---
title: "Nova (Amazon) (HU)"
source: "https://systems-analysis.info/int/Nova_(Amazon)_(HU)"
wiki: "systems-analysis.info/int"
article: "Nova_(Amazon)_(HU)"
language: "hu"
categories:
  - "Category:Hungarian"
  - "Category:Large language models"
  - "Category:Machine learning"
revision_id: 4943
wiki_created_at: 2026-09-06T23:42:16Z
wiki_modified_at: 2026-09-06T23:42:16Z
downloaded_at: 2026-09-07T23:05:53Z
---

# Nova (Amazon) (HU)

**Amazon Nova** — alapmodellek (Foundation Models, FM) és nagy nyelvi modellek (Large Language Model, LLM) családja, amelyet az Amazon Artificial General Intelligence (AAG Intelligence) részleg fejlesztett ki, és amely a teljesen felügyelt Amazon Bedrock szolgáltatáson keresztül érhető el. A család magában foglalja a szövegértési és szöveggenerálási, képfeldolgozási, videó- és dokumentumfeldolgozási, valamint beszédszintézis és -felismerési modelleket. Az Amazon Nova az előző generációs Amazon Titan modellek utódjának tekinthető, és integrálva van az Amazon Web Services (AWS) felhőalapú ökoszisztémájába.<sup>[\[1\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-NovaReport-1)[\[2\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-AWSNovaDocs-2)[\[3\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-AWSBlogIntro-3)</sup>

## A fejlesztés története és kronológiája

A Nova bevezetése előtt az Amazon Bedrock platform harmadik féltől származó modellekhez biztosított hozzáférést: Anthropic Claude, Meta Llama, Mistral és más modellekhez. Az Amazon Nova lett az AWS első saját fejlesztésű alapmodelljének családja, amelyet felhőinfrastruktúrában való kereskedelmi alkalmazásra szántak.<sup>[\[3\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-AWSBlogIntro-3)</sup>

### Első generáció (2024–2025)

Az Amazon Nova első generációját 2024. december 3-án mutatták be hivatalosan az AWS re:Invent 2024 konferencián. A kezdeti kiadás három értelmező modellt (understanding models) tartalmazott — a csak szöveges Nova Micro-t, valamint a multimodális Nova Lite-ot és Nova Pro-t —, továbbá a Nova Canvas generatív képgeneráló és a Nova Reel videógeneráló modelleket.<sup>[\[4\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-AboutAmazonReInvent2024-4)[\[3\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-AWSBlogIntro-3)[\[5\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-FuturumReInvent-5)</sup>

2025 áprilisában a kínálat kiegészült a Nova Premier csúcsmodellel — a család legerősebb modelljével, 1 millió token kontextusablakkal, amelyet összetett következtetési feladatokra és modelldesztillációra (distillation, tudásátadás egy nagyobb modellből egy kisebb felé) szántak.<sup>[\[6\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-NovaPremierAnn-6)</sup> Szintén 2025 áprilisában mutatták be a Nova Sonic nevű speech-to-speech osztályú hangmodellt, amely támogatja a valós idejű párbeszédeket.<sup>[\[7\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-NovaSonicAnn-7)</sup>

### Második generáció — Nova 2 (2025–2026)

2025 novemberében–decemberében az AWS re:Invent 2025 konferencián bejelentették a második generációt — az Amazon Nova 2-t. A kínálatba kerültek a dinamikus következtetést (dynamic reasoning) és bővített kontextusfeldolgozást támogató frissített Nova 2 Lite és Nova 2 Pro modellek, a natív multimodális Nova 2 Omni modell (szöveg, kép, videó és audió egyidejű feldolgozása és generálása), valamint a Nova 2 Sonic — a következő generációs hangmodell. Egyidejűleg bemutatásra került a Nova Forge (testreszabott modelledzési környezet) és a Nova Act (ügynökalapú workflow-keretrendszer) is.<sup>[\[8\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-AboutAmazonNova2-8)[\[9\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-Nova2Lite-9)[\[10\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-Nova2Sonic-10)</sup>

2026 februárjában megjelent az Amazon Nova 2 hivatalos műszaki jelentése.<sup>[\[11\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-Nova2Report-11)</sup>

### Összesített kronológia

| Dátum                    | Esemény                                                                                                |
|--------------------------|--------------------------------------------------------------------------------------------------------|
| 2024\. december          | Amazon Nova bejelentése az AWS re:Invent 2024-en: Nova Micro, Lite, Pro, Canvas, Reel                  |
| 2025\. április           | Nova Premier (1M token kontextus) és Nova Sonic (speech-to-speech) megjelenése                         |
| 2025\. június            | Az első generációs műszaki jelentés közzététele (arXiv:2506.12103)                                     |
| 2025\. november–december | Nova 2 bejelentése az AWS re:Invent 2025-ön: Nova 2 Lite, 2 Pro, 2 Omni, 2 Sonic, Nova Forge, Nova Act |
| 2026\. február           | Amazon Nova 2 műszaki jelentésének közzététele                                                         |

