Nova (Amazon) (NL)

Amazon Nova — een familie van fundamentele modellen (Foundation Models, FM) en grote taalmodellen (Large Language Model, LLM), ontwikkeld door de divisie Amazon Artificial General Intelligence (AAG Intelligence) en beschikbaar via de volledig beheerde dienst Amazon Bedrock. De familie omvat modellen voor het begrijpen en genereren van tekst, de verwerking van afbeeldingen, video en documenten, alsmede spraaksynthese en spraakherkenning. Amazon Nova wordt gepositioneerd als de opvolger van de vorige generatie Amazon Titan-modellen en is geïntegreerd in het cloudecosysteem van Amazon Web Services (AWS).

Geschiedenis en chronologie van de ontwikkeling

Vóór de lancering van Nova bood het platform Amazon Bedrock toegang tot modellen van derden: Anthropic Claude, Meta Llama, Mistral en andere. Amazon Nova werd de eerste familie van fundamentele modellen van eigen ontwikkeling door AWS, gericht op commercieel gebruik in de cloudinfrastructuur.

Eerste generatie (2024–2025)

De eerste generatie van de Amazon Nova-familie werd officieel gepresenteerd op 3 december 2024 op de conferentie AWS re:Invent 2024. De initiële release omvatte drie understanding models — Nova Micro (alleen tekst), de multimodale Nova Lite en Nova Pro — evenals de generatieve modellen Nova Canvas (beeldgeneratie) en Nova Reel (videogeneratie).

In april 2025 werd de reeks uitgebreid met het vlaggenschipmodel Nova Premier — het krachtigste model van de familie met een contextvenster van 1 miljoen tokens, bestemd voor taken met complexe redenering en distillatie (distillation, kennisoverdracht van een groot model naar een kleiner model). Eveneens in april 2025 werd Nova Sonic geïntroduceerd — een spraakmodel van de klasse speech‑to‑speech met ondersteuning voor dialogen in realtime.

Tweede generatie — Nova 2 (2025–2026)

In november–december 2025 werd tijdens de conferentie AWS re:Invent 2025 de tweede generatie aangekondigd — Amazon Nova 2. De reeks omvat de bijgewerkte modellen Nova 2 Lite en Nova 2 Pro met ondersteuning voor dynamic reasoning en uitgebreide contextverwerking, het native multimodale model Nova 2 Omni (gelijktijdige verwerking en generatie van tekst, afbeeldingen, video en audio), alsmede Nova 2 Sonic — een spraakmodel van de volgende generatie. Tegelijkertijd werden de diensten Nova Forge (een omgeving voor aangepaste modeltraining) en Nova Act (een framework voor agentische workflows) geïntroduceerd.

In februari 2026 werd het officiële technische rapport van Amazon Nova 2 gepubliceerd.

Overzichtschronologie

Datum	Gebeurtenis
December 2024	Aankondiging van Amazon Nova op AWS re:Invent 2024: Nova Micro, Lite, Pro, Canvas, Reel
April 2025	Uitgifte van Nova Premier (context 1M tokens) en Nova Sonic (speech‑to‑speech)
Juni 2025	Publicatie van het technisch rapport van de eerste generatie (arXiv:2506.12103)
November–December 2025	Aankondiging van Nova 2 op AWS re:Invent 2025: Nova 2 Lite, 2 Pro, 2 Omni, 2 Sonic, Nova Forge, Nova Act
Februari 2026	Publicatie van het technisch rapport van Amazon Nova 2

Theoretische grondslagen en architectuur

Basisarchitectuur van understanding-modellen

Volgens het technisch rapport arXiv:2506.12103 zijn de understanding-modellen (Nova Micro, Lite, Pro, Premier) gebaseerd op de Transformer-architectuur, beschreven in het werk van Vaswani et al. Het basismechanisme van Multi‑Head Self‑Attention wordt beschreven door de formule:

$\mathrm{Attention}(Q,K,V)=\mathrm{softmax}\left(\frac{Q{K}^{\mathrm{\top }}}{\sqrt{d_k}}\right)V$

waar $Q$, $K$, $V$ respectievelijk de matrices van queries, keys en values zijn, en $d_k$ de dimensionaliteit van de keys.

