---
title: "Nova (Amazon) (BG)"
source: "https://systems-analysis.info/int/Nova_(Amazon)_(BG)"
wiki: "systems-analysis.info/int"
article: "Nova_(Amazon)_(BG)"
language: "bg"
categories:
  - "Category:Bulgarian"
  - "Category:Large language models"
  - "Category:Machine learning"
revision_id: 4936
wiki_created_at: 2026-09-06T23:42:08Z
wiki_modified_at: 2026-09-06T23:42:08Z
downloaded_at: 2026-09-07T23:05:47Z
---

# Nova (Amazon) (BG)

**Amazon Nova** — семейство от фундаментални модели (Foundation Models, FM) и големи езикови модели (Large Language Model, LLM), разработено от подразделението Amazon Artificial General Intelligence (AAG Intelligence) и достъпно чрез напълно управлявания сервиз Amazon Bedrock. Семейството обхваща модели за разбиране и генериране на текст, обработка на изображения, видео и документи, както и синтез и разпознаване на реч. Amazon Nova се позиционира като замяна на предишното поколение модели Amazon Titan и е интегрирано в облачната екосистема Amazon Web Services (AWS).<sup>[\[1\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-NovaReport-1)[\[2\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-AWSNovaDocs-2)[\[3\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-AWSBlogIntro-3)</sup>

## История и хронология на развитието

Преди пускането на Nova платформата Amazon Bedrock предоставяше достъп до модели на трети страни: Anthropic Claude, Meta Llama, Mistral и други. Amazon Nova стана първото семейство от фундаментални модели, разработени от самия AWS, насочено към търговско приложение в облачната инфраструктура.<sup>[\[3\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-AWSBlogIntro-3)</sup>

### Първо поколение (2024–2025)

Първото поколение на семейството Amazon Nova беше официално представено на 3 декември 2024 година на конференцията AWS re:Invent 2024. В първоначалния релиз влязоха три модела за разбиране (understanding models) — Nova Micro (само текст), мултимодалните Nova Lite и Nova Pro, — както и генеративните модели Nova Canvas (генериране на изображения) и Nova Reel (генериране на видео).<sup>[\[4\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-AboutAmazonReInvent2024-4)[\[3\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-AWSBlogIntro-3)[\[5\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-FuturumReInvent-5)</sup>

През април 2025 година линията се допълни с флагманския модел Nova Premier — най-мощният модел на семейството с контекстен прозорец от 1 милион токени, предназначен за задачи със сложни разсъждения и дистилация (distillation, пренос на знания от голям модел към по-малък) на модели.<sup>[\[6\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-NovaPremierAnn-6)</sup> Тогава, през април 2025 година, беше представен и Nova Sonic — речеви модел от клас speech‑to‑speech с поддръжка на диалози в реално време.<sup>[\[7\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-NovaSonicAnn-7)</sup>

### Второ поколение — Nova 2 (2025–2026)

През ноември–декември 2025 година на конференцията AWS re:Invent 2025 беше обявено второто поколение — Amazon Nova 2. В линията влязоха обновените модели Nova 2 Lite и Nova 2 Pro с поддръжка на динамично разсъждаване (dynamic reasoning) и разширена обработка на контекст, нативният мултимодален модел Nova 2 Omni (едновременна обработка и генериране на текст, изображения, видео и аудио), както и Nova 2 Sonic — речеви модел от следващото поколение. Едновременно с това бяха представени сервизите Nova Forge (среда за персонализирано обучение на модели) и Nova Act (framework за агентни workflow).<sup>[\[8\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-AboutAmazonNova2-8)[\[9\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-Nova2Lite-9)[\[10\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-Nova2Sonic-10)</sup>

През февруари 2026 година беше публикуван официалният технически отчет на Amazon Nova 2.<sup>[\[11\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-Nova2Report-11)</sup>

### Обобщена хронология

| Дата                  | Събитие                                                                                          |
|-----------------------|--------------------------------------------------------------------------------------------------|
| Декември 2024         | Анонс на Amazon Nova на AWS re:Invent 2024: Nova Micro, Lite, Pro, Canvas, Reel                  |
| Април 2025            | Пускане на Nova Premier (контекст 1M токени) и Nova Sonic (speech‑to‑speech)                     |
| Юни 2025              | Публикуване на техническия отчет на първото поколение (arXiv:2506.12103)                         |
| Ноември–Декември 2025 | Анонс на Nova 2 на AWS re:Invent 2025: Nova 2 Lite, 2 Pro, 2 Omni, 2 Sonic, Nova Forge, Nova Act |
| Февруари 2026         | Публикуване на техническия отчет на Amazon Nova 2                                                |

## Теоретични основи и архитектура

### Базова архитектура на understanding‑моделите

Според техническия отчет arXiv:2506.12103, моделите за разбиране (Nova Micro, Lite, Pro, Premier) се основават на архитектурата на трансформера (Transformer), описана в работата на Vaswani et al.<sup>[\[12\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-Vaswani2017-12)</sup> Базовият механизъм на многоглавото самовнимание (Multi‑Head Self‑Attention) се описва с формулата:

$\operatorname{Attention}(Q,K,V) = \operatorname{softmax}\!\left( \frac{QK^{o}p}{\sqrt{d_{k}}} \right)V$

където $Q$, $K$, $V$ — матрици на заявките (queries), ключовете (keys) и стойностите (values) съответно, $d_{k}$ — размерността на ключовете.<sup>[\[12\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-Vaswani2017-12)[\[1\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-NovaReport-1)</sup>

Точните параметри на архитектурата (брой слоеве, размер на скритото състояние, брой глави на вниманието, общ брой параметри) в публично достъпните източници към март 2026 година не са разкрити. Такъв подход е характерен за затворени търговски модели.<sup>[\[1\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-NovaReport-1)</sup>

Мултимодалната обработка в Nova Lite и Nova Pro е реализирана чрез обединяване на текстови, визуални и видео токени в единна последователност, подавана на входа на единна езикова модел. Визуалните кодировщици (vision encoders) преобразуват изображения и кадри от видео в последователности от токени, съвместими с текстовото представяне.<sup>[\[1\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-NovaReport-1)[\[13\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-AlphaXiv-13)</sup>

### Архитектура на генеративните модели

Генеративните модели Nova Canvas (изображения) и Nova Reel (видео) използват архитектурата на латентни дифузионни модели (Latent Diffusion Models, LDM)<sup>[\[14\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-LDM-14)</sup> във връзка с вариационни автоенкодери (Variational AutoEncoder, VAE) за изчисления в латентното пространство. Процесът на дифузия се описва с уравнението за директен шум:

$x_{t} = \sqrt{{\overline{\alpha}}_{t}}\, x_{0} + \sqrt{1 - {\overline{\alpha}}_{t}}\,\epsilon,\quad\epsilon \sim \mathcal{N}(0,I)$

