---
title: "Nova (Amazon)"
source: "https://systems-analysis.info/wiki/Nova_(Amazon)"
wiki: "systems-analysis.info/wiki"
article: "Nova_(Amazon)"
language: "ru"
categories:
  - "Категория:Russian"
  - "Категория:Большие языковые модели"
  - "Категория:Машинное обучение"
revision_id: 155
wiki_created_at: 2026-09-06T22:04:33Z
wiki_modified_at: 2026-09-06T22:04:33Z
downloaded_at: 2026-09-07T22:17:52Z
---

# Nova (Amazon)

**Amazon Nova** — семейство фундаментальных моделей (Foundation Models, FM) и [больших языковых моделей](https://systems-analysis.info/wiki/%D0%91%D0%BE%D0%BB%D1%8C%D1%88%D0%B8%D0%B5_%D1%8F%D0%B7%D1%8B%D0%BA%D0%BE%D0%B2%D1%8B%D0%B5_%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8 "Большие языковые модели") (Large Language Model, LLM), разработанное подразделением Amazon Artificial General Intelligence (AAG Intelligence) и доступное через полностью управляемый сервис Amazon Bedrock. Семейство охватывает модели для понимания и генерации текста, обработки изображений, видео и документов, а также синтеза и распознавания речи. Amazon Nova позиционируется как замена предыдущего поколения моделей Amazon Titan и интегрировано в облачную экосистему Amazon Web Services (AWS).<sup>[\[1\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-NovaReport-1)[\[2\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-AWSNovaDocs-2)[\[3\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-AWSBlogIntro-3)</sup>

## История и хронология развития

До запуска Nova платформа Amazon Bedrock предоставляла доступ к сторонним моделям: Anthropic [Claude](https://systems-analysis.info/wiki/Claude "Claude"), Meta [Llama](https://systems-analysis.info/wiki/LLaMA "LLaMA"), [Mistral](https://systems-analysis.info/wiki/Mistral "Mistral") и другим. Amazon Nova стала первым семейством фундаментальных моделей собственной разработки AWS, ориентированным на коммерческое применение в облачной инфраструктуре.<sup>[\[3\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-AWSBlogIntro-3)</sup>

### Первое поколение (2024–2025)

Первое поколение семейства Amazon Nova было официально представлено 3 декабря 2024 года на конференции AWS re:Invent 2024. В первоначальный релиз вошли три модели понимания (understanding models) — Nova Micro (только текст), мультимодальные Nova Lite и Nova Pro, — а также генеративные модели Nova Canvas (генерация изображений) и Nova Reel (генерация видео).<sup>[\[4\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-AboutAmazonReInvent2024-4)[\[3\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-AWSBlogIntro-3)[\[5\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-FuturumReInvent-5)</sup>

В апреле 2025 года линейка пополнилась флагманской моделью Nova Premier — наиболее мощной моделью семейства с [контекстным окном](https://systems-analysis.info/wiki/%D0%9A%D0%BE%D0%BD%D1%82%D0%B5%D0%BA%D1%81%D1%82%D0%BD%D0%BE%D0%B5_%D0%BE%D0%BA%D0%BD%D0%BE "Контекстное окно") в 1 миллион [токенов](https://systems-analysis.info/wiki/%D0%A2%D0%BE%D0%BA%D0%B5%D0%BD "Токен"), предназначенной для задач со сложными рассуждениями и дистилляции (distillation, перенос знаний от крупной модели к меньшей) моделей.<sup>[\[6\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-NovaPremierAnn-6)</sup> Тогда же, в апреле 2025 года, была представлена Nova Sonic — речевая модель класса speech‑to‑speech с поддержкой диалогов в реальном времени.<sup>[\[7\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-NovaSonicAnn-7)</sup>

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

В ноябре–декабре 2025 года на конференции AWS re:Invent 2025 было анонсировано второе поколение — Amazon Nova 2. В линейку вошли обновлённые модели Nova 2 Lite и Nova 2 Pro с поддержкой динамических рассуждений (dynamic reasoning) и расширенной обработки контекста, нативная мультимодальная модель Nova 2 Omni (одновременная обработка и генерация текста, изображений, видео и аудио), а также Nova 2 Sonic — речевая модель следующего поколения. Одновременно были представлены сервисы Nova Forge (среда для кастомного обучения моделей) и Nova Act (фреймворк для агентных workflow).<sup>[\[8\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-AboutAmazonNova2-8)[\[9\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-Nova2Lite-9)[\[10\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-Nova2Sonic-10)</sup>

В феврале 2026 года опубликован официальный технический отчёт Amazon Nova 2.<sup>[\[11\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-Nova2Report-11)</sup>

### Сводная хронология

| Дата                | Событие                                                                                       |
|---------------------|-----------------------------------------------------------------------------------------------|
| Декабрь 2024        | Анонс Amazon Nova на AWS re:Invent 2024: Nova Micro, Lite, Pro, Canvas, Reel                  |
| Апрель 2025         | Выпуск Nova Premier (контекст 1M токенов) и Nova Sonic (speech‑to‑speech)                     |
| Июнь 2025           | Публикация технического отчёта первого поколения (arXiv:2506.12103)                           |
| Ноябрь–Декабрь 2025 | Анонс Nova 2 на AWS re:Invent 2025: Nova 2 Lite, 2 Pro, 2 Omni, 2 Sonic, Nova Forge, Nova Act |
| Февраль 2026        | Публикация технического отчёта Amazon Nova 2                                                  |

