Modèle de fondation multimodal équilibrant précision, rapidité et coût pour le texte, les images et la vidéo sur un contexte de 300K (jusqu’à ~30 min de vidéo).
AmazonGénération de texte300K contextePublié 3 déc. 2024Endpoint propriétaireModèle de fondation multimodal équilibrant précision, rapidité et coût pour le texte, les images et la vidéo sur un contexte de 300K (jusqu’à ~30 min de vidéo).
Aussi connu sous le nom Amazon Nova Pro 1.0
nova-pro-1-0/v1/chat/completionsPOST/v1/responsesPOST/v1/messagesPOST/v1beta/models/nova-pro-1-0:generateContentamazon-nova-proamazon.nova-pro-v1:0amazon/nova-pronova-prous.amazon.nova-pro-v1:0Tarifs à l'usage en direct du catalogue EmpirioLabs. Vous ne payez que ce que vous utilisez, sans minimum mensuel.
Nova Pro 1.0 sert l'API Chat Completions compatible OpenAI. Pointez n'importe quel SDK OpenAI vers https://api.empiriolabs.ai/v1 avec votre clé API EmpirioLabs et utilisez l'id de modèle nova-pro-1-0. Obtenez une clé API depuis le tableau de bord EmpirioLabs.
curl https://api.empiriolabs.ai/v1/chat/completions \
-H "Authorization: Bearer $EMPIRIOLABS_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "nova-pro-1-0",
"messages": [
{"role": "user", "content": "Write a haiku about the ocean."}
]
}'from openai import OpenAI
client = OpenAI(
base_url="https://api.empiriolabs.ai/v1",
api_key="YOUR_EMPIRIOLABS_API_KEY",
)
response = client.chat.completions.create(
model="nova-pro-1-0",
messages=[{"role": "user", "content": "Write a haiku about the ocean."}],
)
print(response.choices[0].message.content)Paramètres de requête pris en charge par l'API Nova Pro 1.0 sur EmpirioLabs. Les valeurs par défaut s'appliquent quand un champ est omis.
| Paramètre | Type | Par défaut | Plage / valeurs | Description |
|---|---|---|---|---|
| temperature | number | 0.7 | 0 à 1 | Température d’échantillonnage, de 0 (déterministe) à 1. |
| top_p | number | 0.9 | 0 à 1 | Probabilité d’échantillonnage du noyau, masse. Plus bas = plus concentré. |
| max_tokens | number | 10000 | 1 à 10000 | Maximum de jetons dans la réponse. |
| stop | string | - | - | Jusqu’à 4 chaînes où le modèle cesse de générer d’autres jetons. |
| enable_latency_optimized | boolean | false | - | Réponses plus rapides, facturées au taux de latence optimisé ($3.00 entrée / $12.00 sortie par 1 million de jetons) au lieu du débit standard. |
| web_search_linkup | boolean | false | - | Recherche web optionnelle propulsée par Linkup. Lorsqu’activées, les sources web récentes sont récupérées en utilisant votre dernier message utilisateur comme requête et fournies au modèle comme contexte supplémentaire. Ajoute $0.013 par appel lorsqu’il est invoqué en plus du coût normal du jeton du modèle. Désactivé par défaut. |
| disable_formatting | boolean | false | - | Retournez la réponse sans la liste des sources que la recherche web ajoute. |
Inférence optionnelle optimisée pour la latence pour des réponses plus rapides et un coût plus élevé.
Sur EmpirioLabs, Nova Pro 1.0 est facturé à l'usage : Entrée $2.40 par 1M de jetons d’invite; Produit $9.60 par 1M de jetons générés; Entrée optimisée par la latence $3.00 par 1M de jetons d’invite; Sortie optimisée par latence $12.00 par 1M de jetons générés; Recherche Web (Linkup) $0.013 par appel lors de l’invocation. La grille tarifaire en direct de cette page correspond toujours à ce que l'API facture.
Nova Pro 1.0 prend en charge une fenêtre de contexte de 300K tokens avec jusqu'à 10 000 tokens de sortie par réponse.
Oui. Nova Pro 1.0 sert l'API Chat Completions compatible OpenAI : les SDKs OpenAI existants fonctionnent en pointant base_url vers https://api.empiriolabs.ai/v1 et en utilisant l'id de modèle nova-pro-1-0.
Oui. Le playground EmpirioLabs exécute Nova Pro 1.0 dans le navigateur avec les mêmes paramètres que l'API expose, pour tester vos prompts avant d'écrire du code.
Créez un compte EmpirioLabs, puis générez une clé sous API Keys dans le tableau de bord. La facturation utilise des crédits à l'usage : vous ne payez que vos requêtes.
Consultez nos tarifs ou contactez-nous si vous souhaitez que votre propre modèle soit déployé sur notre stack.