където $x_{0}$ — оригиналното изображение в латентното пространство, $x_{t}$ — зашумената му версия на стъпка $t$, ${\overline{\alpha}}_{t}$ — кумулативният параметър на шумовото разписание, $\epsilon$ — стандартен гауссов шум. Текстовият кодировщик (text encoder) осигурява conditioning — обуславяне на генерацията върху текстовия prompt.<sup>[\[13\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-AlphaXiv-13)[\[14\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-LDM-14)</sup>

### Архитектура на речевите модели

Nova Sonic използва архитектура, различна от текстовите модели: тя обединява специализиран кодировщик на реч (speech encoder), декодер на реч (speech renderer) и основна мултимодална езикова модел в единен последователен конвейер (end‑to‑end pipeline). Това позволява обработка на речев вход и генериране на речев изход без междинно преобразуване в текст (въпреки че текстовото представяне се използва вътрешно за осигуряване на качество).<sup>[\[15\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-NovaSonicCard-15)[\[1\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-NovaReport-1)</sup>

## Инфраструктура на обучението

Обучението на моделите Nova се провеждаше на разпределени клъстери AWS Elastic Kubernetes Service (EKS) с използване на собствени ИИ ускорители Amazon Trainium (инстанси TRN1), както и графични процесори NVIDIA A100 и H100.<sup>[\[13\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-AlphaXiv-13)[\[1\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-NovaReport-1)</sup>

За намаляване на изчислителните разходи при обучението бяха разработени и приложени специализирани методи за оптимизация:

- **Super‑Selective Activation Checkpointing (SSC)** — метод за запазване на активациите, който, според данните от техническия отчет, намалява потреблението на памет на графичните процесори приблизително с 50 % при минимални допълнителни разходи за повторни изчисления (recomputation).<sup>[\[13\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-AlphaXiv-13)</sup>
- **In‑CPU‑Memory Checkpointing** — кеширане на междинни тегла (checkpoints) в оперативната памет на централните процесори (CPU) преди тяхното асинхронно изтегляне в облачното хранилище Amazon S3. Според данните на Amazon, този подход позволи да се намали времето за запазване на състоянието на модела до 0,1 секунди при инстансите с TRN1.<sup>[\[16\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-LinkedInCheckpointing-16)[\[13\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-AlphaXiv-13)</sup>

## Конвейер на обучението и изравняване

Процесът на обучение на моделите Nova се състои от няколко етапа, характерни за съвременните LLM:<sup>[\[1\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-NovaReport-1)[\[17\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-SageMakerCustom-17)</sup>

### Предварително обучение (Pre‑training)

Мащабно обучение върху голям многоезичен и мултимодален корпус от данни, включващ повече от 200 езика. Точният състав на обучаващите данни (обем, съотношение на езиците, конкретни източници) в публичните материали не е посочен.<sup>[\[1\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-NovaReport-1)</sup>

### Контролирано дообучение (Supervised Fine‑Tuning, SFT)

Дообучение върху размечени примери от двойки „инструкция — отговор", което привежда модела към следване на инструкциите на потребителя.<sup>[\[1\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-NovaReport-1)</sup>

### Изравняване чрез обучение с подкрепление

За изравняване на поведението на модела с предпочитанията на човека се прилагат два основни алгоритма:

**Proximal Policy Optimization (PPO)** — алгоритъм за обучение с подкрепление на базата на обратна връзка от хора (Reinforcement Learning from Human Feedback, RLHF), използващ отделна модел на възнаграждение (Reward Model).<sup>[\[18\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-PPO-18)[\[1\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-NovaReport-1)</sup>

**Direct Preference Optimization (DPO)** — алтернативен метод за изравняване, който не изисква явна модел на възнаграждение. Целевата функция на DPO има вид:<sup>[\[19\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-DPO-19)</sup>

$\mathcal{L}_{DPO}(\pi_{h}eta;\pi_{ref}) = - {\mathbb{E}}_{(x,\, y_{w},\, y_{l}) \sim \mathcal{D}}\left\lbrack \log\sigma\!\left( \beta\log\frac{\pi_{h}eta(y_{w} \mid x)}{\pi_{ref}(y_{w} \mid x)} - \beta\log\frac{\pi_{h}eta(y_{l} \mid x)}{\pi_{ref}(y_{l} \mid x)} \right) \right\rbrack$

където:

- $\pi_{h}eta$ — параметризирана стратегия (обучаемата модел);
- $\pi_{ref}$ — базова (замразена) референсна модел;
- $x$ — входен prompt (контекст);
- $y_{w}$ и $y_{l}$ — предпочитан (winner) и отхвърлен (loser) отговор съответно;
- $\sigma$ — логистична (сигмоидна) функция;
- $\beta$ — хиперпараметър, контролиращ силата на наказанието за отклонение от базовата модел (аналог на наказанието на Кулбак–Лайблер, KL‑divergence penalty).<sup>[\[19\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-DPO-19)[\[1\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-NovaReport-1)</sup>

## Състав на семейството модели

Семейството модели е разделено на тирове (tiers) в зависимост от баланса между производителност, стойност и закъснение (latency).<sup>[\[2\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-AWSNovaDocs-2)[\[20\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-AWSServiceCards-20)</sup>

### Модели за разбиране от първо поколение

| Параметър                | Nova Micro                                         | Nova Lite                 | Nova Pro                                              | Nova Premier                                   |
|--------------------------|----------------------------------------------------|---------------------------|-------------------------------------------------------|------------------------------------------------|
| Входни модалности        | Текст                                              | Текст, изображение, видео | Текст, изображение, видео                             | Текст, изображение, видео                      |
| Изходна модалност        | Текст                                              | Текст                     | Текст                                                 | Текст                                          |
| Контекстен прозорец      | 128 хил. токени                                    | 300 хил. токени           | 300 хил. токени                                       | 1 млн токени                                   |
| Макс. изходни токени     | 10 хил.                                            | 10 хил.                   | 10 хил.                                               | 10 хил.                                        |
| Поддръжка на езици       | 200+                                               | 200+                      | 200+                                                  | 200+                                           |
| Дообучение (fine‑tuning) | Да                                                 | Да                        | Да                                                    | Не                                             |
| Дата на релиз            | Декември 2024                                      | Декември 2024             | Декември 2024                                         | Април 2025                                     |
| Основно предназначение   | Минимално закъснение и стойност за текстови задачи | Базов мултимодален анализ | Оптимален баланс за сложни логически и агентни задачи | Максимална точност, модел‑учител за дистилация |

*Източник: AWS AI Service Cards; arXiv:2506.12103.*<sup>[\[20\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-AWSServiceCards-20)[\[1\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-NovaReport-1)</sup>

Оптимизирани езици (15): английски, немски, испански, френски, италиански, японски, корейски, арабски, китайски (опростен), руски, хинди, португалски, нидерландски, турски, иврит.<sup>[\[2\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-AWSNovaDocs-2)</sup>