## Теоретические основы и архитектура

### Базовая архитектура understanding‑моделей

Согласно техническому отчёту arXiv:2506.12103, модели понимания (Nova Micro, Lite, Pro, Premier) основаны на архитектуре [трансформера](https://systems-analysis.info/wiki/%D0%90%D1%80%D1%85%D0%B8%D1%82%D0%B5%D0%BA%D1%82%D1%83%D1%80%D0%B0_Transformer "Архитектура Transformer") (Transformer), описанной в работе Vaswani et al.<sup>[\[12\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-Vaswani2017-12)</sup> Базовый механизм многоголового самовнимания (Multi‑Head Self‑Attention) описывается формулой:

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

где $Q$, $K$, $V$ — матрицы запросов (queries), ключей (keys) и значений (values) соответственно, $d_{k}$ — размерность ключей.<sup>[\[12\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-Vaswani2017-12)[\[1\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-NovaReport-1)</sup>

Точные параметры архитектуры (число слоёв, размер скрытого состояния, число голов внимания, общее количество параметров) в публично доступных источниках по состоянию на март 2026 года не раскрыты. Такой подход характерен для закрытых коммерческих моделей.<sup>[\[1\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-NovaReport-1)</sup>

Мультимодальная обработка в Nova Lite и Nova Pro реализована через объединение текстовых, визуальных и видео‑токенов в единую последовательность, подаваемую на вход единой языковой модели. Визуальные кодировщики (vision encoders) преобразуют изображения и кадры видео в последовательности токенов, совместимых с текстовым представлением.<sup>[\[1\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-NovaReport-1)[\[13\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-AlphaXiv-13)</sup>

### Архитектура генеративных моделей

Генеративные модели Nova Canvas (изображения) и Nova Reel (видео) используют архитектуру латентных диффузионных моделей (Latent Diffusion Models, LDM)<sup>[\[14\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-LDM-14)</sup> в связке с вариационными автоэнкодерами (Variational AutoEncoder, VAE) для вычислений в латентном пространстве. Процесс диффузии описывается уравнением прямого шума:

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

где $x_{0}$ — исходное изображение в латентном пространстве, $x_{t}$ — его зашумлённая версия на шаге $t$, ${\overline{\alpha}}_{t}$ — кумулятивный параметр шумового расписания, $\epsilon$ — стандартный гауссов шум. Текстовый кодировщик (text [encoder](https://systems-analysis.info/wiki/Encoder "Encoder")) обеспечивает conditioning — обусловливание генерации на текстовом промпте.<sup>[\[13\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-AlphaXiv-13)[\[14\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-LDM-14)</sup>

### Архитектура речевых моделей

Nova Sonic использует отличную от текстовых моделей архитектуру: она объединяет специализированный кодировщик речи (speech encoder), декодер речи (speech renderer) и основную мультимодальную языковую модель в единый сквозной конвейер (end‑to‑end pipeline). Это позволяет обрабатывать речевой ввод и генерировать речевой вывод без промежуточного преобразования в текст (хотя текстовое представление используется внутренне для обеспечения качества).<sup>[\[15\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-NovaSonicCard-15)[\[1\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-NovaReport-1)</sup>

## Инфраструктура обучения

Обучение моделей Nova производилось на распределённых кластерах AWS Elastic Kubernetes Service (EKS) с использованием собственных ИИ‑ускорителей Amazon Trainium (инстансы TRN1), а также графических процессоров NVIDIA A100 и H100.<sup>[\[13\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-AlphaXiv-13)[\[1\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-NovaReport-1)</sup>

Для снижения вычислительных издержек при обучении были разработаны и применены специализированные методы оптимизации:

- **Super‑Selective Activation Checkpointing (SSC)** — метод сохранения активаций, который, по данным технического отчёта, уменьшает потребление памяти графических процессоров приблизительно на 50 % при минимальных накладных расходах на повторные вычисления (recomputation).<sup>[\[13\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-AlphaXiv-13)</sup>
- **In‑CPU‑Memory Checkpointing** — кэширование промежуточных весов (checkpoints) в оперативной памяти центральных процессоров (CPU) перед их асинхронной выгрузкой в облачное хранилище Amazon S3. По данным Amazon, этот подход позволил сократить время сохранения состояния модели до 0,1 секунды на инстансах с TRN1.<sup>[\[16\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-LinkedInCheckpointing-16)[\[13\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-AlphaXiv-13)</sup>

## Пайплайн обучения и выравнивание

Процесс обучения моделей Nova состоит из нескольких этапов, характерных для современных LLM:<sup>[\[1\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-NovaReport-1)[\[17\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-SageMakerCustom-17)</sup>

### Предварительное обучение (Pre‑training)

Масштабное обучение на крупном мультиязычном и мультимодальном корпусе данных, включающем более 200 языков. Точный состав обучающих данных (объём, соотношение языков, конкретные источники) в публичных материалах не приводится.<sup>[\[1\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-NovaReport-1)</sup>