De exacte architectuurparameters (aantal lagen, grootte van de verborgen toestand, aantal attentiehoofden, totaal aantal parameters) zijn in publiek beschikbare bronnen per maart 2026 niet bekendgemaakt. Deze aanpak is kenmerkend voor gesloten commerciële modellen.

Multimodale verwerking in Nova Lite en Nova Pro is gerealiseerd door tekst-, visuele en video-tokens samen te voegen tot één reeks die als invoer aan één taalmodel wordt aangeboden. Visuele encoders (vision encoders) zetten afbeeldingen en videoframes om in tokenreeksen die compatibel zijn met de tekstrepresentatie.

Architectuur van generatieve modellen

De generatieve modellen Nova Canvas (afbeeldingen) en Nova Reel (video) maken gebruik van de architectuur van Latent Diffusion Models (LDM) in combinatie met Variational AutoEncoders (VAE) voor berekeningen in de latente ruimte. Het diffusieproces wordt beschreven door de vergelijking van voorwaartse ruis:

$x_t=\sqrt{{\overline{\alpha }}_t}{x}_0+\sqrt{1-{\overline{\alpha }}_t}ϵ,ϵ\sim 𝒩(0,I)$

waar $x_0$ het oorspronkelijke beeld in de latente ruimte is, $x_t$ de geruis versie daarvan op stap $t$, ${\overline{\alpha }}_t$ de cumulatieve parameter van het ruisrooster, en $ϵ$ standaard Gaussiaanse ruis. Een text encoder verzorgt de conditioning — het conditioneren van de generatie op de tekstprompt.

Architectuur van spraakmodellen

Nova Sonic maakt gebruik van een architectuur die verschilt van de tekstmodellen: het combineert een gespecialiseerde speech encoder, een speech renderer en een centraal multimodaal taalmodel in één end‑to‑end pipeline. Hierdoor kan spraak als invoer worden verwerkt en als uitvoer worden gegenereerd zonder tussentijdse omzetting naar tekst (hoewel een tekstrepresentatie intern wordt gebruikt om de kwaliteit te waarborgen).

Trainingsinfrastructuur

Het trainen van de Nova-modellen vond plaats op gedistribueerde clusters van AWS Elastic Kubernetes Service (EKS) met gebruik van de eigen AI-acceleratoren van Amazon Trainium (TRN1-instanties), evenals grafische processoren NVIDIA A100 en H100.

Om de rekenkosten tijdens de training te verlagen werden gespecialiseerde optimalisatiemethoden ontwikkeld en toegepast:

• Super‑Selective Activation Checkpointing (SSC) — een methode voor het opslaan van activaties die, volgens het technisch rapport, het geheugengebruik van grafische processoren met ongeveer 50% vermindert bij minimale overhead voor herberekening (recomputation).
• In‑CPU‑Memory Checkpointing — het cachen van tussenliggende gewichten (checkpoints) in het werkgeheugen van de centrale processoren (CPU) voordat deze asynchroon naar de cloudopslag Amazon S3 worden weggeschreven. Volgens Amazon kon met deze aanpak de opslagtijd van de modeltoestand worden teruggebracht tot 0,1 seconde op TRN1-instanties.

Trainingspijplijn en uitlijning

Het trainingsproces van de Nova-modellen bestaat uit meerdere fasen die kenmerkend zijn voor moderne LLM's:

Pre-training

Omvangrijke training op een groot meertalig en multimodaal corpus van gegevens, dat meer dan 200 talen omvat. De exacte samenstelling van de trainingsdata (omvang, taalverdeling, concrete bronnen) wordt in publieke materialen niet vermeld.

Supervised Fine‑Tuning (SFT)

Fine-tuning op gelabelde voorbeelden van instructie-antwoordparen, waardoor het model leert instructies van de gebruiker op te volgen.

Uitlijning met Reinforcement Learning

Voor het uitlijnen van het modelgedrag met menselijke voorkeuren worden twee hoofdalgoritmen toegepast:

Proximal Policy Optimization (PPO) — een algoritme voor Reinforcement Learning from Human Feedback (RLHF) dat gebruikmaakt van een apart beloningsmodel (Reward Model).