Nova Premier е предназначен за задачи, изискващи дълбоко разбиране на контекста, многостъпково планиране и работа с големи обеми данни: кодови бази, документи с обем над 400 страници, видео с продължителност до 90 минути.<sup>[\[6\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-NovaPremierAnn-6)</sup>

### Модели от второто поколение (Nova 2)

**Nova 2 Lite** и **Nova 2 Pro** са пуснати през ноември–декември 2025 година. И двата поддържат разширено мислене (extended thinking) — механизъм, при който моделът извършва многостъпкови разсъждения преди генерирането на отговор. Дълбочината на разсъжденията се регулира от параметъра `reasoning_effort` с нива `low`, `medium` и `high`. Контекстният прозорец е разширен до 1 милион токени. Вградени са нативни инструменти: уеб търсене с потвърждение (web grounding) и интерпретатор на код (code interpreter).<sup>[\[9\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-Nova2Lite-9)[\[8\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-AboutAmazonNova2-8)</sup>

**Nova 2 Omni** — нативен мултимодален модел, способен едновременно да приема на вход текст, изображения, видео и аудио и да генерира текст и изображения. Контекстен прозорец — 1 млн токени.<sup>[\[8\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-AboutAmazonNova2-8)[\[11\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-Nova2Report-11)</sup>

**Nova 2 Sonic** — речеви модел от следващото поколение. Поддържа 6 езика: английски (американски и британски вариант), испански, немски, френски, италиански. Въвежда асинхронно извикване на инструменти (asynchronous tool calling) — моделът продължава да обработва нов вход, докато zewnętrzни инструменти се изпълняват на заден план.<sup>[\[10\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-Nova2Sonic-10)</sup>

| Параметър           | Nova 2 Lite                     | Nova 2 Pro                      | Nova 2 Omni                      | Nova 2 Sonic              |
|---------------------|---------------------------------|---------------------------------|----------------------------------|---------------------------|
| Входни модалности   | Текст, изображение, видео       | Текст, изображение, видео       | Текст, изображение, видео, аудио | Аудио (реч)               |
| Изходна модалност   | Текст                           | Текст                           | Текст, изображение               | Аудио (реч)               |
| Контекстен прозорец | 1 млн токени                    | 1 млн токени                    | 1 млн токени                     | 300 хил. токени           |
| Extended thinking   | Да                              | Да                              | Да                               | —                         |
| Нативни инструменти | Web grounding, Code interpreter | Web grounding, Code interpreter | —                                | Asynchronous tool calling |
| Дата на релиз       | Ноември–Декември 2025           | Ноември–Декември 2025           | Декември 2025                    | Декември 2025             |

*Източник: AWS Blog; Amazon Science.*<sup>[\[9\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-Nova2Lite-9)[\[8\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-AboutAmazonNova2-8)[\[11\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-Nova2Report-11)</sup>

### Генеративни модели

**Nova Canvas** — модел за генериране на изображения. Поддържа текстов и графичен вход (PNG, JPEG). Изходна резолюция — до 4,19 млн пиксела (например 2048×2048 или 2816×1536 пиксела). Максимална дължина на prompt — 1024 символа. Поддържат се операциите inpainting (замяна на област от изображението) и outpainting (разширяване на изображението извън границите му).<sup>[\[2\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-AWSNovaDocs-2)[\[4\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-AboutAmazonReInvent2024-4)</sup>

**Nova Reel** — модел за генериране на видео. Изходна резолюция: 1280×720 при 24 кадъра в секунда. Продължителност на генерираното видео — до 6 секунди. Поддържа се управление на движението на камерата (camera control). Достъпът се осъществява чрез асинхронен API (Asynchronous Invoke Model API).<sup>[\[2\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-AWSNovaDocs-2)[\[4\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-AboutAmazonReInvent2024-4)</sup>

### Речеви модели

**Nova Sonic** (април 2025) — речеви модел с двупосочен поточен API (bidirectional stream API). Поддържа функционални извиквания (function calling) и заземяване върху корпоративни данни чрез Retrieval‑Augmented Generation (RAG, генерация с привличане на външни знания). Функцията за воден знак (watermarking) е вградена по подразбиране. Максимална продължителност на връзката — 8 минути с възможност за подновяване; максимум 20 едновременни връзки на клиент (стойност по подразбиране).<sup>[\[7\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-NovaSonicAnn-7)[\[15\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-NovaSonicCard-15)[\[2\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-AWSNovaDocs-2)</sup>

**Nova 2 Sonic** (декември 2025) — следващото поколение речеви модел с подобрено разпознаване на кратки изказвания, телефонно аудио (8 кХц) и акценти.<sup>[\[10\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-Nova2Sonic-10)</sup>

## Оценка и benchmark-ове

Оценката на моделите Nova се провеждаше с използване на автоматизирани benchmark-ове, включително подхода „LLM‑as‑a‑judge" (използване на езикова модел като оценител). Според проучване на HKU SPACE AI Hub, метриката Arena‑Hard‑Auto демонстрира 98,6 % корелация с оценките на експерти.<sup>[\[21\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-HKUBenchmark-21)[\[22\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-AWSBenchmark-22)</sup>

### Benchmark-ове на първото поколение

Данни от техническия отчет arXiv:2506.12103 (условия: резултати на разработчиците на конкурентни модели, публикувани към момента на изготвяне на отчета):<sup>[\[1\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-NovaReport-1)</sup>

| 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 (text)       | 79,7     | 77,7      | —          | 76,7                         | 77,5              |
| MT‑Bench (multimodal) | 63,7     | 60,7      | —          | 61,6                         | 55,0              |

*Източник: arXiv:2506.12103, таблица 2.1.1.*<sup>[\[1\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-NovaReport-1)</sup>

Резултатите показват йерархия на производителността в рамките на семейството (Premier \> Pro \> Lite \> Micro). Разликата е най-забележима в категориите математика (Math) и разсъждения (Reasoning); при задачи за ролево взаимодействие (Roleplay) и извличане на информация (Extraction) по-малките модели показват резултати, близки до по-големите.<sup>[\[22\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-AWSBenchmark-22)</sup>

### Benchmark-ове на второто поколение (Nova 2)

Данни от техническия отчет на Amazon Nova 2 (условия: вътрешни измервания, 0‑shot / CoT където е посочено):<sup>[\[11\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-Nova2Report-11)</sup>

| 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             |

*Източник: Amazon Nova 2 Technical Report, таблица 1.*<sup>[\[11\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-Nova2Report-11)</sup>

**Агентни benchmark-ове (Nova 2 Pro):** SWE‑Bench Verified — 70,0 %; τ²‑bench Verified Telecom — 92,7 %.<sup>[\[11\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-Nova2Report-11)</sup>

**Мултимодални benchmark-ове (Nova 2 Omni):** VideoMME — 77,9 %; MMMU Pro — 61,4 %.<sup>[\[11\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-Nova2Report-11)</sup>