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

Дообучение на размеченных примерах пар «инструкция — ответ», приводящее модель к следованию инструкциям пользователя.<sup>[\[1\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-NovaReport-1)</sup>

### Выравнивание с помощью обучения с подкреплением

Для выравнивания поведения модели с предпочтениями человека применяются два основных алгоритма:

**Proximal Policy Optimization (PPO)** — алгоритм обучения с подкреплением на основе отзывов людей (Reinforcement Learning from Human Feedback, RLHF), использующий отдельную модель вознаграждения (Reward Model).<sup>[\[18\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-PPO-18)[\[1\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-NovaReport-1)</sup>

**Direct Preference Optimization (DPO)** — альтернативный метод выравнивания, не требующий явной модели вознаграждения. Целевая функция DPO имеет вид:<sup>[\[19\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-DPO-19)</sup>

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

где:

- $\pi_{\theta}$ — параметризованная стратегия (обучаемая модель);
- $\pi_{ref}$ — базовая (замороженная) референсная модель;
- $x$ — входной промпт (контекст);
- $y_{w}$ и $y_{l}$ — предпочтительный (winner) и отвергнутый (loser) ответы соответственно;
- $\sigma$ — логистическая (сигмоидная) функция;
- $\beta$ — гиперпараметр, контролирующий силу штрафа за отклонение от базовой модели (аналог штрафа Кульбака–Лейблера, KL‑divergence penalty).<sup>[\[19\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-DPO-19)[\[1\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-NovaReport-1)</sup>

## Состав семейства моделей

Семейство моделей разделено на тиры (tiers) в зависимости от баланса между производительностью, стоимостью и задержкой (latency).<sup>[\[2\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-AWSNovaDocs-2)[\[20\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-AWSServiceCards-20)</sup>

### Модели понимания первого поколения

| Параметр                 | Nova Micro                                           | Nova Lite                      | Nova Pro                                                   | Nova Premier                                          |
|--------------------------|------------------------------------------------------|--------------------------------|------------------------------------------------------------|-------------------------------------------------------|
| Входные модальности      | Текст                                                | Текст, изображение, видео      | Текст, изображение, видео                                  | Текст, изображение, видео                             |
| Выходная модальность     | Текст                                                | Текст                          | Текст                                                      | Текст                                                 |
| Контекстное окно         | 128 тыс. токенов                                     | 300 тыс. токенов               | 300 тыс. токенов                                           | 1 млн токенов                                         |
| Макс. выходных токенов   | 10 тыс.                                              | 10 тыс.                        | 10 тыс.                                                    | 10 тыс.                                               |
| Поддержка языков         | 200+                                                 | 200+                           | 200+                                                       | 200+                                                  |
| Дообучение (fine‑tuning) | Да                                                   | Да                             | Да                                                         | Нет                                                   |
| Дата релиза              | Декабрь 2024                                         | Декабрь 2024                   | Декабрь 2024                                               | Апрель 2025                                           |
| Основное назначение      | Минимальная задержка и стоимость для текстовых задач | Базовый мультимодальный анализ | Оптимальный баланс для сложных логических и агентных задач | Максимальная точность, модель‑учитель для дистилляции |

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

Оптимизированные языки (15): английский, немецкий, испанский, французский, итальянский, японский, корейский, арабский, китайский (упрощённый), русский, хинди, португальский, нидерландский, турецкий, иврит.<sup>[\[2\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-AWSNovaDocs-2)</sup>

Nova Premier предназначена для задач, требующих глубокого понимания контекста, многошагового планирования и работы с большими объёмами данных: кодовыми базами, документами объёмом более 400 страниц, видео длительностью до 90 минут.<sup>[\[6\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-NovaPremierAnn-6)</sup>

### Модели второго поколения (Nova 2)

**Nova 2 Lite** и **Nova 2 Pro** выпущены в ноябре–декабре 2025 года. Оба поддерживают расширенное мышление (extended thinking) — механизм, при котором модель выполняет многошаговые рассуждения перед генерацией ответа. Глубина рассуждений регулируется параметром `reasoning_effort` с уровнями `low`, `medium` и `high`. Контекстное окно расширено до 1 миллиона токенов. Встроены нативные инструменты: веб‑поиск с подтверждением (web grounding) и интерпретатор кода (code interpreter).<sup>[\[9\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-Nova2Lite-9)[\[8\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-AboutAmazonNova2-8)</sup>

**Nova 2 Omni** — нативная мультимодальная модель, способная одновременно принимать на вход текст, изображения, видео и аудио и генерировать текст и изображения. Контекстное окно — 1 млн токенов.<sup>[\[8\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-AboutAmazonNova2-8)[\[11\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-Nova2Report-11)</sup>