## Elméleti alapok és architektúra

### Az understanding-modellek alaparchitektúrája

Az arXiv:2506.12103 műszaki jelentés szerint az értelmező modellek (Nova Micro, Lite, Pro, Premier) a Vaswani et al. által leírt Transformer architektúrán alapulnak.<sup>[\[12\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-Vaswani2017-12)</sup> A többfejű önfigyelési mechanizmus (Multi-Head Self-Attention) alapképlete:

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

ahol $Q$, $K$, $V$ rendre a lekérdezések (queries), kulcsok (keys) és értékek (values) mátrixai, $d_{k}$ pedig a kulcsok dimenziója.<sup>[\[12\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-Vaswani2017-12)[\[1\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-NovaReport-1)</sup>

Az architektúra pontos paraméterei (rétegek száma, rejtett állapot mérete, figyelmifejek száma, paraméterek teljes száma) a nyilvánosan elérhető forrásokban 2026 márciusának állása szerint nem kerültek közzétételre. Ez a megközelítés jellemző a zárt kereskedelmi modellekre.<sup>[\[1\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-NovaReport-1)</sup>

A Nova Lite és Nova Pro multimodális feldolgozása szöveges, vizuális és videó-tokenek egyetlen sorozatba való összevonásával valósul meg, amelyet egy egységes nyelvi modell kap bemenetként. A vizuális enkóderek (vision encoders) a képeket és videókereteket szöveges reprezentációval kompatibilis tokensorozatokká alakítják.<sup>[\[1\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-NovaReport-1)[\[13\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-AlphaXiv-13)</sup>

### A generatív modellek architektúrája

A Nova Canvas (képek) és Nova Reel (videó) generatív modellek látens diffúziós modell (Latent Diffusion Models, LDM) architektúrát<sup>[\[14\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-LDM-14)</sup> alkalmaznak variációs automatikus enkóderekkel (Variational AutoEncoder, VAE) kombinálva a látens térben végzett számítások céljából. A diffúziós folyamatot a következő zajosítási egyenlet írja le:

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

ahol $x_{0}$ az eredeti kép a látens térben, $x_{t}$ annak zajosított változata a $t$ lépésben, ${\overline{\alpha}}_{t}$ a zajütemezés kumulatív paramétere, $\epsilon$ standard Gauss-zaj. A szöveges enkóder (text encoder) biztosítja a kondicionálást — a generálás feltételezését a szöveges prompton.<sup>[\[13\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-AlphaXiv-13)[\[14\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-LDM-14)</sup>

### A hangmodellek architektúrája

A Nova Sonic a szöveges modellektől eltérő architektúrát alkalmaz: egy speciális hangenkódert (speech encoder), hangdekódert (speech renderer) és az alap multimodális nyelvi modellt egyetlen végponttól végpontig tartó folyamatba (end-to-end pipeline) vonja össze. Ez lehetővé teszi a hangbemenet feldolgozását és hangkimenet generálását közbülső szöveggé alakítás nélkül (bár szöveges reprezentációt belső célokra minőségbiztosítás céljából alkalmaznak).<sup>[\[15\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-NovaSonicCard-15)[\[1\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-NovaReport-1)</sup>

## Az edzési infrastruktúra

A Nova modellek edzése AWS Elastic Kubernetes Service (EKS) elosztott klaszterein zajlott, Amazon Trainium saját MI-gyorsítók (TRN1 példányok), valamint NVIDIA A100 és H100 grafikus processzorok alkalmazásával.<sup>[\[13\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-AlphaXiv-13)[\[1\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-NovaReport-1)</sup>

Az edzési számítási költségek csökkentése érdekében speciális optimalizálási módszereket fejlesztettek ki és alkalmaztak:

- **Super-Selective Activation Checkpointing (SSC)** — aktiválás-mentési módszer, amely a műszaki jelentés adatai szerint a grafikus processzorok memóriafelhasználását körülbelül 50%-kal csökkenti minimális újraszámítási (recomputation) többletköltség mellett.<sup>[\[13\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-AlphaXiv-13)</sup>
- **In-CPU-Memory Checkpointing** — közbenső súlyok (checkpoints) gyorsítótárazása a központi processzorok (CPU) operatív memóriájában, mielőtt azokat aszinkron módon töltik fel az Amazon S3 felhőalapú tárolóba. Az Amazon adatai szerint ez a megközelítés a TRN1 példányokon 0,1 másodpercre csökkentette a modellállapot mentési idejét.<sup>[\[16\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-LinkedInCheckpointing-16)[\[13\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-AlphaXiv-13)</sup>

## Az edzési folyamat és az igazítás

A Nova modellek edzési folyamata több, a modern LLM-ekre jellemző lépésből áll:<sup>[\[1\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-NovaReport-1)[\[17\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-SageMakerCustom-17)</sup>

### Előedzés (Pre-training)

Nagyméretű, több mint 200 nyelvet magában foglaló többnyelvű és multimodális adatkorpuszon végzett edzés. Az edzési adatok pontos összetétele (mennyiség, nyelvek aránya, konkrét források) a nyilvános anyagokban nem szerepel.<sup>[\[1\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-NovaReport-1)</sup>

