AmazonがNovaを発表する：強化されたAIおよびコンテンツ作成のための最先端の基礎モデル

Amazonの最近のRe：Invent 2024イベントは、AIとコンテンツの作成に革命をもたらすように設計された、最も高度な基礎モデルのスイートであるNovaを紹介しました。この記事では、Novaのアーキテクチャを掘り下げ、実践的な例を通じてその機能を調査し、ベンチマークの結果を調べます。 機能、レビュー、ベンチマーク、およびAIアプリケーションへの影響について説明します。

この調査では、Amazon Novaの機能、詳細なレビュー、ベンチマーク分析、およびAIに対する変換効果に関する洞察をカバーします。

目次

• Amazon Nova Foundationモデルの紹介
• AWS NOVAモデルタイプの探索
  • モデルの理解：テキストと視覚知能
  • クリエイティブなコンテンツ生成：アイデアを命を吹き込む
• Amazon Nova：ベンチマークのパフォーマンスと結果
  • コアテキスト機能：ベンチマークと結果
  • エージェントテキスト機能：ベンチマークと結果
• ドキュメント分析にAmazon Nova Proを利用
• ビデオ分析のためにAmazon Nova Proを活用する
  • nova pro interface
  • nova pro api
• ビデオ作成のためにAmazon Novaリールを利用する
• 参照画像でAmazon Novaリールを採用している
• 責任あるAI開発
• 結論

Amazon Nova Foundationモデルの紹介

Amazon Novaは、基礎モデルの大幅な前進を表しており、比類のない価格パフォーマンスを最新のインテリジェンスとともに提供しています。 Amazon Bedrockからのみ利用可能なこれらのモデルは、ドキュメント処理（画像およびテキスト分析）から大規模なコンテンツの作成、視覚データを解釈できるAIアシスタントの開発まで、幅広いアプリケーションを搭載しています。 このスイートは、それぞれ特定のユースケース向けに設計された「理解」と「クリエイティブコンテンツ生成」の2つの専門モデルカテゴリで構成されています。

AWS NOVAモデルタイプの探索

モデルの理解：テキストと視覚知能

Amazon Nova Micro、Lite、およびProは、テキスト、画像、ビデオ入力の処理モデルを理解してテキストベースの出力を生成する高度な理解です。 彼らは、精度、速度、費用対効果のバランスを提供します。 主な機能は次のとおりです。

さまざまなインテリジェンスレベルにわたる効率的で費用対効果の高い推論
テキスト、画像、ビデオの最先端の理解
テキスト、画像、ビデオ入力による微調整のサポート
最先端のマルチモーダル検索された生成（RAG）およびエージェント機能
Amazon Bedrockを介した独自のデータおよびアプリケーションとのシームレスな統合

各モデルを個別に調べてみましょう：

Amazon nova micro

超低レイテンシと費用対効果の高いパフォーマンスのために最適化されたテキストのみのモデル。 言語の理解、翻訳、推論、コードの完了、ブレーンストーミング、数学的問題解決などのタスクで優れた迅速な対応を必要とするアプリケーションに最適です。 生成速度は1秒あたり200トークンを超えます。

重要な機能：

最大トークン：最大128Kトークン
言語：200の言語と互換性があります
微調整：テキスト入力で微調整を完全にサポートする

Amazon Nova Lite

超高速で費用対効果の高いマルチモーダルモデルの処理テキスト、画像、ビデオ入力。 その精度と速度により、コスト効率を優先するインタラクティブで大量のアプリケーションに適しています。

重要な機能：

最大トークン：最大300Kトークン
言語：200の言語と互換性があります
微調整：テキスト、画像、ビデオ入力で微調整を完全にサポートします

Amazon Nova Pro

精度、速度、コストの最適な組み合わせを提供する非常に有能なマルチモーダルモデル。 ビデオ要約、Q&A、数学的推論、ソフトウェア開発、マルチステップワークフローを実行するAIエージェントなどのタスクに最適です。 それは、指示とエージェントワークフローに優れています。

重要な機能：

Max Tokens：300K
言語：200言語
サポートされている微調整：はい、テキスト、画像、ビデオ入力を使用します。

Amazon Nova Premier

複雑な推論とモデルの蒸留のための最も有能なマルチモーダルモデル。 2025年初頭の可用性をターゲットにしました。

クリエイティブなコンテンツ生成：アイデアを命を吹き込む

Amazon Novaには、リアルなマルチモーダルコンテンツを生成するためのモデルが含まれています：

Amazon Nova Canvas

正確なスタイルとコンテンツコントロールを備えた高品質のビジュアルを生成する最先端の画像生成モデル。 TIFAやImagerewardのようなベンチマークで優れています。

重要な機能：

テキストからイメージの生成：512pから2kの解像度までの画像を生成し、さまざまなアスペクト比をサポートします。 参照画像入力を許可します。
画像編集：開始、中断、およびバックグラウンド削除機能を提供します。

Amazon Nova Reel

プロフェッショナル品質のビデオコンテンツを作成する最先端のビデオ生成モデル。 ビデオの品質と一貫性の人間の評価において、既存のモデルよりも優れています。

重要な機能：

テキストからビデオへの生成：720p解像度で6秒のビデオを作成します。
参照画像とプロンプトビデオ生成：動的なビデオ作成のために画像とテキストを組み合わせます。
カメラモーションコントロール：テキストプロンプトを介して制御された20を超えるカメラモーション効果を提供します。

Amazon Nova：ベンチマークのパフォーマンスと結果

Amazon Novaモデルは、コアおよびエージェントのテキストベンチマーク全体で例外的なパフォーマンスを示し、正確性、推論、およびタスクの実行で主要なモデルを上回ります。

コアテキスト機能：ベンチマークと結果

mmlu、arc-c、drop、gpqa、math、gsm8k、ifeval、bigbench-hard（bbh）などのコア機能ベンチマークに関する定量的結果。

エージェントテキスト機能：ベンチマークと結果

Berkeley関数呼び出しリーダーボード（BFCL）v3。

の結果

（コードの例を使用して実践的なユースケースを詳述する残りのセクションは、同様の書き換えパターンに従い、独創性のためにフレージングと文構造を変更しながらコア情報を維持します。画像は元の形式と場所に残ります。）