[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältfunction_call | Typstring|object | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältprompt_cache_options | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältmodalities | Typstring[] | KravValfritt | Värden & gränser text | Standard— |
Fältprovider | Typobject | KravValfritt | Värden & gränser Villkor: provider.options avvisas på denna Ultra-textrutt | Standard— |
Fältcache_control.ttl | Typstring | KravValfritt | Värden & gränser Villkor: 1h avvisas på de faktiska platserna för promptcache | Standard— |
Text · UTF8-text
messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages |
Parametermaterial_types | Avtaltext |
Parametermessages | Avtalmeddelandearray med strukturen role/content |
Parameterfile_material | Avtaldet faktiska UTF-8-dokumentet infogat som bokstavlig text; inget fil-ID härleds |
Parameteroptional_controls | Avtalstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Avtalmodellspecifikt; användarens funktionsverktyg skiljer sig från värdbaserade verktyg |
Parameteroutput_modalities | Avtaltext |
Parameterhosted_operations | Avtalfalse |
Parametermultimodal_input_binding | Avtalnull |
Livscykel: synchronous_or_streamed
Skicka det exakta modell-ID:t tillsammans med messages.
Kontextlängden är inte en utdatagräns.
En textfil kan tillhandahålla bokstavlig text; bild-/ljud-/filobjektsindata kräver exakt bindning.
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0006 / 1K token Utdata · Utdatatoken $0.005 / 1K token Indata · Cacheläsning — / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0006 / 1K token Utdata · Utdatatoken $0.005 / 1K token Indata · Cacheläsning — / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${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 eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll varje svarsalternativ och dess innehåll/verktygsanrop/resonemang. Sätt i SSE samman deltauppdateringar efter svarsalternativets/verktygets index och behåll den slutliga avslutsorsaken och användningsuppgifterna.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältchoices[].index | Typinteger |
Fältchoices[].message.content | Typstring|null |
Fältchoices[].message.tool_calls | Typtool_call[] |
Fältchoices[].message.reasoning_content | Typstring |
Fältchoices[].message.reasoning_details | Typobject|array |
Fältchoices[].finish_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot Ultra amazon/nova-2-lite-v1
Använd metodsökvägarna som visas ovan.
amazon/nova-2-lite-v1Amazon Nova 2 Lite kombinerar förståelse av text, bilder, dokument och video med valfritt utökat tänkande och verktygsanvändning. Kontexten på en miljon token stöder dokumentflöden, kodning och agenter som behöver resonera i flera steg.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Amazon Nova 2 Lite är Amazons multimodala förståelsemodell i andra generationen för vardagligt företagsarbete och mer krävande agentuppgifter. Den tar emot text, bilder och video, inklusive dokumentinnehåll, och producerar text. Praktiskt arbete omfattar supportsvar förankrade i tillhandahållet material, extraktion av information ur rapporter, analys av diagram eller skärmbilder, kodgranskning och sammanfattning av visuella händelser. Den är en förståelsemodell: videoindata analyseras snarare än genereras på nytt, och den dokumenterade utdata är text snarare än inbyggda bilder, video eller tal.
Producentens modellprofil anger ett kontextfönster på 1 miljon token och en standardmässig maximal utdata på 64K token. Dess dokumenterade kunskapsgräns är oktober 2025. Den större arbetskontexten skiljer Nova 2 Lite från första generationens Nova Lite med ett fönster på 300K. Använd utrymmet för de faktiska källdokumenten, relevant konversation, kod och instruktioner och begär sedan en fokuserad artefakt som en underlagstabell, ett ändringsförslag eller en sammanfattning ordnad efter källa. En lång kontext gör inte inlärd kunskap till en databas i realtid; information som förändras bör komma från tillhandahållet underlag, informationshämtning eller ett aktiverat verktyg för källförankring.
Utökat tänkande är valfritt och avstängt som standard. När det är aktiverat erbjuder producenten insatsnivåerna low, medium och high: low för måttligt komplex analys, medium för omfattande arbete i flera steg och high för det djupaste resonemanget. Enkel extraktion och korta faktasvar kan använda avstängt tänkande; svår felsökning, matematiskt resonemang och syntes mellan dokument kan dra nytta av ytterligare insats. Resonemangsinnehållet returneras som [REDACTED], så det är inte ett läsbart steg-för-steg-spår. Kontraktet för hög insats kräver att temperature, topP, topK och maxTokens utelämnas; Amazon dokumenterar att vissa utdata vid hög insats kan överstiga 65K token och nå 128K, snarare än att definiera 128K som en vanlig utdatatilldelning.