### Felügyelt finomhangolás (Supervised Fine-Tuning, SFT)

Finomhangolás jelölt „utasítás–válasz" párpéldákon, amely a modellt a felhasználói utasítások követésére vezeti.<sup>[\[1\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-NovaReport-1)</sup>

### Igazítás megerősítéses tanulással

A modell viselkedésének az emberi preferenciákhoz való igazítására két fő algoritmust alkalmaznak:

**Proximal Policy Optimization (PPO)** — emberi visszajelzésen alapuló megerősítéses tanulási algoritmus (Reinforcement Learning from Human Feedback, RLHF), amely külön jutalommodellt (Reward Model) alkalmaz.<sup>[\[18\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-PPO-18)[\[1\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-NovaReport-1)</sup>

**Direct Preference Optimization (DPO)** — alternatív igazítási módszer, amely nem igényel explicit jutalommodellt. A DPO célfüggvénye a következő:<sup>[\[19\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-DPO-19)</sup>

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

where:

- $\pi_{h}eta$ — a parametrizált stratégia (az edzendő modell);
- $\pi_{ref}$ — az alap (befagyasztott) referencia modell;
- $x$ — a bemeneti prompt (kontextus);
- $y_{w}$ és $y_{l}$ — rendre a preferált (győztes) és az elutasított (vesztes) válaszok;
- $\sigma$ — logisztikai (sigmoid) függvény;
- $\beta$ — hiperparaméter, amely az alap modelltől való eltérés büntetésének erősségét szabályozza (analóg a Kullback–Leibler-divergencia büntetéssel, KL-divergence penalty).<sup>[\[19\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-DPO-19)[\[1\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-NovaReport-1)</sup>

## A modellek családjának összetétele

A modellek családja szintekre (tiers) van osztva a teljesítmény, a költség és a késleltetés (latency) közötti egyensúly alapján.<sup>[\[2\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-AWSNovaDocs-2)[\[20\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-AWSServiceCards-20)</sup>

### Az első generációs értelmező modellek

| Paraméter                   | Nova Micro                                             | Nova Lite                       | Nova Pro                                                      | Nova Premier                                     |
|-----------------------------|--------------------------------------------------------|---------------------------------|---------------------------------------------------------------|--------------------------------------------------|
| Bemeneti modalitások        | Szöveg                                                 | Szöveg, kép, videó              | Szöveg, kép, videó                                            | Szöveg, kép, videó                               |
| Kimeneti modalitás          | Szöveg                                                 | Szöveg                          | Szöveg                                                        | Szöveg                                           |
| Kontextusablak              | 128 ezer token                                         | 300 ezer token                  | 300 ezer token                                                | 1 millió token                                   |
| Max. kimeneti tokenek       | 10 ezer                                                | 10 ezer                         | 10 ezer                                                       | 10 ezer                                          |
| Támogatott nyelvek          | 200+                                                   | 200+                            | 200+                                                          | 200+                                             |
| Finomhangolás (fine-tuning) | Igen                                                   | Igen                            | Igen                                                          | Nem                                              |
| Megjelenés dátuma           | 2024\. december                                        | 2024\. december                 | 2024\. december                                               | 2025\. április                                   |
| Fő rendeltetés              | Minimális késleltetés és költség szöveges feladatokhoz | Alapszintű multimodális elemzés | Optimális egyensúly összetett logikai és ügynöki feladatokhoz | Maximális pontosság, tanármodell desztillációhoz |

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

Optimalizált nyelvek (15): angol, német, spanyol, francia, olasz, japán, koreai, arab, kínai (egyszerűsített), orosz, hindi, portugál, holland, török, héber.<sup>[\[2\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-AWSNovaDocs-2)</sup>

A Nova Premier olyan feladatokhoz készült, amelyek mély kontextusmegértést, többlépéses tervezést és nagy adatmennyiséggel való munkát igényelnek: kódbázisok, 400 oldalnál hosszabb dokumentumok, akár 90 perces videók feldolgozása egyetlen lekérdezés keretében.<sup>[\[6\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-NovaPremierAnn-6)</sup>

### A második generációs modellek (Nova 2)

**Nova 2 Lite** és **Nova 2 Pro** 2025 novemberében–decemberében jelent meg. Mindkettő támogatja a kiterjesztett gondolkodást (extended thinking) — egy olyan mechanizmust, amelynek során a modell többlépéses következtetést végez a válasz generálása előtt. A következtetés mélységét a `reasoning_effort` paraméter szabályozza `low`, `medium` és `high` szintekkel. A kontextusablak 1 millió tokenre bővült. Beépített natív eszközök: webes keresés megerősítéssel (web grounding) és kódértelmező (code interpreter).<sup>[\[9\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-Nova2Lite-9)[\[8\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-AboutAmazonNova2-8)</sup>

**Nova 2 Omni** — natív multimodális modell, amely egyszerre képes szöveget, képeket, videót és audiót fogadni bemenetként, és szöveget és képeket generálni. Kontextusablak — 1 millió token.<sup>[\[8\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-AboutAmazonNova2-8)[\[11\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-Nova2Report-11)</sup>