При оценка в задачи за техническа поддръжка Nova 2 Lite получи 9,63 ± 0,27 по десетобална скала в метриката „Идентификация на проблема" (Problem Identification), значително изпреварвайки Nova Lite от първото поколение (8,57 ± 0,46).<sup>[\[23\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-Nova2LiteSupport-23)</sup>

**Забележка.** При съпоставяне на резултатите с конкурентни модели е необходимо да се вземе предвид, че условията на prompting, версиите на моделите и датите на снемане на метриките могат да се различават. Benchmark-овете на първото и второто поколение са получени от самоотчети на Amazon; независимите верификации (FloTorch, Artificial Analysis) като цяло потвърждават заявеното съотношение цена/производителност, но по отделни метрики за точност регистрират изоставане спрямо водещи конкуренти.<sup>[\[22\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-AWSBenchmark-22)</sup>

### Скорост на извод

Според вътрешни измервания на Amazon (internal, чрез Bedrock API):<sup>[\[1\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-NovaReport-1)[\[11\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-Nova2Report-11)</sup>

| Модел       | Скорост на извод (токени/сек) |
|-------------|-------------------------------|
| Nova Micro  | ≈210                          |
| Nova Lite   | ≈157                          |
| Nova Pro    | ≈100                          |
| Nova 2 Omni | \>200                         |

## Стойност на използване

Всички модели са достъпни чрез Amazon Bedrock по модел на заплащане за брой обработени токени (данни към март 2026 година):<sup>[\[2\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-AWSNovaDocs-2)</sup>

| Модел        | Входни токени (USD / 1M) | Изходни токени (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                   |

За сравнение: Anthropic Claude 3.5 Sonnet към момента на релиза на Nova се таксуваше по \$6,00 / 1M входни и \$30,00 / 1M изходни токени.<sup>[\[22\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-AWSBenchmark-22)</sup>

## Персонализация и дообучение

Инфраструктурата на AWS предоставя няколко метода за адаптиране на базовите модели Nova към тясно специализирани домейни. Основният инструмент за това във второто поколение е средата **Amazon Nova Forge**.<sup>[\[8\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-AboutAmazonNova2-8)[\[17\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-SageMakerCustom-17)</sup>

### Continued Pre‑Training (CPT) и Mid‑Training

Nova Forge открива достъп до междинни чекпоинти на обучението на моделите (например `pretraining‑text‑RD` и `pretraining‑text‑CE`). Това позволява да се продължи самообучението (self‑supervised learning) върху масиви от корпоративни данни с внимателен избор на скоростта на обучение (learning rate) за предотвратяване на катастрофично забравяне (catastrophic forgetting).<sup>[\[24\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-NovaForgeCPT-24)[\[25\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-SageMakerCPT-25)</sup>

### Parameter‑Efficient Fine‑Tuning (PEFT)

Актуализиране само на малко подмножество от теглата на модела чрез адаптери с нисък ранг — Low‑Rank Adaptation (LoRA)<sup>[\[26\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-LoRA-26)</sup>. Този подход съществено намалява изискванията към изчислителните ресурси в сравнение с пълното дообучение (full fine‑tuning). Поддържа се мултимодален fine‑tuning за Nova Lite и Pro.<sup>[\[17\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-SageMakerCustom-17)</sup>

### Reinforcement Fine‑Tuning (RFT)

Потребителски модели могат да бъдат допълнително дообучени с методи с подкрепление на базата на специфични за индустрията метрики на възнаграждение, включително с използване на друг LLM като модел‑съдия (LLM‑as‑a‑judge).<sup>[\[27\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-RFTDocs-27)</sup>

### Дистилация на модели (Model Distillation)

Функцията Model Distillation позволява използването на Nova Premier или Nova Pro като модел‑учител (teacher model) за обучение на по-малки модели‑ученици (student models) — Nova Lite и Nova Micro. Това намалява изчислителните разходи за инференс при запазване на съществена част от качеството на големия модел.<sup>[\[2\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-AWSNovaDocs-2)[\[6\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-NovaPremierAnn-6)</sup>

## Приложение и интеграция

Моделите Nova са интегрирани в изчислителните сервизи на Amazon (AWS Step Functions, AWS Lambda, Amazon Q Developer). Основни документирани сценарии на приложение:<sup>[\[2\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-AWSNovaDocs-2)[\[1\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-NovaReport-1)</sup>

### Агентни работни процеси (Agentic Workflows)

Многостъпково изпълнение на задачи с използване на Bedrock Agents и извикване на zewnętrzни инструменти (function calling). Използвайки архитектурния паттерн ReAct (Reasoning and Acting) заедно с framework-ове от типа LangGraph, моделите Nova координират аналитика на бази данни, формират SQL заявки от естествен език и управляват многосъставни процеси. Nova Act осигурява автоматизация на браузърни UI workflow с декларирана надеждност от 90 % при ранни потребителски задачи.<sup>[\[28\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-NLDBAnalytics-28)[\[8\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-AboutAmazonNova2-8)</sup>

### Генерация с привличане на zewnętrzни знания (RAG)

Интеграция с Bedrock Knowledge Bases за заземяване (grounding) на отговори върху корпоративни данни. Моделите Nova 2 поддържат нативно уеб търсене с потвърждение (web grounding) като вграден инструмент.<sup>[\[1\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-NovaReport-1)[\[9\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-Nova2Lite-9)</sup>

### Обработка на документи

Поддържани формати на входни документи: PDF, CSV, DOC, DOCX, XLS, XLSX, HTML, TXT, MD (с изключение на Nova Micro, който приема само текстов вход). Nova Premier е способен да обработва видео с продължителност до 90 минути в рамките на единична заявка.<sup>[\[2\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-AWSNovaDocs-2)[\[6\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-NovaPremierAnn-6)</sup>

### Генериране и отстраняване на грешки в код

Поддържани езици за програмиране: Python, Java, JavaScript, C#, TypeScript, SQL.<sup>[\[20\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-AWSServiceCards-20)</sup>

### Речеви интерфейси

Nova Sonic и Nova 2 Sonic се прилагат за изграждане на гласови агенти с поддръжка в реално време, интегрирани с Amazon Connect.<sup>[\[10\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-Nova2Sonic-10)[\[7\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-NovaSonicAnn-7)</sup>

### Оценка на модели (LLM‑as‑a‑judge)

Nova се прилага като модел‑съдия при оценка на изходите на други генеративни модели на платформата Amazon SageMaker.<sup>[\[29\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-LLMJudge-29)</sup>