**Nova 2 Sonic** — речевая модель следующего поколения. Поддерживает 6 языков: английский (американский и британский варианты), испанский, немецкий, французский, итальянский. Вводит асинхронный вызов инструментов (asynchronous tool calling) — модель продолжает обрабатывать новый ввод, пока внешние инструменты выполняются в фоновом режиме.<sup>[\[10\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-Nova2Sonic-10)</sup>

| Параметр             | Nova 2 Lite                     | Nova 2 Pro                      | Nova 2 Omni                      | Nova 2 Sonic              |
|----------------------|---------------------------------|---------------------------------|----------------------------------|---------------------------|
| Входные модальности  | Текст, изображение, видео       | Текст, изображение, видео       | Текст, изображение, видео, аудио | Аудио (речь)              |
| Выходная модальность | Текст                           | Текст                           | Текст, изображение               | Аудио (речь)              |
| Контекстное окно     | 1 млн токенов                   | 1 млн токенов                   | 1 млн токенов                    | 300 тыс. токенов          |
| Extended thinking    | Да                              | Да                              | Да                               | —                         |
| Нативные инструменты | Web grounding, Code interpreter | Web grounding, Code interpreter | —                                | Asynchronous tool calling |
| Дата релиза          | Ноябрь–Декабрь 2025             | Ноябрь–Декабрь 2025             | Декабрь 2025                     | Декабрь 2025              |

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

### Генеративные модели

**Nova Canvas** — модель генерации изображений. Поддерживает текстовый и графический ввод (PNG, JPEG). Выходное разрешение — до 4,19 млн пикселей (например, 2048×2048 или 2816×1536 пикселей). Максимальная длина промпта — 1024 символа. Поддерживаются операции inpainting (замена области изображения) и outpainting (расширение изображения за его границы).<sup>[\[2\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-AWSNovaDocs-2)[\[4\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-AboutAmazonReInvent2024-4)</sup>

**Nova Reel** — модель генерации видео. Выходное разрешение: 1280×720 при 24 кадрах в секунду. Длительность генерируемого видео — до 6 секунд. Поддерживается управление движением камеры (camera control). Доступ осуществляется через асинхронный API (Asynchronous Invoke Model API).<sup>[\[2\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-AWSNovaDocs-2)[\[4\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-AboutAmazonReInvent2024-4)</sup>

### Речевые модели

**Nova Sonic** (апрель 2025) — речевая модель с двунаправленным потоковым API (bidirectional stream API). Поддерживает функциональные вызовы (function calling) и заземление на корпоративных данных через [Retrieval‑Augmented Generation](https://systems-analysis.info/wiki/Retrieval%E2%80%91Augmented_Generation_(RAG) "Retrieval‑Augmented Generation (RAG)") (RAG, генерация с привлечением внешних знаний). Функция водяного знака (watermarking) встроена по умолчанию. Максимальная продолжительность соединения — 8 минут с возможностью возобновления; максимум 20 одновременных соединений на клиента (значение по умолчанию).<sup>[\[7\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-NovaSonicAnn-7)[\[15\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-NovaSonicCard-15)[\[2\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-AWSNovaDocs-2)</sup>

**Nova 2 Sonic** (декабрь 2025) — следующее поколение речевой модели с улучшенным распознаванием коротких высказываний, телефонного аудио (8 кГц) и акцентов.<sup>[\[10\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-Nova2Sonic-10)</sup>

## Оценка и бенчмарки

Оценка моделей Nova проводилась с использованием автоматизированных бенчмарков, включая подход «LLM‑as‑a‑judge» (использование языковой модели в качестве оценщика). По данным исследования HKU SPACE AI Hub, метрика Arena‑Hard‑Auto демонстрирует 98,6 % корреляцию с оценками экспертов.<sup>[\[21\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-HKUBenchmark-21)[\[22\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-AWSBenchmark-22)</sup>

### Бенчмарки первого поколения

Данные из технического отчёта arXiv:2506.12103 (условия: результаты разработчиков моделей‑конкурентов, опубликованные на момент подготовки отчёта):<sup>[\[1\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-NovaReport-1)</sup>

| Бенчмарк              | 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              |

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

Результаты показывают иерархию производительности внутри семейства (Premier \> Pro \> Lite \> Micro). Разрыв наиболее заметен в категориях математики (Math) и рассуждений (Reasoning); в задачах ролевого взаимодействия (Roleplay) и извлечения информации (Extraction) младшие модели показывают результаты, близкие к старшим.<sup>[\[22\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-AWSBenchmark-22)</sup>

### Бенчмарки второго поколения (Nova 2)

Данные из технического отчёта Amazon Nova 2 (условия: internal measurements, 0‑shot / CoT где указано):<sup>[\[11\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-Nova2Report-11)</sup>

| Бенчмарк               | 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             |

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

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

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

При оценке в задачах технической поддержки Nova 2 Lite набрала 9,63 ± 0,27 по десятибалльной шкале в метрике «Идентификация проблемы» (Problem Identification), значительно опередив Nova Lite первого поколения (8,57 ± 0,46).<sup>[\[23\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-Nova2LiteSupport-23)</sup>

**Примечание.** При сопоставлении результатов с конкурирующими моделями необходимо учитывать, что условия промптинга, версии моделей и даты снятия метрик могут различаться. Бенчмарки первого и второго поколений получены из самоотчётов Amazon; независимые верификации (FloTorch, Artificial Analysis) в целом подтверждают заявленное соотношение цена/производительность, но по отдельным метрикам точности фиксируют отставание от ведущих конкурентов.<sup>[\[22\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-AWSBenchmark-22)</sup>