**Nova 2 Sonic** — következő generációs hangmodell. 6 nyelvet támogat: angol (amerikai és brit változat), spanyol, német, francia, olasz. Bevezeti az aszinkron eszközhívást (asynchronous tool calling) — a modell folytatja az új bemenet feldolgozását, miközben a külső eszközök a háttérben futnak.<sup>[\[10\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-Nova2Sonic-10)</sup>

| Paraméter            | Nova 2 Lite                     | Nova 2 Pro                      | Nova 2 Omni               | Nova 2 Sonic              |
|----------------------|---------------------------------|---------------------------------|---------------------------|---------------------------|
| Bemeneti modalitások | Szöveg, kép, videó              | Szöveg, kép, videó              | Szöveg, kép, videó, audió | Audió (hang)              |
| Kimeneti modalitás   | Szöveg                          | Szöveg                          | Szöveg, kép               | Audió (hang)              |
| Kontextusablak       | 1 millió token                  | 1 millió token                  | 1 millió token            | 300 ezer token            |
| Extended thinking    | Igen                            | Igen                            | Igen                      | —                         |
| Natív eszközök       | Web grounding, Code interpreter | Web grounding, Code interpreter | —                         | Asynchronous tool calling |
| Megjelenés dátuma    | 2025\. november–december        | 2025\. november–december        | 2025\. december           | 2025\. december           |

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

### Generatív modellek

**Nova Canvas** — képgeneráló modell. Szöveges és grafikus bemenetet támogat (PNG, JPEG). Kimeneti felbontás — legfeljebb 4,19 millió pixel (például 2048×2048 vagy 2816×1536 pixel). A prompt maximális hossza — 1024 karakter. Támogatott műveletek: inpainting (képterület cseréje) és outpainting (kép kiterjesztése határain túl).<sup>[\[2\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-AWSNovaDocs-2)[\[4\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-AboutAmazonReInvent2024-4)</sup>

**Nova Reel** — videógeneráló modell. Kimeneti felbontás: 1280×720, 24 képkocka/másodperc. A generált videó hossza — legfeljebb 6 másodperc. Támogatja a kameramozgás vezérlését (camera control). A hozzáférés aszinkron API-n (Asynchronous Invoke Model API) keresztül történik.<sup>[\[2\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-AWSNovaDocs-2)[\[4\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-AboutAmazonReInvent2024-4)</sup>

### Hangmodellek

**Nova Sonic** (2025. április) — hangmodell kétirányú folyamatos API-val (bidirectional stream API). Támogatja a funkciohívásokat (function calling) és a vállalati adatokon alapuló megalapozást (grounding) Retrieval-Augmented Generation (RAG, külső tudás bevonásával végzett generálás) révén. A vízjel (watermarking) funkció alapértelmezés szerint be van kapcsolva. A kapcsolat maximális időtartama — 8 perc, megújítási lehetőséggel; legfeljebb 20 egyidejű kapcsolat ügyfelenként (alapértelmezett érték).<sup>[\[7\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-NovaSonicAnn-7)[\[15\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-NovaSonicCard-15)[\[2\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-AWSNovaDocs-2)</sup>

**Nova 2 Sonic** (2025. december) — a hangmodell következő generációja, javított rövid megnyilatkozások, telefonos audió (8 kHz) és akcentusok felismerésével.<sup>[\[10\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-Nova2Sonic-10)</sup>

## Értékelés és benchmarkok

A Nova modellek értékelése automatizált benchmarkok segítségével történt, beleértve az „LLM-as-a-judge" (nyelvi modell mint értékelő) megközelítést. A HKU SPACE AI Hub kutatása szerint az Arena-Hard-Auto metrika 98,6%-os korrelációt mutat a szakértői értékelésekkel.<sup>[\[21\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-HKUBenchmark-21)[\[22\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-AWSBenchmark-22)</sup>

### Az első generáció benchmarkjai

Adatok az arXiv:2506.12103 műszaki jelentésből (feltételek: a versengő modellek fejlesztői által a jelentés elkészítésének idején közzétett eredmények):<sup>[\[1\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#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              |

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

Az eredmények a teljesítményhierarchiát mutatják a családon belül (Premier \> Pro \> Lite \> Micro). A különbség leginkább a matematika (Math) és a következtetés (Reasoning) kategóriákban szembetűnő; a szerepjátékos interakció (Roleplay) és az információkinyerés (Extraction) feladatokban a kisebb modellek az idősebb modellekhez közeli eredményeket produkálnak.<sup>[\[22\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-AWSBenchmark-22)</sup>

### A második generáció benchmarkjai (Nova 2)

Adatok az Amazon Nova 2 műszaki jelentéséből (feltételek: internal measurements, 0-shot / CoT ahol jelezve):<sup>[\[11\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#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             |

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

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

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

Műszaki támogatási feladatokban végzett értékelés során a Nova 2 Lite 9,63 ± 0,27 pontot ért el a tízes skálán a „Problémaazonosítás" (Problem Identification) metrikában, jelentősen megelőzve az első generációs Nova Lite-ot (8,57 ± 0,46).<sup>[\[23\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-Nova2LiteSupport-23)</sup>