## Ограничения и открити проблеми

- **Затвореност на архитектурата.** Amazon не разкрива броя на параметрите, детайлните архитектурни решения и състава на обучаващите данни, което съществено ограничава независимата възпроизводимост на резултатите. Теглата на моделите Nova не се предоставят за изтегляне или разгръщане извън инфраструктурата на AWS (on‑premise разгръщане е невъзможно).<sup>[\[1\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-NovaReport-1)[\[2\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-AWSNovaDocs-2)</sup>
- **Изходен лимит.** Максималният брой изходни токени за всички модели за разбиране е ограничен до 10 хил. токени, което може да е недостатъчно за задачи по генериране на дълги документи.<sup>[\[2\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-AWSNovaDocs-2)</sup>
- **Ограничения на RFT.** Reinforcement Fine‑Tuning не поддържа многооборотни (multi‑turn) диалози и мултимодални данни; препоръчваният дял на положителни примери в набора от данни е не по-малко от 5 %.<sup>[\[27\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-RFTDocs-27)</sup>
- **Ограничения на Nova Sonic.** Максимална продължителност на връзката — 8 минути; максимум 20 едновременни връзки на клиент по подразбиране.<sup>[\[2\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-AWSNovaDocs-2)</sup>
- **Регионална достъпност.** Nova Premier е достъпен само в един регион (US East N. Virginia) без поддръжка на кросрегионален инференс; моделите Nova 2 имат ограничен списък от региони за разгръщане.<sup>[\[2\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-AWSNovaDocs-2)</sup>
- **Чувствителност на метриките.** Оценките на синтетичните benchmark-ове не винаги корелират с качеството на работа в производствени условия (production), където от критично значение са строгото спазване на корпоративните политики и отсъствието на халюцинации при многостъпкови изводи.<sup>[\[22\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-AWSBenchmark-22)[\[23\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-Nova2LiteSupport-23)</sup>
- **Халюцинации.** Моделите демонстрират типични за LLM ограничения: възможни са фактически грешки в генерираните отговори. За намаляване на рисковете се препоръчва използването на Bedrock Guardrails и RAG.<sup>[\[1\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-NovaReport-1)</sup>
- **Сравнителна обективност на benchmark-овете.** Amazon представя сравнения с конкурентни модели на базата на данни, публикувани от самите разработчици, което не винаги осигурява единна контролирана експериментална база.<sup>[\[22\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-AWSBenchmark-22)</sup>

## Етични и регулаторни аспекти

AWS декларира следване на принципите на отговорния ИИ (Responsible AI) при разработването на Nova модели. Конкретните мерки за сигурност включват:<sup>[\[20\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-AWSServiceCards-20)[\[15\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-NovaSonicCard-15)</sup>

- Вградена модерация на съдържание (content moderation).
- Водни знаци (watermarking) за аудио изходи на Nova Sonic.
- Оценка по категории на риска: безопасност (safety), поверителност (privacy), достоверност (veracity), прозрачност (transparency), както и разпространение на ХБРЯ (химическо, биологическо, радиологическо и ядрено) оръжие (CBRN) и настъпателни кибероперации.
- Интеграция с Amazon Bedrock Guardrails за филтриране на входни и изходни данни.
- Оценка на модела Nova Premier за съответствие с Amazon Frontier Model Safety Framework.
- Red teaming — вътрешно и zewnętrzно тестване за устойчивост срещу атаки (според данните от техническия отчет, 307 техники).
- Оценка на модерацията на съдържание по метриката F1: 85,84 на benchmark-а Aegis (според данните от техническия отчет).<sup>[\[1\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-NovaReport-1)</sup>

Карточките на ИИ сервизите (AI Service Cards) за Nova Micro, Lite, Pro, Premier и Sonic са публикувани на docs.aws.amazon.com като документация за отговорно приложение.<sup>[\[20\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-AWSServiceCards-20)[\[15\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-NovaSonicCard-15)</sup>

## Перспективи и направления на изследванията

Семейството Nova 2 обозначава преход към модели с разширени възможности за разсъждение (extended thinking / reasoning), сравними по концепция с веригата на мисълта (Chain‑of‑Thought, CoT) и аналогични механизми в други семейства модели. Вграденото уеб търсене и интерпретаторът на код като нативни инструменти (а не zewnętrzни плъгини) представляват архитектурен преход в посока на агентни системи.<sup>[\[9\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-Nova2Lite-9)[\[8\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-AboutAmazonNova2-8)</sup>

Направления за по-нататъшно развитие, посочени в публичните материали на Amazon:

- Разширяване на мултимодалността (моделът Omni като унифицирана архитектура „всичко‑към‑всичко").
- Хибридни разсъждения (hybrid reasoning) с адаптивна дълбочина в зависимост от сложността на задачата.
- Открито обучение върху потребителски данни (Nova Forge) на всички етапи на предобучение.
- Дистилация за edge устройства.
- Разширяване на инструментариума за безопасност (safety toolkit).<sup>[\[8\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-AboutAmazonNova2-8)[\[11\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-Nova2Report-11)</sup>

Тематиката на Amazon Nova AI Challenge, провеждан от AWS сред университетски екипи, включва направления на автоматизирано състезателно тестване, изравняване на безопасността (safety alignment) и многооборотни атаки (multi‑turn jailbreaks), което свидетелства за инвестиции в надеждността на семейството модели.<sup>[\[8\]](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_note-AboutAmazonNova2-8)</sup>

## Вижте също

- Трансформер (архитектура)
- Reinforcement Learning from Human Feedback (RLHF)

## Литература

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

## Препратки

- <a href="https://docs.aws.amazon.com/nova/latest/userguide/what-is-nova.html" class="external free" rel="nofollow">https://docs.aws.amazon.com/nova/latest/userguide/what-is-nova.html</a> — Официална документация на Amazon Nova
- <a href="https://docs.aws.amazon.com/ai/responsible-ai/nova-micro-lite-pro/overview.html" class="external free" rel="nofollow">https://docs.aws.amazon.com/ai/responsible-ai/nova-micro-lite-pro/overview.html</a> — AI Service Cards за Nova Micro, Lite, Pro, Premier
- <a href="https://docs.aws.amazon.com/ai/responsible-ai/nova-sonic/overview.html" class="external free" rel="nofollow">https://docs.aws.amazon.com/ai/responsible-ai/nova-sonic/overview.html</a> — AI Service Card за Nova Sonic
- <a href="https://aws.amazon.com/blogs/aws/introducing-amazon-nova-frontier-intelligence-and-industry-leading-price-performance/" class="external free" rel="nofollow">https://aws.amazon.com/blogs/aws/introducing-amazon-nova-frontier-intelligence-and-industry-leading-price-performance/</a> — Анонс на Amazon Nova (декември 2024)
- <a href="https://www.aboutamazon.com/news/aws/aws-agentic-ai-amazon-bedrock-nova-models" class="external free" rel="nofollow">https://www.aboutamazon.com/news/aws/aws-agentic-ai-amazon-bedrock-nova-models</a> — Анонс на Amazon Nova 2 (декември 2025)