### Скорость вывода

По внутренним замерам Amazon (internal, через Bedrock API):<sup>[\[1\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-NovaReport-1)[\[11\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-Nova2Report-11)</sup>

| Модель      | Скорость вывода (токенов/с) |
|-------------|-----------------------------|
| Nova Micro  | ≈210                        |
| Nova Lite   | ≈157                        |
| Nova Pro    | ≈100                        |
| Nova 2 Omni | \>200                       |

## Стоимость использования

Все модели доступны через Amazon Bedrock по модели оплаты за количество обработанных токенов (данные на март 2026 года):<sup>[\[2\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-AWSNovaDocs-2)</sup>

| Модель       | Входные токены (USD / 1M) | Выходные токены (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                    |

Для сравнения: Anthropic Claude 3.5 Sonnet на момент релиза Nova тарифицировался по \$6,00 / 1M входных и \$30,00 / 1M выходных токенов.<sup>[\[22\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-AWSBenchmark-22)</sup>

## Кастомизация и дообучение

Инфраструктура AWS предоставляет несколько методов адаптации базовых моделей Nova под узкоспециализированные домены. Основным инструментом для этого во втором поколении выступает среда **Amazon Nova Forge**.<sup>[\[8\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-AboutAmazonNova2-8)[\[17\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-SageMakerCustom-17)</sup>

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

Nova Forge открывает доступ к промежуточным чекпоинтам обучения моделей (например, `pretraining‑text‑RD` и `pretraining‑text‑CE`). Это позволяет продолжать самообучение (self‑supervised learning) на массивах корпоративных данных с аккуратным подбором скорости обучения (learning rate) для предотвращения катастрофического забывания (catastrophic forgetting).<sup>[\[24\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-NovaForgeCPT-24)[\[25\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-SageMakerCPT-25)</sup>

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

Обновление только небольшого подмножества весов модели через адаптеры низкого ранга — Low‑Rank Adaptation (LoRA)<sup>[\[26\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-LoRA-26)</sup>. Этот подход существенно снижает требования к вычислительным ресурсам по сравнению с полным дообучением (full fine‑tuning). Поддерживается мультимодальный fine‑tuning для Nova Lite и Pro.<sup>[\[17\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-SageMakerCustom-17)</sup>

### Reinforcement Fine‑Tuning (RFT)

Пользовательские модели могут быть дополнительно дообучены методами с подкреплением на базе специфических для отрасли метрик вознаграждения, в том числе с использованием другой LLM в качестве модели‑судьи (LLM‑as‑a‑judge).<sup>[\[27\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-RFTDocs-27)</sup>

### Дистилляция моделей (Model Distillation)

Функция Model Distillation позволяет использовать Nova Premier или Nova Pro в качестве модели‑учителя (teacher model) для обучения меньших моделей‑учеников (student models) — Nova Lite и Nova Micro. Это снижает вычислительные затраты на инференс при сохранении существенной доли качества крупной модели.<sup>[\[2\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-AWSNovaDocs-2)[\[6\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-NovaPremierAnn-6)</sup>

## Применение и интеграция

Модели Nova интегрированы в вычислительные сервисы Amazon (AWS Step Functions, AWS Lambda, Amazon Q Developer). Основные задокументированные сценарии применения:<sup>[\[2\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-AWSNovaDocs-2)[\[1\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-NovaReport-1)</sup>

### Агентные рабочие процессы (Agentic Workflows)

Многошаговое выполнение задач с использованием Bedrock Agents и вызовом внешних инструментов (function calling). Используя архитектурный паттерн ReAct (Reasoning and Acting) в связке с фреймворками типа LangGraph, модели Nova координируют аналитику баз данных, формируют SQL‑запросы из естественного языка и управляют многосоставными процессами. Nova Act обеспечивает автоматизацию браузерных UI‑workflow с заявленной надёжностью 90 % на ранних пользовательских задачах.<sup>[\[28\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-NLDBAnalytics-28)[\[8\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-AboutAmazonNova2-8)</sup>

### Генерация с привлечением внешних знаний (RAG)

Интеграция с Bedrock Knowledge Bases для заземления (grounding) ответов на корпоративных данных. Модели Nova 2 поддерживают нативный веб‑поиск с подтверждением (web grounding) как встроенный инструмент.<sup>[\[1\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-NovaReport-1)[\[9\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-Nova2Lite-9)</sup>

### Обработка документов

Поддерживаемые форматы входных документов: PDF, CSV, DOC, DOCX, XLS, XLSX, HTML, TXT, MD (кроме Nova Micro, который принимает только текстовый ввод). Nova Premier способна обрабатывать видео длительностью до 90 минут в рамках единого запроса.<sup>[\[2\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-AWSNovaDocs-2)[\[6\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-NovaPremierAnn-6)</sup>

### Генерация и отладка кода

Поддерживаемые языки программирования: Python, Java, JavaScript, C#, TypeScript, SQL.<sup>[\[20\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-AWSServiceCards-20)</sup>

### Речевые интерфейсы

Nova Sonic и Nova 2 Sonic применяются для построения голосовых агентов с поддержкой реального времени, интегрированных с Amazon Connect.<sup>[\[10\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-Nova2Sonic-10)[\[7\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-NovaSonicAnn-7)</sup>