Direct Preference Optimization (DPO) — een alternatieve uitlijningsmethode waarvoor geen expliciet beloningsmodel vereist is. De doelfunctie van DPO heeft de volgende vorm:

${ℒ}_{\mathrm{D}\mathrm{P}\mathrm{O}}({\pi }_{\theta };{\pi }_{\mathrm{r}\mathrm{e}\mathrm{f}})=-{𝔼}_{(x,y_w,y_l)\sim 𝒟}[\log \sigma (\beta \log \frac{{\pi }_{\theta }(y_w\mid x)}{{\pi }_{\mathrm{r}\mathrm{e}\mathrm{f}}(y_w\mid x)}-\beta \log \frac{{\pi }_{\theta }(y_l\mid x)}{{\pi }_{\mathrm{r}\mathrm{e}\mathrm{f}}(y_l\mid x)})]$

waar:

• ${\pi }_{\theta }$ — de geparametriseerde strategie (het te trainen model);
• ${\pi }_{\mathrm{r}\mathrm{e}\mathrm{f}}$ — het bevroren referentiemodel;
• $x$ — de invoerprompt (context);
• $y_w$ en $y_l$ — respectievelijk het geprefereerde (winner) en het afgewezen (loser) antwoord;
• $\sigma$ — de logistische (sigmoïde) functie;
• $\beta$ — een hyperparameter die de sterkte van de straf voor afwijking van het basismodel regelt (analogie van de Kullback-Leibler-divergentiestraf, KL‑divergence penalty).

Samenstelling van de modelfamilie

De modelfamilie is onderverdeeld in tiers op basis van de balans tussen prestaties, kosten en latentie.

Understanding-modellen van de eerste generatie

Parameter	Nova Micro	Nova Lite	Nova Pro	Nova Premier
Invoermodaliteiten	Tekst	Tekst, afbeelding, video	Tekst, afbeelding, video	Tekst, afbeelding, video
Uitvoermodaliteit	Tekst	Tekst	Tekst	Tekst
Contextvenster	128 duizend tokens	300 duizend tokens	300 duizend tokens	1 miljoen tokens
Max. uitvoertokens	10 duizend	10 duizend	10 duizend	10 duizend
Taalondersteuning	200+	200+	200+	200+
Fine‑tuning	Ja	Ja	Ja	Nee
Releasedatum	December 2024	December 2024	December 2024	April 2025
Hoofddoel	Minimale latentie en kosten voor teksttaken	Basis multimodale analyse	Optimale balans voor complexe logische en agentische taken	Maximale nauwkeurigheid, leraarmodel voor distillatie

Bron: AWS AI Service Cards; arXiv:2506.12103.

Geoptimaliseerde talen (15): Engels, Duits, Spaans, Frans, Italiaans, Japans, Koreaans, Arabisch, Chinees (vereenvoudigd), Russisch, Hindi, Portugees, Nederlands, Turks, Hebreeuws.

Nova Premier is bestemd voor taken die diep contextbegrip, meerstaps planning en het werken met grote hoeveelheden gegevens vereisen: codebases, documenten van meer dan 400 pagina's, video's van maximaal 90 minuten.

Modellen van de tweede generatie (Nova 2)

Nova 2 Lite en Nova 2 Pro werden uitgebracht in november–december 2025. Beide ondersteunen extended thinking — een mechanisme waarbij het model meerstapsredenering uitvoert vóór het genereren van een antwoord. De diepte van de redenering wordt geregeld door de parameter reasoning_effort met niveaus low, medium en high. Het contextvenster is uitgebreid tot 1 miljoen tokens. Ingebouwde native tools: webzoekopdracht met verificatie (web grounding) en een code-interpreter.

Nova 2 Omni — een native multimodaal model dat tegelijkertijd tekst, afbeeldingen, video en audio als invoer kan verwerken en tekst en afbeeldingen kan genereren. Contextvenster — 1 miljoen tokens.

Nova 2 Sonic — een spraakmodel van de volgende generatie. Ondersteunt 6 talen: Engels (Amerikaanse en Britse variant), Spaans, Duits, Frans, Italiaans. Introduceert asynchronous tool calling — het model blijft nieuwe invoer verwerken terwijl externe tools op de achtergrond worden uitgevoerd.