**Megjegyzés.** A versengő modellekkel való összehasonlítás során figyelembe kell venni, hogy a promptolási feltételek, a modellek verziói és a metrikák mérési dátuma eltérhet. Az első és második generáció benchmarkjai az Amazon önjelentéseiből származnak; a független ellenőrzések (FloTorch, Artificial Analysis) általánosságban megerősítik az ár-teljesítmény arányt, de egyes pontossági metrikákon lemaradást rögzítenek a vezető versenytársakhoz képest.<sup>[\[22\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-AWSBenchmark-22)</sup>

### Következtetési sebesség

Az Amazon belső mérései alapján (internal, Bedrock API-n keresztül):<sup>[\[1\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-NovaReport-1)[\[11\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-Nova2Report-11)</sup>

| Modell      | Következtetési sebesség (token/s) |
|-------------|-----------------------------------|
| Nova Micro  | ≈210                              |
| Nova Lite   | ≈157                              |
| Nova Pro    | ≈100                              |
| Nova 2 Omni | \>200                             |

## Használati költségek

Minden modell elérhető az Amazon Bedrockon keresztül, feldolgozott tokenek száma szerint fizetős modellben (adatok 2026 márciusának állása szerint):<sup>[\[2\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-AWSNovaDocs-2)</sup>

| Modell       | Bemeneti tokenek (USD / 1M) | Kimeneti tokenek (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                     |

Összehasonlításképpen: az Anthropic Claude 3.5 Sonnet a Nova megjelenésekor \$6,00 / 1M bemeneti és \$30,00 / 1M kimeneti token tarifával volt elérhető.<sup>[\[22\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-AWSBenchmark-22)</sup>

## Testreszabás és finomhangolás

Az AWS infrastruktúra számos módszert kínál az alap Nova modellek szűk szakterületekre való adaptálásához. Ennek fő eszköze a második generációban az **Amazon Nova Forge** környezet.<sup>[\[8\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-AboutAmazonNova2-8)[\[17\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-SageMakerCustom-17)</sup>

### Continued Pre-Training (CPT) és Mid-Training

A Nova Forge hozzáférést biztosít a modellek edzési közbenső ellenőrzési pontjaihoz (például `pretraining‑text‑RD` és `pretraining‑text‑CE`). Ez lehetővé teszi az önfelügyelt tanulás (self-supervised learning) folytatását vállalati adathalmazokon, a tanulási sebesség (learning rate) gondos hangolásával a katasztrofális felejtés (catastrophic forgetting) megelőzése érdekében.<sup>[\[24\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-NovaForgeCPT-24)[\[25\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-SageMakerCPT-25)</sup>

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

Csak a modell súlyainak kis részhalmazát frissíti alacsony rangú adaptereken (Low-Rank Adaptation, LoRA)<sup>[\[26\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-LoRA-26)</sup> keresztül. Ez a megközelítés jelentősen csökkenti a számítási erőforrás-igényt a teljes finomhangoláshoz (full fine-tuning) képest. A Nova Lite és Pro esetén multimodális fine-tuning is támogatott.<sup>[\[17\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-SageMakerCustom-17)</sup>

### Reinforcement Fine-Tuning (RFT)

Az egyedi modellek tovább finomhangolhatók megerősítéses módszerekkel, iparág-specifikus jutalommetrikák alapján, beleértve egy másik LLM bírói modellként (LLM-as-a-judge) való alkalmazását.<sup>[\[27\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-RFTDocs-27)</sup>

### Modell desztilláció (Model Distillation)

A Model Distillation funkció lehetővé teszi a Nova Premier vagy Nova Pro tanármodellként (teacher model) való alkalmazását kisebb tanulómodellek (student models) — Nova Lite és Nova Micro — edzéséhez. Ez csökkenti a következtetés (inferencia) számítási költségeit, miközben megőrzi a nagyobb modell minőségének jelentős részét.<sup>[\[2\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-AWSNovaDocs-2)[\[6\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-NovaPremierAnn-6)</sup>

## Alkalmazási területek és integráció

A Nova modellek integrálva vannak az Amazon számítási szolgáltatásaiba (AWS Step Functions, AWS Lambda, Amazon Q Developer). A főbb dokumentált felhasználási forgatókönyvek:<sup>[\[2\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-AWSNovaDocs-2)[\[1\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-NovaReport-1)</sup>

### Ügynöki munkafolyamatok (Agentic Workflows)

Többlépéses feladatvégrehajtás Bedrock Agents és külső eszközhívás (function calling) alkalmazásával. A ReAct (Reasoning and Acting) architekturális mintát a LangGraph-hoz hasonló keretrendszerekkel kombinálva a Nova modellek koordinálják az adatbázis-analitikát, természetes nyelvből SQL-lekérdezéseket generálnak, és összetett folyamatokat irányítanak. A Nova Act böngészős UI-workflow automatizálást biztosít, a korai felhasználói feladatokon 90%-os megbízhatósággal.<sup>[\[28\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-NLDBAnalytics-28)[\[8\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-AboutAmazonNova2-8)</sup>

### Külső tudás bevonásával végzett generálás (RAG)

Integráció a Bedrock Knowledge Bases-szel a válaszok vállalati adatokon alapuló megalapozásához (grounding). A Nova 2 modellek natív webes keresést támogatnak megerősítéssel (web grounding) beépített eszközként.<sup>[\[1\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-NovaReport-1)[\[9\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-Nova2Lite-9)</sup>