### Оценка моделей (LLM‑as‑a‑judge)

Nova применяется как модель‑судья при оценке выходов других генеративных моделей на платформе Amazon SageMaker.<sup>[\[29\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-LLMJudge-29)</sup>

## Ограничения и открытые проблемы

- **Закрытость архитектуры.** Amazon не раскрывает число параметров, детальные архитектурные решения и состав обучающих данных, что существенно ограничивает независимую воспроизводимость результатов. Веса моделей Nova не предоставляются для скачивания или развёртывания вне инфраструктуры AWS (on‑premise развёртывание невозможно).<sup>[\[1\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-NovaReport-1)[\[2\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-AWSNovaDocs-2)</sup>
- **Выходной лимит.** Максимальное количество выходных токенов для всех моделей понимания ограничено 10 тыс. токенов, что может быть недостаточным для задач генерации длинных документов.<sup>[\[2\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-AWSNovaDocs-2)</sup>
- **Ограничения RFT.** Reinforcement Fine‑Tuning не поддерживает многооборотные (multi‑turn) диалоги и мультимодальные данные; рекомендуемая доля положительных примеров в наборе данных — не менее 5 %.<sup>[\[27\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-RFTDocs-27)</sup>
- **Ограничения Nova Sonic.** Максимальная длительность соединения — 8 минут; максимум 20 одновременных соединений на клиента по умолчанию.<sup>[\[2\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-AWSNovaDocs-2)</sup>
- **Региональная доступность.** Nova Premier доступна только в одном регионе (US East N. Virginia) без поддержки кросс‑регионального инференса; Nova 2‑модели имеют ограниченный список регионов развёртывания.<sup>[\[2\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-AWSNovaDocs-2)</sup>
- **Чувствительность метрик.** Оценки на синтетических бенчмарках не всегда коррелируют с качеством работы в производственных условиях (production), где критичны строгое следование корпоративным политикам и отсутствие галлюцинаций в многоступенчатых выводах.<sup>[\[22\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-AWSBenchmark-22)[\[23\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-Nova2LiteSupport-23)</sup>
- **Галлюцинации.** Модели демонстрируют типичные для LLM ограничения: возможны фактические ошибки в генерируемых ответах. Для снижения рисков рекомендуется использование Bedrock Guardrails и RAG.<sup>[\[1\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-NovaReport-1)</sup>
- **Сравнительная объективность бенчмарков.** Amazon приводит сравнения с конкурирующими моделями на основе опубликованных самими разработчиками данных, что не всегда обеспечивает единую контролируемую экспериментальную базу.<sup>[\[22\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-AWSBenchmark-22)</sup>

## Этические и регуляторные аспекты

AWS декларирует следование принципам ответственного ИИ (Responsible AI) при разработке Nova‑моделей. Конкретные меры безопасности включают:<sup>[\[20\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-AWSServiceCards-20)[\[15\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-NovaSonicCard-15)</sup>

- Встроенная модерация контента (content moderation).
- Водяные знаки (watermarking) для аудио‑выходов Nova Sonic.
- Оценка по категориям риска: безопасность (safety), конфиденциальность (privacy), достоверность (veracity), прозрачность (transparency), а также распространение ХБРЯ (химического, биологического, радиологического и ядерного) оружия (CBRN) и наступательные кибероперации.
- Интеграция с Amazon Bedrock Guardrails для фильтрации входных и выходных данных.
- Оценка модели Nova Premier на соответствие Amazon Frontier Model Safety Framework.
- Red teaming — внутреннее и внешнее тестирование на устойчивость к атакам (по данным технического отчёта, 307 техник).
- Оценка модерации контента по метрике F1: 85,84 на бенчмарке Aegis (по данным технического отчёта).<sup>[\[1\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-NovaReport-1)</sup>

Карточки ИИ‑сервисов (AI Service Cards) для Nova Micro, Lite, Pro, Premier и Sonic опубликованы на docs.aws.amazon.com как документация по ответственному применению.<sup>[\[20\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-AWSServiceCards-20)[\[15\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-NovaSonicCard-15)</sup>

## Перспективы и направления исследований

Семейство Nova 2 обозначает переход к моделям с расширенными возможностями рассуждения (extended thinking / reasoning), сопоставимым по концепции с цепочкой мысли (Chain‑of‑Thought, CoT) и аналогичными механизмами в других семействах моделей. Встроенный веб‑поиск и интерпретатор кода как нативные инструменты (а не сторонние плагины) представляют архитектурный сдвиг в направлении агентных систем.<sup>[\[9\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-Nova2Lite-9)[\[8\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-AboutAmazonNova2-8)</sup>

Направления дальнейшего развития, обозначенные в публичных материалах Amazon:

- Расширение мультимодальности (модель Omni как унифицированная «всё‑во‑всё» архитектура).
- Гибридные рассуждения (hybrid reasoning) с адаптивной глубиной в зависимости от сложности задачи.
- Открытое обучение на пользовательских данных (Nova Forge) на всех стадиях [предобучения](https://systems-analysis.info/wiki/%D0%9F%D1%80%D0%B5%D0%B4%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5 "Предобучение").
- Дистилляция для edge‑устройств.
- Расширение инструментария безопасности (safety toolkit).<sup>[\[8\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-AboutAmazonNova2-8)[\[11\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-Nova2Report-11)</sup>