## Бележки

1.  <span id="cite_note-NovaReport-1">↑ <sup>[1.00](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-NovaReport_1-0)</sup> <sup>[1.01](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-NovaReport_1-1)</sup> <sup>[1.02](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-NovaReport_1-2)</sup> <sup>[1.03](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-NovaReport_1-3)</sup> <sup>[1.04](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-NovaReport_1-4)</sup> <sup>[1.05](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-NovaReport_1-5)</sup> <sup>[1.06](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-NovaReport_1-6)</sup> <sup>[1.07](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-NovaReport_1-7)</sup> <sup>[1.08](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-NovaReport_1-8)</sup> <sup>[1.09](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-NovaReport_1-9)</sup> <sup>[1.10](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-NovaReport_1-10)</sup> <sup>[1.11](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-NovaReport_1-11)</sup> <sup>[1.12](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-NovaReport_1-12)</sup> <sup>[1.13](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-NovaReport_1-13)</sup> <sup>[1.14](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-NovaReport_1-14)</sup> <sup>[1.15](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-NovaReport_1-15)</sup> <sup>[1.16](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-NovaReport_1-16)</sup> <sup>[1.17](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-NovaReport_1-17)</sup> <sup>[1.18](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-NovaReport_1-18)</sup> <sup>[1.19](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-NovaReport_1-19)</sup> Amazon Artificial General Intelligence. *The Amazon Nova Family of Models: Technical Report and Model Card*. arXiv:2506.12103v1, 2025. <a href="https://arxiv.org/abs/2506.12103" class="external free" rel="nofollow">https://arxiv.org/abs/2506.12103</a></span>
2.  <span id="cite_note-AWSNovaDocs-2">↑ <sup>[2.00](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-AWSNovaDocs_2-0)</sup> <sup>[2.01](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-AWSNovaDocs_2-1)</sup> <sup>[2.02](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-AWSNovaDocs_2-2)</sup> <sup>[2.03](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-AWSNovaDocs_2-3)</sup> <sup>[2.04](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-AWSNovaDocs_2-4)</sup> <sup>[2.05](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-AWSNovaDocs_2-5)</sup> <sup>[2.06](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-AWSNovaDocs_2-6)</sup> <sup>[2.07](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-AWSNovaDocs_2-7)</sup> <sup>[2.08](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-AWSNovaDocs_2-8)</sup> <sup>[2.09](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-AWSNovaDocs_2-9)</sup> <sup>[2.10](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-AWSNovaDocs_2-10)</sup> <sup>[2.11](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-AWSNovaDocs_2-11)</sup> <sup>[2.12](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-AWSNovaDocs_2-12)</sup> <sup>[2.13](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-AWSNovaDocs_2-13)</sup> AWS Documentation. *What is Amazon Nova?*. Amazon Nova User Guide. <a href="https://docs.aws.amazon.com/nova/latest/userguide/what-is-nova.html" class="external free" rel="nofollow">https://docs.aws.amazon.com/nova/latest/userguide/what-is-nova.html</a></span>
3.  <span id="cite_note-AWSBlogIntro-3">↑ <sup>[3.0](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-AWSBlogIntro_3-0)</sup> <sup>[3.1](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-AWSBlogIntro_3-1)</sup> <sup>[3.2](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-AWSBlogIntro_3-2)</sup> AWS. *Introducing Amazon Nova foundation models*. AWS News Blog, 3 декабря 2024. <a href="https://aws.amazon.com/blogs/aws/introducing-amazon-nova-frontier-intelligence-and-industry-leading-price-performance/" class="external free" rel="nofollow">https://aws.amazon.com/blogs/aws/introducing-amazon-nova-frontier-intelligence-and-industry-leading-price-performance/</a></span>
4.  <span id="cite_note-AboutAmazonReInvent2024-4">↑ <sup>[4.0](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-AboutAmazonReInvent2024_4-0)</sup> <sup>[4.1](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-AboutAmazonReInvent2024_4-1)</sup> <sup>[4.2](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-AboutAmazonReInvent2024_4-2)</sup> About Amazon. *11 key announcements from AWS re:Invent 2024*. aboutamazon.com, 2024. <a href="https://www.aboutamazon.com/news/aws/amazon-nova-ai-canvas-reel-aws-reinvent" class="external free" rel="nofollow">https://www.aboutamazon.com/news/aws/amazon-nova-ai-canvas-reel-aws-reinvent</a></span>
5.  <span id="cite_note-FuturumReInvent-5">[↑](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-FuturumReInvent_5-0) Futurum Research. *Amazon unveils Nova models, chips, and tools at re:Invent*. futurumgroup.com, 2025. <a href="https://futurumgroup.com/press-release/amazon-unveils-models-chips-and-tools-at-reinvent-boosting-its-ai-credentials/" class="external free" rel="nofollow">https://futurumgroup.com/press-release/amazon-unveils-models-chips-and-tools-at-reinvent-boosting-its-ai-credentials/</a></span>
6.  <span id="cite_note-NovaPremierAnn-6">↑ <sup>[6.0](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-NovaPremierAnn_6-0)</sup> <sup>[6.1](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-NovaPremierAnn_6-1)</sup> <sup>[6.2](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-NovaPremierAnn_6-2)</sup> <sup>[6.3](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-NovaPremierAnn_6-3)</sup> AWS. *Amazon Nova Premier — Our most capable model for complex tasks and teacher for model distillation*. AWS Blog, 29 апреля 2025. <a href="https://aws.amazon.com/blogs/aws/amazon-nova-premier-our-most-capable-model-for-complex-tasks-and-teacher-for-model-distillation/" class="external free" rel="nofollow">https://aws.amazon.com/blogs/aws/amazon-nova-premier-our-most-capable-model-for-complex-tasks-and-teacher-for-model-distillation/</a></span>
7.  <span id="cite_note-NovaSonicAnn-7">↑ <sup>[7.0](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-NovaSonicAnn_7-0)</sup> <sup>[7.1](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-NovaSonicAnn_7-1)</sup> <sup>[7.2](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-NovaSonicAnn_7-2)</sup> AWS. *Announcing Amazon Nova Sonic*. AWS What's New, 7 апреля 2025. <a href="https://aws.amazon.com/about-aws/whats-new/2025/04/amazon-nova-sonic-speech-to-speech-conversations-bedrock/" class="external free" rel="nofollow">https://aws.amazon.com/about-aws/whats-new/2025/04/amazon-nova-sonic-speech-to-speech-conversations-bedrock/</a></span>