### Dokumentumfeldolgozás

Támogatott bemeneti dokumentumformátumok: PDF, CSV, DOC, DOCX, XLS, XLSX, HTML, TXT, MD (kivéve a Nova Micro-t, amely csak szöveges bemenetet fogad). A Nova Premier egyetlen lekérdezés keretén belül képes akár 90 perces videók feldolgozására.<sup>[\[2\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-AWSNovaDocs-2)[\[6\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-NovaPremierAnn-6)</sup>

### Kódgenerálás és hibakeresés

Támogatott programozási nyelvek: Python, Java, JavaScript, C#, TypeScript, SQL.<sup>[\[20\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-AWSServiceCards-20)</sup>

### Hangalapú felületek

A Nova Sonic és Nova 2 Sonic valós idejű támogatással rendelkező hangügynökök kiépítésére alkalmazható, Amazon Connect integrációval.<sup>[\[10\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-Nova2Sonic-10)[\[7\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-NovaSonicAnn-7)</sup>

### Modellértékelés (LLM-as-a-judge)

A Nova bírói modellként alkalmazható más generatív modellek kimenetének értékelésénél az Amazon SageMaker platformon.<sup>[\[29\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-LLMJudge-29)</sup>

## Korlátok és nyitott kérdések

- **Zárt architektúra.** Az Amazon nem hozza nyilvánosságra a paraméterek számát, a részletes architekturális megoldásokat és az edzési adatok összetételét, ami lényegesen korlátozza az eredmények független reprodukálhatóságát. A Nova modellek súlyai nem tölthetők le, és nem helyezhetők üzembe az AWS infrastruktúráján kívül (helyszíni telepítés nem lehetséges).<sup>[\[1\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-NovaReport-1)[\[2\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-AWSNovaDocs-2)</sup>
- **Kimeneti korlát.** Az összes értelmező modell esetén a kimeneti tokenek maximális száma 10 ezer tokenre korlátozott, ami hosszú dokumentumok generálásához esetleg nem elegendő.<sup>[\[2\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-AWSNovaDocs-2)</sup>
- **RFT korlátok.** A Reinforcement Fine-Tuning nem támogatja a többkörös (multi-turn) párbeszédeket és a multimodális adatokat; az adathalmazban a pozitív példák ajánlott aránya legalább 5%.<sup>[\[27\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-RFTDocs-27)</sup>
- **Nova Sonic korlátok.** A kapcsolat maximális időtartama — 8 perc; alapértelmezés szerint legfeljebb 20 egyidejű kapcsolat ügyfelenként.<sup>[\[2\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-AWSNovaDocs-2)</sup>
- **Regionális elérhetőség.** A Nova Premier csak egy régióban érhető el (US East N. Virginia), kereszt-regionális inferencia nélkül; a Nova 2 modellek korlátozott listán szereplő régiókban telepíthetők.<sup>[\[2\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-AWSNovaDocs-2)</sup>
- **Metrikák érzékenysége.** A szintetikus benchmarkon elért értékelések nem mindig korrelálnak a termelési (production) körülmények közötti teljesítménnyel, ahol a vállalati szabályzatok szigorú betartása és a hallucinációmentesség a többlépéses következtetésekben kritikus fontosságú.<sup>[\[22\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-AWSBenchmark-22)[\[23\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-Nova2LiteSupport-23)</sup>
- **Hallucinációk.** A modellek az LLM-ekre jellemző korlátokat mutatják: a generált válaszokban előfordulhatnak ténybeli hibák. A kockázatok csökkentésére a Bedrock Guardrails és a RAG alkalmazása ajánlott.<sup>[\[1\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-NovaReport-1)</sup>
- **A benchmarkok összehasonlíthatóságának objektivitása.** Az Amazon a versengő modellekkel való összehasonlításokat a fejlesztők által publikált adatok alapján közli, ami nem minden esetben biztosít egységes, kontrollált kísérleti alapot.<sup>[\[22\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-AWSBenchmark-22)</sup>

## Etikai és szabályozási szempontok

Az AWS deklarálja a felelős MI (Responsible AI) elvek betartását a Nova modellek fejlesztése során. A konkrét biztonsági intézkedések a következők:<sup>[\[20\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-AWSServiceCards-20)[\[15\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-NovaSonicCard-15)</sup>

- Beépített tartalommoderálás (content moderation).
- Vízjelek (watermarking) a Nova Sonic hangkimeneteihez.
- Értékelés kockázati kategóriák szerint: biztonság (safety), adatvédelem (privacy), hitelesség (veracity), átláthatóság (transparency), valamint vegyi, biológiai, radiológiai és nukleáris (CBRN) fegyverek terjesztése és offenzív kiberműveletek.
- Integráció az Amazon Bedrock Guardrails rendszerrel a bemeneti és kimeneti adatok szűréséhez.
- A Nova Premier modell értékelése az Amazon Frontier Model Safety Framework keretében.
- Red teaming — belső és külső tesztelés a támadásokkal szembeni ellenállóképesség felmérésére (a műszaki jelentés adatai szerint 307 technikával).
- Tartalommoderálás értékelése F1 metrikával: 85,84 az Aegis benchmarkon (a műszaki jelentés adatai szerint).<sup>[\[1\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-NovaReport-1)</sup>