Тематика Amazon Nova AI Challenge, проводимого AWS среди университетских команд, включает направления автоматизированного состязательного тестирования, выравнивания безопасности (safety alignment) и многооборотных атак (multi‑turn jailbreaks), что свидетельствует об инвестициях в надёжность модельного семейства.<sup>[\[8\]](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_note-AboutAmazonNova2-8)</sup>

## См. также

- [Трансформер (архитектура)](https://systems-analysis.info/wiki/%D0%90%D1%80%D1%85%D0%B8%D1%82%D0%B5%D0%BA%D1%82%D1%83%D1%80%D0%B0_Transformer "Архитектура Transformer")
- [Reinforcement Learning from Human Feedback (RLHF)](https://systems-analysis.info/wiki/RLHF "RLHF")

## Ссылки

- <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> — Официальная документация 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 для 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 для 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 Amazon Nova (декабрь 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 Amazon Nova 2 (декабрь 2025)

## 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, февраль 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>

## Примечания

1.  <span id="cite_note-NovaReport-1">↑ <sup>[1,00](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_ref-NovaReport_1-0)</sup> <sup>[1,01](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_ref-NovaReport_1-1)</sup> <sup>[1,02](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_ref-NovaReport_1-2)</sup> <sup>[1,03](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_ref-NovaReport_1-3)</sup> <sup>[1,04](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_ref-NovaReport_1-4)</sup> <sup>[1,05](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_ref-NovaReport_1-5)</sup> <sup>[1,06](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_ref-NovaReport_1-6)</sup> <sup>[1,07](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_ref-NovaReport_1-7)</sup> <sup>[1,08](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_ref-NovaReport_1-8)</sup> <sup>[1,09](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_ref-NovaReport_1-9)</sup> <sup>[1,10](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_ref-NovaReport_1-10)</sup> <sup>[1,11](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_ref-NovaReport_1-11)</sup> <sup>[1,12](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_ref-NovaReport_1-12)</sup> <sup>[1,13](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_ref-NovaReport_1-13)</sup> <sup>[1,14](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_ref-NovaReport_1-14)</sup> <sup>[1,15](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_ref-NovaReport_1-15)</sup> <sup>[1,16](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_ref-NovaReport_1-16)</sup> <sup>[1,17](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_ref-NovaReport_1-17)</sup> <sup>[1,18](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_ref-NovaReport_1-18)</sup> <sup>[1,19](https://systems-analysis.info/wiki/Nova_(Amazon)#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/wiki/Nova_(Amazon)#cite_ref-AWSNovaDocs_2-0)</sup> <sup>[2,01](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_ref-AWSNovaDocs_2-1)</sup> <sup>[2,02](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_ref-AWSNovaDocs_2-2)</sup> <sup>[2,03](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_ref-AWSNovaDocs_2-3)</sup> <sup>[2,04](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_ref-AWSNovaDocs_2-4)</sup> <sup>[2,05](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_ref-AWSNovaDocs_2-5)</sup> <sup>[2,06](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_ref-AWSNovaDocs_2-6)</sup> <sup>[2,07](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_ref-AWSNovaDocs_2-7)</sup> <sup>[2,08](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_ref-AWSNovaDocs_2-8)</sup> <sup>[2,09](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_ref-AWSNovaDocs_2-9)</sup> <sup>[2,10](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_ref-AWSNovaDocs_2-10)</sup> <sup>[2,11](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_ref-AWSNovaDocs_2-11)</sup> <sup>[2,12](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_ref-AWSNovaDocs_2-12)</sup> <sup>[2,13](https://systems-analysis.info/wiki/Nova_(Amazon)#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/wiki/Nova_(Amazon)#cite_ref-AWSBlogIntro_3-0)</sup> <sup>[3,1](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_ref-AWSBlogIntro_3-1)</sup> <sup>[3,2](https://systems-analysis.info/wiki/Nova_(Amazon)#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/wiki/Nova_(Amazon)#cite_ref-AboutAmazonReInvent2024_4-0)</sup> <sup>[4,1](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_ref-AboutAmazonReInvent2024_4-1)</sup> <sup>[4,2](https://systems-analysis.info/wiki/Nova_(Amazon)#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/wiki/Nova_(Amazon)#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/wiki/Nova_(Amazon)#cite_ref-NovaPremierAnn_6-0)</sup> <sup>[6,1](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_ref-NovaPremierAnn_6-1)</sup> <sup>[6,2](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_ref-NovaPremierAnn_6-2)</sup> <sup>[6,3](https://systems-analysis.info/wiki/Nova_(Amazon)#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/wiki/Nova_(Amazon)#cite_ref-NovaSonicAnn_7-0)</sup> <sup>[7,1](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_ref-NovaSonicAnn_7-1)</sup> <sup>[7,2](https://systems-analysis.info/wiki/Nova_(Amazon)#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/wiki/Nova_(Amazon)#cite_ref-AboutAmazonNova2_8-0)</sup> <sup>[8,1](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_ref-AboutAmazonNova2_8-1)</sup> <