Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Erweitertes Denken in Amazon Nova 2

Amazon Nova 2 Lite bietet erweiterte Denkfunktionen, die es dem Modell ermöglichen, bei komplexen Problemen tiefer zu denken. Diese optionale Funktion gibt Ihnen die Kontrolle darüber, wann und wie das Modell zusätzliche Rechenressourcen zuweist, um schwierige Aufgaben zu bewältigen.

So funktioniert erweitertes Denken

Amazon Nova 2 führt erweitertes Denken als Hybridfunktion ein. Sie haben die vollständige Kontrolle:

Bemühen um Argumentation

Im Folgenden werden verschiedene Ebenen des Argumentationsaufwands dargestellt.

Geringer Aufwand (maxReasoningEffort: „gering“)

Ideal für: Aufgaben mit erhöhter Komplexität, die strukturiertes Denken erfordern. Sie können dies beispielsweise für Codeüberprüfungen und Verbesserungsvorschläge verwenden, bei denen das Modell die vorhandene Codequalität sorgfältig berücksichtigen muss, für Analyseaufgaben, die eine sorgfältige Berücksichtigung mehrerer Faktoren erfordern, oder für Problemlösungsszenarien, die von einem methodischen Ansatz profitieren. Ein geringer Aufwand ist ideal für komplexe Aufgaben, bei denen grundlegende Überlegungen die Genauigkeit verbessern, ohne dass eine gründliche Planung in mehreren Schritten erforderlich ist.

Mittlerer Aufwand (maxReasoningEffort: „mittel“)

Am besten geeignet für: Mehrstufige Aufgaben und Codierungsworkflows. Sie können dies beispielsweise für Softwareentwicklung und Debugging verwenden, bei denen das Modell die bestehende Codestruktur verstehen muss, bevor Änderungen implementiert werden, für die Codegenerierung, die die Koordination mehrerer Dateien oder Komponenten erfordert, für mehrstufige Berechnungen mit gegenseitigen Abhängigkeiten oder für Planungsaufgaben mit mehreren Einschränkungen. Ein mittlerer Aufwand ist optimal für agentische Workflows, die mehrere Tools koordinieren und erfordern, dass das Modell den Kontext mehrerer sequentieller Operationen beibehält.

Hoher Aufwand (maxReasoningEffort: „hoch“)

Am besten geeignet für: STEM-Argumentation und fortgeschrittene Problemlösung. Sie können dies beispielsweise für fortgeschrittene mathematische Probleme und Beweise verwenden, die eine strenge step-by-step Überprüfung erfordern, für wissenschaftliche Analysen und Forschungsaufgaben, die gründliche Untersuchungen erfordern, für ein komplexes Systemdesign mit architektonischen Überlegungen über mehrere Dimensionen oder für kritische Entscheidungsszenarien mit erheblichen Auswirkungen. Ein hoher Aufwand sorgt für maximale Genauigkeit bei Aufgaben, die eine ausgeklügelte Argumentation, eine sorgfältige Bewertung von Alternativen und eine gründliche Validierung der Schlussfolgerungen erfordern.

Schnellstart: Erweitertes Denken ermöglichen

Erweitertes Denken wird durch den reasoningConfig Parameter gesteuert.

import boto3

bedrock = boto3.client('bedrock-runtime', region_name='us-east-1')

response = bedrock.converse(
    modelId='us.amazon.nova-2-lite-v1:0',
    system=[{"text": "You are a highly capable personal assistant"}],
    messages=[{
        "role": "user",
        "content": [{"text": "Provide a meal plan for a gluten free family of 4."}]
    }],
    inferenceConfig={
        "temperature": 0.7,
        "topP": 0.9,
        "maxTokens": 10000
    },
    additionalModelRequestFields={
        "reasoningConfig": {
            "type": "enabled",
            "maxReasoningEffort": "low"
        }
    }
)

content_list = response["output"]["message"]["content"]

for item in content_list:
    if "reasoningContent" in item:
        reasoning_text = item["reasoningContent"]["reasoningText"]["text"]
        print("=== REASONING ===")
        print(reasoning_text)
        print()
    elif "text" in item:
        print("=== ANSWER ===")
        print(item["text"])

Argumentationsparameter:

Vollständige Beispiele für Code, der erweitertes Denken nutzt, finden Sie unterCode-Bibliothek.

Struktur der Antwort

Wenn Sie „Erweitertes Denken“ aktivieren, bestehen die Antworten aus reasoningContent Blöcken, gefolgt von text Inhaltsblöcken:

{
    "output": {
        "message": {
            "role": "assistant",
            "content": [
                {
                    "reasoningContent": {
                        "reasoningText": {
                            "text": "[REDACTED]"
                        }
                    }
                },
                {
                    "text": "Based on the premises, we can conclude..."
                }
            ]
        }
    },
    "stopReason": "end_turn"
}

Konfigurationsoptionen

Amazon Nova 2 führt einen neuen reasoningConfig Parameter ein, den Sie zu Ihrer bestehenden Konversationsanforderungsstruktur hinzufügen können, um Argumentation zu ermöglichen:

additionalModelRequestFields={
    "reasoningConfig": {
        "type": "enabled",  # or "disabled" (default)
        "maxReasoningEffort": "high"  # "low", "medium", or "high"
    }
}

Parameter:

Unterstützte Modelle

Extended Thinking ist derzeit verfügbar in: Amazon Nova 2 Lite (us.amazon.nova-2-lite-v 1:0)

Erweitertes Denken mit der Verwendung des Tools

Extended Thinking funktioniert problemlos mit dem Aufrufen von Tools, sodass Amazon Nova überlegen kann, welche Tools verwendet werden sollen und wie ihre Ergebnisse zu interpretieren sind.

Grundlegendes zu Argumentation, Tokens und Preisgestaltung

Token-Typen

Token für erweitertes Denken werden als Output-Token abgerechnet:

Aufschlüsselung der Nutzung

Alle drei Tokentypen sind in Ihren Nutzungsmetriken und in der Abrechnung enthalten. Argumentations-Tokens haben denselben Preis wie Ausgabetokens und werden in der Modellantwort als „REDACTED“ angezeigt.

  {
  "usage": {
    "inputTokens": 45,
    "outputTokens": 1240,
    "totalTokens": 1285
  }
}
  

Häufig gestellte Fragen