Nova 2 Lite stöder funktionsanrop, svarsströmning och promptcachning i Amazons dokumenterade profil för tillhandahållande. Uttrycklig cachning kräver minst 1K token per kontrollpunkt och tillåter upp till fyra kontrollpunkter med fem minuters lagringstid. Producenten begränsar promptcachning till 20K token, främst för textprompter; den cachetilldelningen är åtskild från hela kontextfönstret. Tillhandahåll tydliga verktygsnamn, beskrivningar och argumentscheman; modellen väljer ett verktyg och begär argument, medan applikationen kör egna verktyg och returnerar resultaten. Amazon dokumenterar också valfri inbyggd Web Grounding för aktuell information med källhänvisningar och en Python Code Interpreter för beräkningar. Detta är konfigurerade verktyg, inte aktiviteter som varje svar underförstått innebär. Amazon dokumenterar också övervakad finjustering och finjustering med förstärkningsinlärning för att anpassa Nova 2 Lite till en specialiserad uppgift; detta är separata arbetsflöden för modellanpassning. För en numerisk rapport skiljer en användbar brief källsiffrorna, beräkningen som ska utföras och förklaringen som ska returneras åt; verktygsfel bör förbli synliga i det returnerade resultatet snarare än behandlas som lyckade observationer.
Den multimodala guiden anger bilder i PNG, JPEG, GIF och WebP; för animerad GIF eller WebP används endast den första bildrutan. Videoformaten omfattar MP4, MOV, MKV, WebM, FLV, MPEG, MPG, WMV och 3GP. Dokument omfattar PDF, DOC/DOCX, TXT, CSV, XLS/XLSX, HTML och Markdown. Textbaserade format läses främst som text, medan PDF och DOCX kan kombinera text och sidans visuella innehåll. Producentens dokumentflöde tillåter upp till fem dokument och begränsar varje textdokument till 4,5 MB. Profilen för inbäddade bilder tillåter fem bilder och en nyttolast på 25 MB; S3-bildindata tillåter upp till 1 000 bilder och totalt 2 GB. Videoindata tillåter en fil: 25 MB inbäddat eller 1 GB via S3. PDF- och DOCX-filer delar en sammanlagd tilldelning på 25 MB vid direktuppladdning eller 2 GB via S3. PDF-filer som innehåller CMYK- eller SVG-bilder stöds inte. Dessa filhanteringsdetaljer hör till producentens dokumenterade arbetsflöde; bifoga det faktiska relevanta innehållet och bevara dess sid- eller avsnittsetiketter för användbara hänvisningar.
Videoförståelse använder visuella bildrutor snarare än ljudspåret. För videor på högst 16 minuter beskriver guiden en samplad bildruta per sekund; dess löptext beskriver minskad samplingsfrekvens för längre klipp så att 960 bildrutor behålls. Snabba handlingar mellan bildrutorna kan därför missas. Föredra ett relevant klipp och en uttrycklig fråga om scener eller händelser; tillhandahåll en separat transkription när talad information är viktig. Liten eller flerspråkig text och exakta rumsliga förhållanden kan också vara svåra, så bevara läsbara etiketter och tillräckligt omgivande visuellt sammanhang. Producenten anger också att denna modell inte identifierar eller namnger personer i bilder, dokument eller videor.
Amazon dokumenterar stöd för över 200 språk, med optimering för engelska, tyska, spanska, franska, italienska, japanska, koreanska, arabiska, förenklad kinesiska, ryska, hindi, portugisiska, nederländska, turkiska och hebreiska. Ange nödvändigt utdataspråk och terminologi, särskilt när källorna använder flera språk. För ett dokumentflöde anger du frågorna, underlagsidentifierarna och den slutliga strukturen och ber sedan modellen att skilja angivna fakta från saknad information. Dess användbara resultat är ett källförankrat svar eller en verktygsinformerad artefakt, inte ett antagande om att varje detalj i stora indata har fångats.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser amazon/nova-2-lite-v1 | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser user, assistant | Standard— |
Fältmessages[].content | Typstring | KravObligatoriskt | Värden & gränser | Standard— |
Fältmax_tokens | Typinteger | KravObligatoriskt | Värden & gränser | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Text · UTF-8-text
sträng i messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages, max_tokens |
Parameteroptional_controls | Avtalstream |
Parametermaterial_types | Avtaltext |
Parametertext_file_material | AvtalLäs det faktiska UTF-8-dokumentet och placera texten i det angivna input-fältet eller i strängen för meddelandets innehåll. |
Livscykel: synchronous_or_streamed
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0006 / 1K token Utdata · Utdatatoken $0.005 / 1K token Indata · Cacheläsning — / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0006 / 1K token Utdata · Utdatatoken $0.005 / 1K token Indata · Cacheläsning — / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "amazon/nova-2-lite-v1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll alla innehållsblock, resonemangssignaturer och faktiska ID:n för verktygsanvändning. Sätt samman alla SSE-deltauppdateringar för blocken; ett första textblock är inte hela utdata.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältid | Typstring |
Fältmodel | Typstring |
Fältcontent[] | Typtext|thinking|tool_use|other content block |
Fältstop_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot Ultra amazon/nova-2-lite-v1
Använd metodsökvägarna som visas ovan.
Tekniskt exempel på engelska
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.