sup>[8,2](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_ref-AboutAmazonNova2_8-2)</sup> <sup>[8,3](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_ref-AboutAmazonNova2_8-3)</sup> <sup>[8,4](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_ref-AboutAmazonNova2_8-4)</sup> <sup>[8,5](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_ref-AboutAmazonNova2_8-5)</sup> <sup>[8,6](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_ref-AboutAmazonNova2_8-6)</sup> <sup>[8,7](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_ref-AboutAmazonNova2_8-7)</sup> <sup>[8,8](https://systems-analysis.info/wiki/Nova_(Amazon)#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/wiki/Nova_(Amazon)#cite_ref-Nova2Lite_9-0)</sup> <sup>[9,1](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_ref-Nova2Lite_9-1)</sup> <sup>[9,2](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_ref-Nova2Lite_9-2)</sup> <sup>[9,3](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_ref-Nova2Lite_9-3)</sup> <sup>[9,4](https://systems-analysis.info/wiki/Nova_(Amazon)#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/wiki/Nova_(Amazon)#cite_ref-Nova2Sonic_10-0)</sup> <sup>[10,1](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_ref-Nova2Sonic_10-1)</sup> <sup>[10,2](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_ref-Nova2Sonic_10-2)</sup> <sup>[10,3](https://systems-analysis.info/wiki/Nova_(Amazon)#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/wiki/Nova_(Amazon)#cite_ref-Nova2Report_11-0)</sup> <sup>[11,1](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_ref-Nova2Report_11-1)</sup> <sup>[11,2](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_ref-Nova2Report_11-2)</sup> <sup>[11,3](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_ref-Nova2Report_11-3)</sup> <sup>[11,4](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_ref-Nova2Report_11-4)</sup> <sup>[11,5](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_ref-Nova2Report_11-5)</sup> <sup>[11,6](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_ref-Nova2Report_11-6)</sup> <sup>[11,7](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_ref-Nova2Report_11-7)</sup> <sup>[11,8](https://systems-analysis.info/wiki/Nova_(Amazon)#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/wiki/Nova_(Amazon)#cite_ref-Vaswani2017_12-0)</sup> <sup>[12,1](https://systems-analysis.info/wiki/Nova_(Amazon)#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/wiki/Nova_(Amazon)#cite_ref-AlphaXiv_13-0)</sup> <sup>[13,1](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_ref-AlphaXiv_13-1)</sup> <sup>[13,2](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_ref-AlphaXiv_13-2)</sup> <sup>[13,3](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_ref-AlphaXiv_13-3)</sup> <sup>[13,4](https://systems-analysis.info/wiki/Nova_(Amazon)#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/wiki/Nova_(Amazon)#cite_ref-LDM_14-0)</sup> <sup>[14,1](https://systems-analysis.info/wiki/Nova_(Amazon)#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/wiki/Nova_(Amazon)#cite_ref-NovaSonicCard_15-0)</sup> <sup>[15,1](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_ref-NovaSonicCard_15-1)</sup> <sup>[15,2](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_ref-NovaSonicCard_15-2)</sup> <sup>[15,3](https://systems-analysis.info/wiki/Nova_(Amazon)#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/wiki/Nova_(Amazon)#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/wiki/Nova_(Amazon)#cite_ref-SageMakerCustom_17-0)</sup> <sup>[17,1](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_ref-SageMakerCustom_17-1)</sup> <sup>[17,2](https://systems-analysis.info/wiki/Nova_(Amazon)#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/wiki/Nova_(Amazon)#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/wiki/Nova_(Amazon)#cite_ref-DPO_19-0)</sup> <sup>[19,1](https://systems-analysis.info/wiki/Nova_(Amazon)#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/wiki/Nova_(Amazon)#cite_ref-AWSServiceCards_20-0)</sup> <sup>[20,1](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_ref-AWSServiceCards_20-1)</sup> <sup>[20,2](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_ref-AWSServiceCards_20-2)</sup> <sup>[20,3](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_ref-AWSServiceCards_20-3)</sup> <sup>[20,4](https://systems-analysis.info/wiki/Nova_(Amazon)#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/wiki/Nova_(Amazon)#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/wiki/Nova_(Amazon)#cite_ref-AWSBenchmark_22-0)</sup> <sup>[22,1](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_ref-AWSBenchmark_22-1)</sup> <sup>[22,2](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_ref-AWSBenchmark_22-2)</sup> <sup>[22,3](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_ref-AWSBenchmark_22-3)</sup> <sup>[22,4](https://systems-analysis.info/wiki/Nova_(Amazon)#cite_ref-AWSBenchmark_22-4)</sup> <sup>[22,5](https://systems-analysis.info/wiki/Nova_(Amazon)#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/wiki/Nova_(Amazon)#cite_ref-Nova2LiteSupport_23-0)</sup> <sup>[23,1](https://systems-analysis.info/wiki/Nova_(Amazon)#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/wiki/Nova_(Amazon)#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/wiki/Nova_(Amazon)#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/wiki/Nova_(Amazon)#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/wiki/Nova_(Amazon)#cite_ref-RFTDocs_27-0)</sup> <sup>[27,1](https://systems-analysis.info/wiki/Nova_(Amazon)#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/wiki/Nova_(Amazon)#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/wiki/Nova_(Amazon)#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>