Parameter	Nova 2 Lite	Nova 2 Pro	Nova 2 Omni	Nova 2 Sonic
Invoermodaliteiten	Tekst, afbeelding, video	Tekst, afbeelding, video	Tekst, afbeelding, video, audio	Audio (spraak)
Uitvoermodaliteit	Tekst	Tekst	Tekst, afbeelding	Audio (spraak)
Contextvenster	1 miljoen tokens	1 miljoen tokens	1 miljoen tokens	300 duizend tokens
Extended thinking	Ja	Ja	Ja	—
Native tools	Web grounding, Code interpreter	Web grounding, Code interpreter	—	Asynchronous tool calling
Releasedatum	November–December 2025	November–December 2025	December 2025	December 2025

Bron: AWS Blog; Amazon Science.

Generatieve modellen

Nova Canvas — een model voor beeldgeneratie. Ondersteunt tekst- en grafische invoer (PNG, JPEG). Uitvoerresolutie — tot 4,19 megapixels (bijvoorbeeld 2048×2048 of 2816×1536 pixels). Maximale promptlengte — 1024 tekens. Ondersteunde bewerkingen: inpainting (vervanging van een beeldgebied) en outpainting (uitbreiding van het beeld buiten zijn grenzen).

Nova Reel — een model voor videogeneratie. Uitvoerresolutie: 1280×720 bij 24 frames per seconde. Duur van de gegenereerde video — tot 6 seconden. Ondersteuning voor camerabewegingssturing (camera control). Toegang verloopt via de asynchrone API (Asynchronous Invoke Model API).

Spraakmodellen

Nova Sonic (april 2025) — een spraakmodel met een bidirectionele streaming-API (bidirectional stream API). Ondersteunt functieaanroepen (function calling) en verankering aan bedrijfsgegevens via Retrieval‑Augmented Generation (RAG). De watermerkfunctie (watermarking) is standaard ingebouwd. Maximale verbindingsduur — 8 minuten met hervatstmogelijkheid; maximaal 20 gelijktijdige verbindingen per klant (standaardwaarde).

Nova 2 Sonic (december 2025) — de volgende generatie spraakmodel met verbeterde herkenning van korte uitingen, telefoonaudio (8 kHz) en accenten.

Evaluatie en benchmarks

De evaluatie van de Nova-modellen werd uitgevoerd met behulp van geautomatiseerde benchmarks, waaronder de aanpak van LLM‑as‑a‑judge (het gebruik van een taalmodel als beoordelaar). Volgens onderzoek van het HKU SPACE AI Hub vertoont de metriek Arena‑Hard‑Auto een correlatie van 98,6% met expertbeoordelingen.

Benchmarks van de eerste generatie

Gegevens uit het technisch rapport arXiv:2506.12103 (condities: resultaten van de ontwikkelaars van concurrerende modellen, gepubliceerd op het moment van opstelling van het rapport):

Benchmark	Nova Pro	Nova Lite	Nova Micro	Claude 3.5 Sonnet (Oct 2024)	GPT‑4o (Nov 2024)
MMLU (5‑shot)	—	80,5	77,6	—	—
MATH (4‑shot)	—	73,3	69,3	—	—
IFEval	—	87,5	87,2	—	—
MT‑Bench (tekst)	79,7	77,7	—	76,7	77,5
MT‑Bench (multimodaal)	63,7	60,7	—	61,6	55,0

Bron: arXiv:2506.12103, tabel 2.1.1.

De resultaten tonen een prestatievolgorde binnen de familie (Premier > Pro > Lite > Micro). Het verschil is het grootst in de categorieën wiskunde (Math) en redenering (Reasoning); bij taken voor rollenspel (Roleplay) en informatie-extractie (Extraction) presteren de kleinere modellen dicht bij de grotere.

Benchmarks van de tweede generatie (Nova 2)

Gegevens uit het technisch rapport Amazon Nova 2 (condities: interne metingen, 0‑shot / CoT waar aangegeven):

Benchmark	Nova 2 Lite	Nova 2 Pro	Claude Haiku 4.5	GPT‑5 Mini	Gemini 2.5 Flash
MMLU‑Pro (acc)	80,9	81,6	80,0	83,7	83,2
GPQA‑Diamond (acc)	79,6	81,4	73,0	82,3	82,8
AIME 2025 (acc)	91,0	92,3	80,7	91,1	72,0
LongCodeBench 1M (acc)	84,0	84,0	—	—	78,0

Bron: Amazon Nova 2 Technical Report, tabel 1.

