Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
# Pensiero esteso in Amazon Nova 2
Amazon Nova 2 Lite introduce funzionalità di **pensiero estese** che consentono al modello di impegnarsi in un ragionamento più approfondito per problemi complessi. Questa funzionalità opzionale consente di controllare quando e come il modello alloca risorse di calcolo aggiuntive per affrontare attività impegnative.
## Come funziona il pensiero esteso
Amazon Nova 2 introduce il pensiero esteso come **funzionalità ibrida**. Hai il controllo completo:
+ **Extended thinking OFF (impostazione predefinita)**: Amazon Nova 2 funziona con un ragionamento latente efficiente, ottimale per le attività quotidiane e le applicazioni ad alto volume.
+ **Extended Thinking ON**: Amazon Nova 2 utilizza un step-by-step ragionamento esplicito e ottimale per problemi complessi che richiedono un'analisi approfondita.
### Sforzo di ragionamento
Quanto segue mostra diversi livelli di sforzo di ragionamento.
#### Basso sforzo (maxReasoningEffort: "basso»)
**Ideale per:** attività con maggiore complessità che richiedono un pensiero strutturato. Ad esempio, è possibile utilizzarlo per suggerimenti di revisione e miglioramento del codice laddove il modello debba considerare attentamente la qualità del codice esistente, attività di analisi che richiedono un'attenta considerazione di più fattori o scenari di risoluzione dei problemi che traggono vantaggio da un approccio metodico. Lo sforzo ridotto è ideale per attività complesse in cui il ragionamento di base migliora la precisione senza richiedere una pianificazione approfondita in più fasi.
#### Sforzo medio (maxReasoningEffort: «medio»)
**Ideale per:** attività in più fasi e flussi di lavoro di codifica. Ad esempio, è possibile utilizzarlo per lo sviluppo e il debug di software in cui il modello deve comprendere la struttura del codice esistente prima di implementare le modifiche, la generazione di codice che richiede il coordinamento tra più file o componenti, calcoli in più fasi con interdipendenze o attività di pianificazione con più vincoli. Lo sforzo medio è ottimale per i flussi di lavoro agentici che coordinano più strumenti e richiedono che il modello mantenga il contesto in diverse operazioni sequenziali.
#### Sforzo elevato (maxReasoningEffort: "high»)
**Ideale per:** ragionamento STEM e risoluzione avanzata dei problemi. Ad esempio, è possibile utilizzarlo per problemi e dimostrazioni matematiche avanzati che richiedono step-by-step verifiche rigorose, analisi scientifiche e attività di ricerca che richiedono indagini approfondite, progettazione di sistemi complessi con considerazioni architettoniche su più dimensioni o scenari decisionali critici con implicazioni significative. Un impegno elevato garantisce la massima precisione per le attività che richiedono un ragionamento sofisticato, un'attenta valutazione delle alternative e una convalida approfondita delle conclusioni.
### Avvio rapido: abilitare il pensiero esteso
Il pensiero esteso è controllato tramite il `reasoningConfig` parametro.
```
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"])
```
Parametri di ragionamento:
+ `type: enabled`o `disabled` (impostazione predefinita:`disabled`)
+ `maxReasoningEffort`: `low``medium`, o `high`
**Nota**
Temperature, TopP e TopK non possono essere utilizzati con `maxReasoningEffort` set to. `high` L'utilizzo combinato di questi parametri causa un errore.
Per esempi completi di codice che utilizza il pensiero esteso, vedi[Libreria di codici](code-library.md).
### Struttura della risposta
Quando abiliti il pensiero esteso, le risposte includono `reasoningContent` blocchi seguiti da blocchi di `text` contenuto:
```
{
"output": {
"message": {
"role": "assistant",
"content": [
{
"reasoningContent": {
"reasoningText": {
"text": "[REDACTED]"
}
}
},
{
"text": "Based on the premises, we can conclude..."
