亞馬遜通用AI資深副總裁Rohit Prasad表示：「在亞馬遜內部，我們約有1,000個生成式人工智慧（AI）應用正在進行中，因此可以全面了解開發者所面臨的挑戰。我們的新一代Amazon Nova模型旨在幫助內外部開發者應對這些挑戰，提供強大的智慧和內容生成功能，並在延遲、成本效益、客製化、檢索增強生成（RAG）和智慧代理（agentic）等方面取得顯著進展。」

Amazon Nova理解模型展現出卓越的智慧、能力與速度
Amazon Nova包含四款先進的模型。Amazon Nova Micro是一款僅處理文本的模型，能夠以極低的延遲和成本提供回應；Amazon Nova Lite是一款極具成本效益的多模態模型，能夠快速處理圖像、影片和文本輸入；Amazon Nova Pro是一款功能強大的多模態模型，可在準確性、速度和成本之間實現絕佳平衡，適合多種任務；Amazon Nova Premier是亞馬遜的頂級多模態模型，專為複雜推論任務而生，並將其作為蒸餾客製化模型（distilling custom models）的最佳典範模型（teacher model）使用。目前，Amazon Nova Micro、Amazon Nova Lite和Amazon Nova Pro已全部正式可用，Amazon Nova Premier預計將在2025年第一季度可用。

亞馬遜對Amazon Nova模型進行了廣泛的業界基準測試。結果表明，Amazon Nova Micro、Amazon Nova Lite和Amazon Nova Pro在各自類別中與最佳模型相比均表現得相當有競爭力。

Amazon Nova Micro在11項適用基準測試中，其表現與Meta的LLaMa 3.1 8B相當或更優，而在12項適用基準測試中，其表現也與Google Gemini 1.5 Flash-8B持平或更優。憑藉每秒210個輸出token的業界領先速度，Amazon Nova Micro非常適合需要快速回應的應用場景。

Amazon Nova Lite在同類模型中同樣具備強勁競爭力。與OpenAI的GPT-4o mini相比，它在19項基準測試中有17項表現持平或更優；與Google的Gemini 1.5 Flash-8B相比，在21項基準測試中也有17項表現相當或更優；與Anthropic的Claude Haiku 3.5相比，則在12項基準測試中有10項表現相當或更優。除了在文本基準測試中展現出色的準確性外，Amazon Nova Lite在影片、圖表和文檔理解方面也表現突出，這一點透過VATEX、ChartQA和DocVQA等基準測試得到了證明。此外，Amazon Nova Lite在代理工作流程上也表現優異，如在Berkeley Function Calling Leaderboard上的函式呼叫能力，以及在理解視覺元素以在瀏覽器和電腦螢幕上執行操作的核心能力方面表現出色，這一點在VisualWebBench（網頁瀏覽器操作基準測試）和Mind2Web（通用多模態代理基準測試）得到證明。

Amazon Nova Pro在與OpenAI的GPT-4o的20項基準測試中，有17項表現相當或更優；在與Google的Gemini 1.5 Pro的21項基準測試中，有16項表現持平或更優；在與Anthropic的Claude Sonnet 3.5v2的20項基準測試中，有9項表現相當或更優。除了在文本和視覺智慧基準測試中的準確性外，Amazon Nova Pro在遵循指令和多模態代理工作流程方面也表現出色，相關測試包括綜合RAG（Comprehensive RAG Benchmark）、Berkeley Function Calling Leaderboard和Mind2Web。

多語言和多模態支援，具備長上下文處理能力
Amazon Nova Micro、Lite和Pro支援200多種語言。Amazon Nova Micro支援128K輸入token的上下文長度，而Amazon Nova Lite和Pro的上下文長度可達300K token，處理影片時長可達30分鐘。到2025年初，亞馬遜將支援超過200萬輸入token的上下文長度。

快速且具有成本效益
Amazon Nova模型快速、具有成本效益，且設計上易於與客戶的系統和資料無縫整合。Amazon Nova Micro、Lite和Pro在各自的智慧類別中，成本比Amazon Bedrock中表現最佳的模型至少便宜75%，同時也是Amazon Bedrock中對應類別速度最快的模型。

與Amazon Bedrock的無縫整合
所有Amazon Nova模型均已與Amazon Bedrock整合。Amazon Bedrock是一項全受管服務，透過單一API提供來自領先AI公司的高效能模型。客戶可以輕鬆試用和評估Amazon Nova模型及其他模型，找到最適合其應用的模型。

支援微調以提升準確性
這些模型還支援自訂微調，允許客戶根據自身專有資料中的已標記範例來提升準確性。Amazon Nova模型能夠從客戶的資料（包括文本、圖像和影片）中學習最重要的資訊，隨後Amazon Bedrock會訓練一個專屬的微調模型，以提供客製化回應。

蒸餾用於訓練更小、更高效的模型
除了支援微調外，這些模型還支援蒸餾，可以將規模更大、實力更強的「典範模型」中的特定知識轉移到更小的模型上，從而實現更高的精確度、更快的回應速度以及更低的營運成本。

基於資料回應的檢索增強生成（RAG）
Amazon Nova模型與Amazon Bedrock知識庫緊密整合，專注於檢索增強生成（RAG）方法，使客戶能夠透過利用自身的資料確保生成內容的高度準確性和相關性。

- 新聞稿有效日期，至2024/12/31為止

上一篇：摩爾斯微電子推出業界領先的Wi-Fi HaLow路由器
下一篇：AWS宣布AWS Trainium2執行個體正式可用