A Nova Micro, Lite, Pro, Premier és Sonic MI-szolgáltatási kártyái (AI Service Cards) közzétételre kerültek a docs.aws.amazon.com oldalon a felelős alkalmazásra vonatkozó dokumentációként.<sup>[\[20\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-AWSServiceCards-20)[\[15\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-NovaSonicCard-15)</sup>

## Kilátások és kutatási irányok

A Nova 2 család jelzi az átmenetet a kiterjesztett következtetési képességekkel rendelkező modellek (extended thinking / reasoning) felé, amelyek konceptuálisan hasonlóak a gondolatlánc (Chain-of-Thought, CoT) és más modellek hasonló mechanizmusaihoz. A beépített webes keresés és kódértelmező natív eszközként (nem harmadik féltől származó bővítményként) architekturális elmozdulást jelent az ügynöki rendszerek irányába.<sup>[\[9\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-Nova2Lite-9)[\[8\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-AboutAmazonNova2-8)</sup>

Az Amazon nyilvános anyagaiban jelzett további fejlesztési irányok:

- A multimodalitás bővítése (az Omni modell mint egységes „minden-a-mindenhez" architektúra).
- Hibrid következtetés (hybrid reasoning) adaptív mélységgel a feladat bonyolultságától függően.
- Nyílt edzés felhasználói adatokon (Nova Forge) az előedzés minden szakaszában.
- Desztilláció peremeszközökhöz (edge devices).
- A biztonsági eszközkészlet (safety toolkit) bővítése.<sup>[\[8\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-AboutAmazonNova2-8)[\[11\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-Nova2Report-11)</sup>

Az AWS által egyetemi csapatok számára szervezett Amazon Nova AI Challenge témái közé tartozik az automatizált ellenséges tesztelés, a biztonsági igazítás (safety alignment) és a többkörös feltörési kísérletek (multi-turn jailbreaks), ami a modellek megbízhatóságába való befektetést tanúsítja.<sup>[\[8\]](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_note-AboutAmazonNova2-8)</sup>

## Lásd még

- Transformer (architektúra)
- Reinforcement Learning from Human Feedback (RLHF)

## Irodalom

- 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, 2026. február. <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>

## Hivatkozások

- <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> — Amazon Nova hivatalos dokumentációja
- <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 a Nova Micro, Lite, Pro, Premier modellekhez
- <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 a Nova Sonichoz
- <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> — Amazon Nova bejelentése (2024. december)
- <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> — Amazon Nova 2 bejelentése (2025. december)