8.  <span id="cite_note-AboutAmazonNova2-8">↑ <sup>[8.0](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-AboutAmazonNova2_8-0)</sup> <sup>[8.1](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-AboutAmazonNova2_8-1)</sup> <sup>[8.2](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-AboutAmazonNova2_8-2)</sup> <sup>[8.3](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-AboutAmazonNova2_8-3)</sup> <sup>[8.4](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-AboutAmazonNova2_8-4)</sup> <sup>[8.5](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-AboutAmazonNova2_8-5)</sup> <sup>[8.6](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-AboutAmazonNova2_8-6)</sup> <sup>[8.7](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-AboutAmazonNova2_8-7)</sup> <sup>[8.8](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-AboutAmazonNova2_8-8)</sup> Amazon. *Amazon introduces new frontier Nova models*. aboutamazon.com, 2 декабря 2025. <a href="https://www.aboutamazon.com/news/aws/aws-agentic-ai-amazon-bedrock-nova-models" class="external free" rel="nofollow">https://www.aboutamazon.com/news/aws/aws-agentic-ai-amazon-bedrock-nova-models</a></span>
9.  <span id="cite_note-Nova2Lite-9">↑ <sup>[9.0](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-Nova2Lite_9-0)</sup> <sup>[9.1](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-Nova2Lite_9-1)</sup> <sup>[9.2](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-Nova2Lite_9-2)</sup> <sup>[9.3](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-Nova2Lite_9-3)</sup> <sup>[9.4](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-Nova2Lite_9-4)</sup> AWS. *Introducing Amazon Nova 2 Lite — a fast, cost‑effective reasoning model*. AWS Blog, декабрь 2025. <a href="https://aws.amazon.com/blogs/aws/introducing-amazon-nova-2-lite-a-fast-cost-effective-reasoning-model/" class="external free" rel="nofollow">https://aws.amazon.com/blogs/aws/introducing-amazon-nova-2-lite-a-fast-cost-effective-reasoning-model/</a></span>
10. <span id="cite_note-Nova2Sonic-10">↑ <sup>[10.0](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-Nova2Sonic_10-0)</sup> <sup>[10.1](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-Nova2Sonic_10-1)</sup> <sup>[10.2](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-Nova2Sonic_10-2)</sup> <sup>[10.3](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-Nova2Sonic_10-3)</sup> AWS. *Introducing Amazon Nova 2 Sonic — next‑generation speech‑to‑speech model for conversational AI*. AWS Blog, декабрь 2025. <a href="https://aws.amazon.com/blogs/aws/introducing-amazon-nova-2-sonic-next-generation-speech-to-speech-model-for-conversational-ai/" class="external free" rel="nofollow">https://aws.amazon.com/blogs/aws/introducing-amazon-nova-2-sonic-next-generation-speech-to-speech-model-for-conversational-ai/</a></span>
11. <span id="cite_note-Nova2Report-11">↑ <sup>[11.0](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-Nova2Report_11-0)</sup> <sup>[11.1](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-Nova2Report_11-1)</sup> <sup>[11.2](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-Nova2Report_11-2)</sup> <sup>[11.3](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-Nova2Report_11-3)</sup> <sup>[11.4](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-Nova2Report_11-4)</sup> <sup>[11.5](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-Nova2Report_11-5)</sup> <sup>[11.6](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-Nova2Report_11-6)</sup> <sup>[11.7](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-Nova2Report_11-7)</sup> <sup>[11.8](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-Nova2Report_11-8)</sup> Amazon Artificial General Intelligence. *Amazon Nova 2: Multimodal Reasoning and Generation Models — Technical Report and Model Card*. Amazon Science, 16 февраля 2026. <a href="https://www.amazon.science/publications/amazon-nova-2-multimodal-reasoning-and-generation-models" class="external free" rel="nofollow">https://www.amazon.science/publications/amazon-nova-2-multimodal-reasoning-and-generation-models</a></span>
12. <span id="cite_note-Vaswani2017-12">↑ <sup>[12.0](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-Vaswani2017_12-0)</sup> <sup>[12.1](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-Vaswani2017_12-1)</sup> Vaswani, A. et al. (2017). *Attention Is All You Need*. NeurIPS. <a href="https://arxiv.org/abs/1706.03762" class="external free" rel="nofollow">https://arxiv.org/abs/1706.03762</a></span>
13. <span id="cite_note-AlphaXiv-13">↑ <sup>[13.0](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-AlphaXiv_13-0)</sup> <sup>[13.1](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-AlphaXiv_13-1)</sup> <sup>[13.2](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-AlphaXiv_13-2)</sup> <sup>[13.3](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-AlphaXiv_13-3)</sup> <sup>[13.4](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-AlphaXiv_13-4)</sup> AlphaXiv / Amazon Science. *The Amazon Nova Family of Models: Model Architecture and Training Methodology*. alphaxiv.org, 2025. <a href="https://www.alphaxiv.org/overview/2506.12103v1" class="external free" rel="nofollow">https://www.alphaxiv.org/overview/2506.12103v1</a></span>
14. <span id="cite_note-LDM-14">↑ <sup>[14.0](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-LDM_14-0)</sup> <sup>[14.1](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-LDM_14-1)</sup> Rombach, R. et al. (2022). *High‑Resolution Image Synthesis with Latent Diffusion Models*. CVPR. <a href="https://arxiv.org/abs/2112.10752" class="external free" rel="nofollow">https://arxiv.org/abs/2112.10752</a></span>
15. <span id="cite_note-NovaSonicCard-15">↑ <sup>[15.0](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-NovaSonicCard_15-0)</sup> <sup>[15.1](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-NovaSonicCard_15-1)</sup> <sup>[15.2](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-NovaSonicCard_15-2)</sup> <sup>[15.3](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-NovaSonicCard_15-3)</sup> AWS. *Amazon Nova Sonic — AWS AI Service Cards*. docs.aws.amazon.com. <a href="https://docs.aws.amazon.com/ai/responsible-ai/nova-sonic/overview.html" class="external free" rel="nofollow">https://docs.aws.amazon.com/ai/responsible-ai/nova-sonic/overview.html</a></span>
16. <span id="cite_note-LinkedInCheckpointing-16">[↑](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-LinkedInCheckpointing_16-0) LinkedIn (инженеры AWS). *Announcing Managed Tiered Checkpointing*. linkedin.com, декабрь 2025. <a href="https://www.linkedin.com/posts/hajamaideen_announcing-managed-tiered-checkpointing-for-activity-7402077620147798016-njZo" class="external free" rel="nofollow">https://www.linkedin.com/posts/hajamaideen_announcing-managed-tiered-checkpointing-for-activity-7402077620147798016-njZo</a></span>