Agentische benchmarks (Nova 2 Pro): SWE‑Bench Verified — 70,0%; τ²‑bench Verified Telecom — 92,7%.

Multimodale benchmarks (Nova 2 Omni): VideoMME — 77,9%; MMMU Pro — 61,4%.

Bij evaluatie op taken voor technische ondersteuning scoorde Nova 2 Lite 9,63 ± 0,27 op een schaal van tien op de metriek "Probleemidentificatie" (Problem Identification), wat beduidend beter is dan Nova Lite van de eerste generatie (8,57 ± 0,46).

Opmerking. Bij het vergelijken van resultaten met concurrerende modellen moet rekening worden gehouden met het feit dat de promptingcondities, modelversies en datums van de metingen kunnen variëren. De benchmarks van de eerste en tweede generatie zijn afkomstig uit zelfrapportages van Amazon; onafhankelijke verificaties (FloTorch, Artificial Analysis) bevestigen in het algemeen de geclaimde prijs-prestatieverhouding, maar registreren op bepaalde nauwkeurigheidsmetrieken een achterstand ten opzichte van de toonaangevende concurrenten.

Inferentiesnelheid

Volgens interne metingen van Amazon (intern, via de Bedrock API):

Model	Inferentiesnelheid (tokens/s)
Nova Micro	≈210
Nova Lite	≈157
Nova Pro	≈100
Nova 2 Omni	>200

Gebruikskosten

Alle modellen zijn beschikbaar via Amazon Bedrock op basis van een betaalmodel per verwerkt aantal tokens (gegevens per maart 2026):

Model	Invoertokens (USD / 1M)	Uitvoertokens (USD / 1M)
Nova Micro	$0,035	$0,14
Nova Lite	≈$0,06	≈$0,24
Nova Pro	$0,80	$3,20
Nova Premier	$2,50	$12,50

Ter vergelijking: Anthropic Claude 3.5 Sonnet werd op het moment van de Nova-release gefactureerd tegen $6,00 / 1M invoertokens en $30,00 / 1M uitvoertokens.

Aanpassing en fine-tuning

De AWS-infrastructuur biedt verschillende methoden voor het aanpassen van de Nova-basismodellen aan sterk gespecialiseerde domeinen. Het belangrijkste hulpmiddel hiervoor in de tweede generatie is de omgeving Amazon Nova Forge.

Continued Pre‑Training (CPT) en Mid‑Training

Nova Forge biedt toegang tot tussenliggende trainingscheckpoints van de modellen (bijvoorbeeld pretraining‑text‑RD en pretraining‑text‑CE). Dit maakt het mogelijk om self-supervised learning voort te zetten op bedrijfsgegevens met zorgvuldige afstemming van de leersnelheid (learning rate) om catastrofaal vergeten (catastrophic forgetting) te voorkomen.

Parameter‑Efficient Fine‑Tuning (PEFT)

Het bijwerken van slechts een kleine deelverzameling van de modelgewichten via adapters met lage rang — Low‑Rank Adaptation (LoRA). Deze aanpak vermindert de rekenvereisten aanzienlijk ten opzichte van volledige fine-tuning (full fine‑tuning). Multimodale fine-tuning wordt ondersteund voor Nova Lite en Pro.

Reinforcement Fine‑Tuning (RFT)

Aangepaste modellen kunnen aanvullend worden bijgetraind met reinforcement learning-methoden op basis van branchespecifieke beloningsmetrieken, waaronder het gebruik van een andere LLM als beoordelingsmodel (LLM‑as‑a‑judge).

Modeldistillatie (Model Distillation)

De functie Model Distillation maakt het mogelijk om Nova Premier of Nova Pro te gebruiken als leraarmodel (teacher model) voor het trainen van kleinere leerlingmodellen (student models) — Nova Lite en Nova Micro. Dit verlaagt de rekenkosten voor inferentie met behoud van een substantieel deel van de kwaliteit van het grote model.