## Megjegyzések

1.  <span id="cite_note-NovaReport-1">↑ <sup>[1.00](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_ref-NovaReport_1-0)</sup> <sup>[1.01](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_ref-NovaReport_1-1)</sup> <sup>[1.02](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_ref-NovaReport_1-2)</sup> <sup>[1.03](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_ref-NovaReport_1-3)</sup> <sup>[1.04](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_ref-NovaReport_1-4)</sup> <sup>[1.05](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_ref-NovaReport_1-5)</sup> <sup>[1.06](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_ref-NovaReport_1-6)</sup> <sup>[1.07](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_ref-NovaReport_1-7)</sup> <sup>[1.08](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_ref-NovaReport_1-8)</sup> <sup>[1.09](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_ref-NovaReport_1-9)</sup> <sup>[1.10](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_ref-NovaReport_1-10)</sup> <sup>[1.11](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_ref-NovaReport_1-11)</sup> <sup>[1.12](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_ref-NovaReport_1-12)</sup> <sup>[1.13](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_ref-NovaReport_1-13)</sup> <sup>[1.14](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_ref-NovaReport_1-14)</sup> <sup>[1.15](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_ref-NovaReport_1-15)</sup> <sup>[1.16](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_ref-NovaReport_1-16)</sup> <sup>[1.17](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_ref-NovaReport_1-17)</sup> <sup>[1.18](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_ref-NovaReport_1-18)</sup> <sup>[1.19](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#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)_(HU)#cite_ref-AWSNovaDocs_2-0)</sup> <sup>[2.01](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_ref-AWSNovaDocs_2-1)</sup> <sup>[2.02](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_ref-AWSNovaDocs_2-2)</sup> <sup>[2.03](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_ref-AWSNovaDocs_2-3)</sup> <sup>[2.04](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_ref-AWSNovaDocs_2-4)</sup> <sup>[2.05](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_ref-AWSNovaDocs_2-5)</sup> <sup>[2.06](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_ref-AWSNovaDocs_2-6)</sup> <sup>[2.07](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_ref-AWSNovaDocs_2-7)</sup> <sup>[2.08](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_ref-AWSNovaDocs_2-8)</sup> <sup>[2.09](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_ref-AWSNovaDocs_2-9)</sup> <sup>[2.10](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_ref-AWSNovaDocs_2-10)</sup> <sup>[2.11](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_ref-AWSNovaDocs_2-11)</sup> <sup>[2.12](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_ref-AWSNovaDocs_2-12)</sup> <sup>[2.13](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#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)_(HU)#cite_ref-AWSBlogIntro_3-0)</sup> <sup>[3.1](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_ref-AWSBlogIntro_3-1)</sup> <sup>[3.2](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#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)_(HU)#cite_ref-AboutAmazonReInvent2024_4-0)</sup> <sup>[4.1](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_ref-AboutAmazonReInvent2024_4-1)</sup> <sup>[4.2](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#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)_(HU)#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)_(HU)#cite_ref-NovaPremierAnn_6-0)</sup> <sup>[6.1](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_ref-NovaPremierAnn_6-1)</sup> <sup>[6.2](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_ref-NovaPremierAnn_6-2)</sup> <sup>[6.3](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#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)_(HU)#cite_ref-NovaSonicAnn_7-0)</sup> <sup>[7.1](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_ref-NovaSonicAnn_7-1)</sup> <sup>[7.2](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#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)_(HU)#cite_ref-AboutAmazonNova2_8-0)</sup> <sup>[8.1](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_ref-AboutAmazonNova2_8-1)</sup> <sup>[8.2](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_ref-AboutAmazonNova2_8-2)</sup> <sup>[8.3](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_ref-AboutAmazonNova2_8-3)</sup> <sup>[8.4](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_ref-AboutAmazonNova2_8-4)</sup> <sup>[8.5](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_ref-AboutAmazonNova2_8-5)</sup> <sup>[8.6](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_ref-AboutAmazonNova2_8-6)</sup> <sup>[8.7](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_ref-AboutAmazonNova2_8-7)</sup> <sup>[8.8](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#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)_(HU)#cite_ref-Nova2Lite_9-0)</sup> <sup>[9.1](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_ref-Nova2Lite_9-1)</sup> <sup>[9.2](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_ref-Nova2Lite_9-2)</sup> <sup>[9.3](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_ref-Nova2Lite_9-3)</sup> <sup>[9.4](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#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)_(HU)#cite_ref-Nova2Sonic_10-0)</sup> <sup>[10.1](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_ref-Nova2Sonic_10-1)</sup> <sup>[10.2](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_ref-Nova2Sonic_10-2)</sup> <sup>[10.3](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#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)_(HU)#cite_ref-Nova2Report_11-0)</sup> <sup>[11.1](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_ref-Nova2Report_11-1)</sup> <sup>[11.2](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_ref-Nova2Report_11-2)</sup> <sup>[11.3](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_ref-Nova2Report_11-3)</sup> <sup>[11.4](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_ref-Nova2Report_11-4)</sup> <sup>[11.5](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_ref-Nova2Report_11-5)</sup> <sup>[11.6](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_ref-Nova2Report_11-6)</sup> <sup>[11.7](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_ref-Nova2Report_11-7)</sup> <sup>[11.8](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#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)_(HU)#cite_ref-Vaswani2017_12-0)</sup> <sup>[12.1](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#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)_(HU)#cite_ref-AlphaXiv_13-0)</sup> <sup>[13.1](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_ref-AlphaXiv_13-1)</sup> <sup>[13.2](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_ref-AlphaXiv_13-2)</sup> <sup>[13.3](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_ref-AlphaXiv_13-3)</sup> <sup>[13.4](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#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)_(HU)#cite_ref-LDM_14-0)</sup> <sup>[14.1](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#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)_(HU)#cite_ref-NovaSonicCard_15-0)</sup> <sup>[15.1](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_ref-NovaSonicCard_15-1)</sup> <sup>[15.2](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_ref-NovaSonicCard_15-2)</sup> <sup>[15.3](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#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)_(HU)#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)_(HU)#cite_ref-SageMakerCustom_17-0)</sup> <sup>[17.1](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_ref-SageMakerCustom_17-1)</sup> <sup>[17.2](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#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)_(HU)#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)_(HU)#cite_ref-DPO_19-0)</sup> <sup>[19.1](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#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)_(HU)#cite_ref-AWSServiceCards_20-0)</sup> <sup>[20.1](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_ref-AWSServiceCards_20-1)</sup> <sup>[20.2](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_ref-AWSServiceCards_20-2)</sup> <sup>[20.3](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_ref-AWSServiceCards_20-3)</sup> <sup>[20.4](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#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)_(HU)#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)_(HU)#cite_ref-AWSBenchmark_22-0)</sup> <sup>[22.1](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_ref-AWSBenchmark_22-1)</sup> <sup>[22.2](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_ref-AWSBenchmark_22-2)</sup> <sup>[22.3](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_ref-AWSBenchmark_22-3)</sup> <sup>[22.4](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#cite_ref-AWSBenchmark_22-4)</sup> <sup>[22.5](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#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)_(HU)#cite_ref-Nova2LiteSupport_23-0)</sup> <sup>[23.1](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#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)_(HU)#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)_(HU)#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)_(HU)#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)_(HU)#cite_ref-RFTDocs_27-0)</sup> <sup>[27.1](https://systems-analysis.info/int/Nova_(Amazon)_(HU)#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)_(HU)#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)_(HU)#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>