}
]
}
},
"stopReason": "end_turn"
}
```
**Nota**
Con Amazon Nova 2, i contenuti di ragionamento vengono visualizzati come`[REDACTED]`. I token di ragionamento ti verranno comunque addebitati perché contribuiscono a migliorare la qualità dell'output. Includiamo ora questo campo nella struttura delle risposte per preservare la possibilità di esporre il contenuto del ragionamento in futuro. Stiamo lavorando attivamente con i clienti per determinare l'approccio migliore per far emergere il processo di ragionamento del modello. Il contenuto del ragionamento viene visualizzato come. `[REDACTED]` I token di ragionamento ti verranno comunque addebitati, in quanto contribuiscono a migliorare la qualità della risposta.
## Opzioni di configurazione
Amazon Nova 2 introduce un nuovo `reasoningConfig` parametro che puoi aggiungere alla struttura di richieste inverse esistente per consentire il ragionamento:
```
additionalModelRequestFields={
"reasoningConfig": {
"type": "enabled", # or "disabled" (default)
"maxReasoningEffort": "high" # "low", "medium", or "high"
}
}
```
**Parametri:**
+ **tipo:** Passa da e (l'impostazione predefinita è) `"enabled"` `"disabled"` `"disabled"`
+ **`maxReasoningEffort`:** se abilitato, controlla la profondità del ragionamento
+ **«low»: attività** moderatamente complesse
+ **«medio»:** problemi complessi che richiedono un'analisi approfondita
+ **«alto»:** il ragionamento più completo per compiti molto complessi
**Nota**
durante l'utilizzo`"high"`, temp, TopP e maxToken devono essere disattivati. In questa modalità, il modello esegue un'analisi più approfondita per trovare la soluzione migliore. Questa elaborazione più approfondita può generare un output superiore a 65.000 token. L'importo esatto dipende dalla complessità della richiesta, ma per alcuni problemi abbiamo visto che può arrivare fino a 128K token. Ciò garantisce un ragionamento completo e di alta qualità anziché risultati troncati.
## Modelli supportati
Extended thinking è attualmente disponibile in: Amazon Nova 2 Lite (us.amazon.nova-2-lite-v 1:0)
## Pensiero esteso con uso di strumenti
Extended Thinking si integra perfettamente con la chiamata agli strumenti, permettendo ad Amazon Nova di ragionare su quali strumenti utilizzare e su come interpretarne i risultati.
## Comprensione dei token di ragionamento e dei prezzi
### Tipi di token
I token Extended Thinking vengono fatturati come token di output:
+ **Token di input**: il contenuto originale della richiesta (prezzo di input standard)
+ **Token di output: sono inclusi i** token di ragionamento e il contenuto finale della risposta visibile (prezzi di output standard)
### Ripartizione dell'utilizzo
Tutti e tre i tipi di token sono inclusi nelle metriche di utilizzo e nella fatturazione. I token di ragionamento hanno lo stesso prezzo dei token di output e appariranno come «REDATTI» nella risposta del modello».
```
{
"usage": {
"inputTokens": 45,
"outputTokens": 1240,
"totalTokens": 1285
}
}
```
## Domande frequenti
Perché Amazon Nova 2 Lite mostra «[REDACTED]» per i contenuti di ragionamento anziché mostrare il processo di pensiero del modello?
Il nostro obiettivo principale per questo lancio è garantire che Nova 2 offra la migliore intelligenza per le tue attività, e vedrai che ciò si riflette nella maggiore precisione.
Riconosciamo che la visibilità del processo di ragionamento è preziosa e abbiamo riscontrato un forte interesse da parte dei clienti a comprendere come il modello affronta i problemi.
Stiamo cercando modi per renderlo disponibile a breve.
**I Reasoning Token ti verranno comunque fatturati**, in quanto rappresentano un lavoro effettivo che migliora la qualità del tuo output
che verranno acquisiti `outputTokens` insieme ai token di risposta.
Come faccio a sapere se il pensiero esteso funziona se il ragionamento viene oscurato?
Puoi confermare che il pensiero esteso funziona controllando l'output dei `reasoningContent` blocchi nella risposta (questi appaiono solo quando il ragionamento è abilitato)