Toepassingen en integratie

De Nova-modellen zijn geïntegreerd in de computerdiensten van Amazon (AWS Step Functions, AWS Lambda, Amazon Q Developer). De voornaamste gedocumenteerde toepassingsscenario's:

Agentische werkstromen (Agentic Workflows)

Meerstapsuitvoering van taken met behulp van Bedrock Agents en het aanroepen van externe tools (function calling). Met behulp van het architectuurpatroon ReAct (Reasoning and Acting) in combinatie met frameworks als LangGraph coördineren de Nova-modellen database-analyses, genereren ze SQL-queries uit natuurlijke taal en beheren ze samengestelde processen. Nova Act biedt automatisering van browser UI-workflows met een gerapporteerde betrouwbaarheid van 90% bij vroege gebruikerstaken.

Retrieval‑Augmented Generation (RAG)

Integratie met Bedrock Knowledge Bases voor het verankeren (grounding) van antwoorden aan bedrijfsgegevens. Nova 2-modellen ondersteunen native webzoekopdrachten met verificatie (web grounding) als ingebouwde tool.

Documentverwerking

Ondersteunde invoerformaten voor documenten: PDF, CSV, DOC, DOCX, XLS, XLSX, HTML, TXT, MD (behalve Nova Micro, dat alleen tekstinvoer accepteert). Nova Premier kan video's van maximaal 90 minuten verwerken binnen één verzoek.

Codegeneratie en foutopsporing

Ondersteunde programmeertalen: Python, Java, JavaScript, C#, TypeScript, SQL.

Spraakinterfaces

Nova Sonic en Nova 2 Sonic worden gebruikt voor het bouwen van spraakagenten met realtime-ondersteuning, geïntegreerd met Amazon Connect.

Modelevaluatie (LLM‑as‑a‑judge)

Nova wordt ingezet als beoordelingsmodel bij de evaluatie van uitvoer van andere generatieve modellen op het platform Amazon SageMaker.

Beperkingen en openstaande problemen

• Gesloten architectuur. Amazon maakt het aantal parameters, de gedetailleerde architectuurkeuzes en de samenstelling van de trainingsdata niet openbaar, wat de onafhankelijke reproduceerbaarheid van resultaten aanzienlijk beperkt. De gewichten van de Nova-modellen zijn niet beschikbaar voor download of implementatie buiten de AWS-infrastructuur (on-premise implementatie is niet mogelijk).
• Uitvoerlimiet. Het maximale aantal uitvoertokens voor alle understanding-modellen is beperkt tot 10 duizend tokens, wat onvoldoende kan zijn voor taken waarbij lange documenten worden gegenereerd.
• Beperkingen van RFT. Reinforcement Fine‑Tuning ondersteunt geen meerbeurts (multi-turn) dialogen en multimodale gegevens; het aanbevolen aandeel positieve voorbeelden in de dataset is minimaal 5%.
• Beperkingen van Nova Sonic. Maximale verbindingsduur — 8 minuten; standaard maximaal 20 gelijktijdige verbindingen per klant.
• Regionale beschikbaarheid. Nova Premier is slechts beschikbaar in één regio (US East N. Virginia) zonder ondersteuning voor cross-regionale inferentie; Nova 2-modellen hebben een beperkte lijst van implementatieregio's.
• Gevoeligheid van metrieken. Scores op synthetische benchmarks correleren niet altijd met de kwaliteit in productieomgevingen (production), waar strikte naleving van bedrijfsbeleid en de afwezigheid van hallucinaties in meerstapsredenering cruciaal zijn.
• Hallucinaties. De modellen vertonen voor LLM's typische beperkingen: feitelijke fouten in gegenereerde antwoorden zijn mogelijk. Om risico's te verminderen wordt het gebruik van Bedrock Guardrails en RAG aanbevolen.
• Vergelijkende objectiviteit van benchmarks. Amazon presenteert vergelijkingen met concurrerende modellen op basis van gegevens die door de ontwikkelaars zelf zijn gepubliceerd, wat niet altijd een uniforme, gecontroleerde experimentele basis oplevert.