17. <span id="cite_note-SageMakerCustom-17">↑ <sup>[17.0](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-SageMakerCustom_17-0)</sup> <sup>[17.1](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-SageMakerCustom_17-1)</sup> <sup>[17.2](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-SageMakerCustom_17-2)</sup> AWS. *Announcing Amazon Nova customization in Amazon SageMaker AI*. aws.amazon.com, 2025. <a href="https://aws.amazon.com/blogs/aws/announcing-amazon-nova-customization-in-amazon-sagemaker-ai/" class="external free" rel="nofollow">https://aws.amazon.com/blogs/aws/announcing-amazon-nova-customization-in-amazon-sagemaker-ai/</a></span>
18. <span id="cite_note-PPO-18">[↑](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-PPO_18-0) Ouyang, L. et al. (2022). *Training language models to follow instructions with human feedback (InstructGPT)*. NeurIPS. <a href="https://arxiv.org/abs/2203.02155" class="external free" rel="nofollow">https://arxiv.org/abs/2203.02155</a></span>
19. <span id="cite_note-DPO-19">↑ <sup>[19.0](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-DPO_19-0)</sup> <sup>[19.1](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-DPO_19-1)</sup> Rafailov, R. et al. (2023). *Direct Preference Optimization: Your Language Model is Secretly a Reward Model*. NeurIPS. <a href="https://arxiv.org/abs/2305.18290" class="external free" rel="nofollow">https://arxiv.org/abs/2305.18290</a></span>
20. <span id="cite_note-AWSServiceCards-20">↑ <sup>[20.0](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-AWSServiceCards_20-0)</sup> <sup>[20.1](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-AWSServiceCards_20-1)</sup> <sup>[20.2](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-AWSServiceCards_20-2)</sup> <sup>[20.3](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-AWSServiceCards_20-3)</sup> <sup>[20.4](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-AWSServiceCards_20-4)</sup> AWS. *Amazon Nova Micro, Lite, Pro, and Premier — AWS AI Service Cards*. docs.aws.amazon.com. <a href="https://docs.aws.amazon.com/ai/responsible-ai/nova-micro-lite-pro/overview.html" class="external free" rel="nofollow">https://docs.aws.amazon.com/ai/responsible-ai/nova-micro-lite-pro/overview.html</a></span>
21. <span id="cite_note-HKUBenchmark-21">[↑](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-HKUBenchmark_21-0) HKU SPACE AI Hub. *Benchmarking Amazon Nova: A comprehensive analysis through MT‑Bench and Arena‑Hard‑Auto*. aihub.hkuspace.hku.hk, 2025. <a href="https://aihub.hkuspace.hku.hk/benchmarking-amazon-nova-a-comprehensive-analysis-through-mt-bench-and-arena-hard-auto/" class="external free" rel="nofollow">https://aihub.hkuspace.hku.hk/benchmarking-amazon-nova-a-comprehensive-analysis-through-mt-bench-and-arena-hard-auto/</a></span>
22. <span id="cite_note-AWSBenchmark-22">↑ <sup>[22.0](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-AWSBenchmark_22-0)</sup> <sup>[22.1](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-AWSBenchmark_22-1)</sup> <sup>[22.2](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-AWSBenchmark_22-2)</sup> <sup>[22.3](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-AWSBenchmark_22-3)</sup> <sup>[22.4](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-AWSBenchmark_22-4)</sup> <sup>[22.5](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-AWSBenchmark_22-5)</sup> AWS Machine Learning Blog. *Benchmarking Amazon Nova: A Comprehensive Analysis Through MT‑Bench and Arena‑Hard*. aws.amazon.com, 2025. <a href="https://aws.amazon.com/blogs/machine-learning/benchmarking-amazon-nova-a-comprehensive-analysis-through-mt-bench-and-arena-hard-auto/" class="external free" rel="nofollow">https://aws.amazon.com/blogs/machine-learning/benchmarking-amazon-nova-a-comprehensive-analysis-through-mt-bench-and-arena-hard-auto/</a></span>
23. <span id="cite_note-Nova2LiteSupport-23">↑ <sup>[23.0](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-Nova2LiteSupport_23-0)</sup> <sup>[23.1](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-Nova2LiteSupport_23-1)</sup> AWS Machine Learning Blog. *Real‑world reasoning: How Amazon Nova Lite 2.0 handles complex customer support scenarios*. aws.amazon.com, 2025. <a href="https://aws.amazon.com/blogs/machine-learning/real-world-reasoning-how-amazon-nova-lite-2-0-handles-complex-customer-support-scenarios/" class="external free" rel="nofollow">https://aws.amazon.com/blogs/machine-learning/real-world-reasoning-how-amazon-nova-lite-2-0-handles-complex-customer-support-scenarios/</a></span>
24. <span id="cite_note-NovaForgeCPT-24">[↑](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-NovaForgeCPT_24-0) AWS Documentation. *Continued Pre‑Training and Mid‑Training — Amazon Nova*. docs.aws.amazon.com. <a href="https://docs.aws.amazon.com/nova/latest/nova2-userguide/nova-forge-cpt.html" class="external free" rel="nofollow">https://docs.aws.amazon.com/nova/latest/nova2-userguide/nova-forge-cpt.html</a></span>
25. <span id="cite_note-SageMakerCPT-25">[↑](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-SageMakerCPT_25-0) AWS Documentation. *Continued Pre‑Training and Mid‑Training*. Amazon SageMaker Developer Guide. <a href="https://docs.aws.amazon.com/sagemaker/latest/dg/nova-forge-cpt.html" class="external free" rel="nofollow">https://docs.aws.amazon.com/sagemaker/latest/dg/nova-forge-cpt.html</a></span>
26. <span id="cite_note-LoRA-26">[↑](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-LoRA_26-0) Hu, E.J. et al. (2021). *LoRA: Low‑Rank Adaptation of Large Language Models*. <a href="https://arxiv.org/abs/2106.09685" class="external free" rel="nofollow">https://arxiv.org/abs/2106.09685</a></span>
27. <span id="cite_note-RFTDocs-27">↑ <sup>[27.0](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-RFTDocs_27-0)</sup> <sup>[27.1](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-RFTDocs_27-1)</sup> AWS Documentation. *Reinforcement Fine‑Tuning (RFT) with Amazon Nova models*. Amazon SageMaker Documentation. <a href="https://docs.aws.amazon.com/sagemaker/latest/dg/nova-reinforcement-fine-tuning.html" class="external free" rel="nofollow">https://docs.aws.amazon.com/sagemaker/latest/dg/nova-reinforcement-fine-tuning.html</a></span>
28. <span id="cite_note-NLDBAnalytics-28">[↑](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-NLDBAnalytics_28-0) AWS Machine Learning Blog. *Natural language‑based database analytics with Amazon Nova*. aws.amazon.com, 2025. <a href="https://aws.amazon.com/blogs/machine-learning/natural-language-based-database-analytics-with-amazon-nova/" class="external free" rel="nofollow">https://aws.amazon.com/blogs/machine-learning/natural-language-based-database-analytics-with-amazon-nova/</a></span>
29. <span id="cite_note-LLMJudge-29">[↑](https://systems-analysis.info/int/Nova_(Amazon)_(BG)#cite_ref-LLMJudge_29-0) AWS Machine Learning Blog. *Evaluating generative AI models with Amazon Nova LLM‑as‑a‑judge on Amazon SageMaker AI*. aws.amazon.com, 2025. <a href="https://aws.amazon.com/blogs/machine-learning/evaluating-generative-ai-models-with-amazon-nova-llm-as-a-judge-on-amazon-sagemaker-ai/" class="external free" rel="nofollow">https://aws.amazon.com/blogs/machine-learning/evaluating-generative-ai-models-with-amazon-nova-llm-as-a-judge-on-amazon-sagemaker-ai/</a></span>