Ethische en regelgevingsaspecten

AWS verklaart de principes van verantwoorde AI (Responsible AI) te volgen bij de ontwikkeling van Nova-modellen. Concrete veiligheidsmaatregelen omvatten:

• Ingebouwde inhoudsmoderatie (content moderation).
• Watermerken (watermarking) voor audio-uitvoer van Nova Sonic.
• Evaluatie op risicocategorieën: veiligheid (safety), privacy (privacy), betrouwbaarheid (veracity), transparantie (transparency), alsmede de verspreiding van CBRN-wapens (chemisch, biologisch, radiologisch en nucleair) en offensieve cyberoperaties.
• Integratie met Amazon Bedrock Guardrails voor het filteren van invoer- en uitvoergegevens.
• Evaluatie van het Nova Premier-model op conformiteit met het Amazon Frontier Model Safety Framework.
• Red teaming — intern en extern testen op robuustheid tegen aanvallen (volgens het technisch rapport: 307 technieken).
• Evaluatie van inhoudsmoderatie op de F1-metriek: 85,84 op de Aegis-benchmark (volgens het technisch rapport).

AI-servicekaarten (AI Service Cards) voor Nova Micro, Lite, Pro, Premier en Sonic zijn gepubliceerd op docs.aws.amazon.com als documentatie voor verantwoord gebruik.

Vooruitzichten en onderzoeksrichtingen

De Nova 2-familie markeert een overgang naar modellen met uitgebreide redeneervermogens (extended thinking / reasoning), vergelijkbaar in concept met Chain‑of‑Thought (CoT) en soortgelijke mechanismen in andere modelfamilies. Ingebouwde webzoekopdrachten en een code-interpreter als native tools (en niet als plug-ins van derden) vertegenwoordigen een architectuurverschuiving in de richting van agentische systemen.

Richtingen voor verdere ontwikkeling, zoals aangegeven in publieke materialen van Amazon:

• Uitbreiding van multimodaliteit (het Omni-model als uniforme "alles-in-alles"-architectuur).
• Hybride redenering (hybrid reasoning) met adaptieve diepte afhankelijk van de complexiteit van de taak.
• Open training op gebruikersgegevens (Nova Forge) in alle fasen van de pre-training.
• Distillatie voor edge-apparaten.
• Uitbreiding van de beveiligingstoolkit (safety toolkit).

De thematiek van de Amazon Nova AI Challenge, die AWS organiseert voor universitaire teams, omvat richtingen voor geautomatiseerd adversarieel testen, uitlijning op veiligheid (safety alignment) en meerbeurts aanvallen (multi-turn jailbreaks), wat wijst op investeringen in de robuustheid van de modelfamilie.

Zie ook

• Transformer (architectuur)
• Reinforcement Learning from Human Feedback (RLHF)

Literatuur

• Amazon Artificial General Intelligence. The Amazon Nova Family of Models: Technical Report and Model Card. arXiv:2506.12103v1, 2025. https://arxiv.org/abs/2506.12103
• Amazon Artificial General Intelligence. Amazon Nova 2: Multimodal Reasoning and Generation Models — Technical Report and Model Card. Amazon Science, februari 2026. https://www.amazon.science/publications/amazon-nova-2-multimodal-reasoning-and-generation-models
• Vaswani, A. et al. (2017). Attention Is All You Need. NeurIPS. https://arxiv.org/abs/1706.03762
• Rafailov, R. et al. (2023). Direct Preference Optimization: Your Language Model is Secretly a Reward Model. NeurIPS. https://arxiv.org/abs/2305.18290
• Ouyang, L. et al. (2022). Training language models to follow instructions with human feedback (InstructGPT). NeurIPS. https://arxiv.org/abs/2203.02155
• Rombach, R. et al. (2022). High‑Resolution Image Synthesis with Latent Diffusion Models. CVPR. https://arxiv.org/abs/2112.10752
• Hu, E.J. et al. (2021). LoRA: Low‑Rank Adaptation of Large Language Models. https://arxiv.org/abs/2106.09685

Verwijzingen

• https://docs.aws.amazon.com/nova/latest/userguide/what-is-nova.html — Officiële documentatie Amazon Nova
• https://docs.aws.amazon.com/ai/responsible-ai/nova-micro-lite-pro/overview.html — AI Service Cards voor Nova Micro, Lite, Pro, Premier
• https://docs.aws.amazon.com/ai/responsible-ai/nova-sonic/overview.html — AI Service Card voor Nova Sonic
• https://aws.amazon.com/blogs/aws/introducing-amazon-nova-frontier-intelligence-and-industry-leading-price-performance/ — Aankondiging Amazon Nova (december 2024)
• https://www.aboutamazon.com/news/aws/aws-agentic-ai-amazon-bedrock-nova-models — Aankondiging Amazon Nova 2 (december 2025)