Amazon revela a Nova: modelos de fundação de ponta para AI aprimorada e criação de conteúdo

A Amazon Re: Invent 2024 Event mostrou Nova, seu conjunto mais avançado de modelos de fundação projetados para revolucionar a IA e a criação de conteúdo. Este artigo investiga a arquitetura da Nova, explora seus recursos através de exemplos práticos e examina os resultados de referência. Abordaremos os recursos, críticas, benchmarks e o impacto nos aplicativos de IA.

Esta exploração cobrirá as funcionalidades da Amazon Nova, revisões detalhadas, análises de referência e insights sobre seus efeitos transformadores na IA.

Índice

• Apresentando modelos da Amazon Nova Foundation
• explorando os tipos de modelo AWS Nova
  • Modelos de compreensão: texto e inteligência visual
  • geração de conteúdo criativo: trazendo idéias à vida
• Amazon Nova: Desempenho e Resultados de Benchmark
  • recursos de texto do núcleo: benchmarks e resultados
  • Recursos de texto agênticos: benchmarks e resultados
• utilizando a Amazon Nova Pro para análise de documentos
• aproveitando a Amazon Nova Pro para análise de vídeo
  • Nova interface
  • Nova API
• Amazing Amazon Nova Reel para criação de vídeo
• Empregando a Amazon Nova Reel com imagens de referência
• Desenvolvimento AI Responsável
• Conclusão

Apresentando modelos da Amazon Nova Foundation

Amazon Nova representa um salto significativo nos modelos de fundação, oferecendo desempenho de preço incomparável ao lado da inteligência de ponta. Disponível exclusivamente pela Amazon Bedrock, esses modelos alimentam uma ampla variedade de aplicativos, desde o processamento de documentos (análise de imagem e texto) até a criação de conteúdo em larga escala e o desenvolvimento de assistentes de IA capazes de interpretar dados visuais. A suíte compreende duas categorias de modelos especializadas: "compreensão" e "geração de conteúdo criativo", cada uma projetada para casos de uso específicos.

explorando os tipos de modelo AWS Nova

Modelos de compreensão: texto e inteligência visual

Amazon Nova Micro, Lite e Pro são avançados para entender os modelos Processando entradas de texto, imagem e vídeo para gerar saídas baseadas em texto. Eles oferecem um equilíbrio de precisão, velocidade e custo-efetividade. Os principais recursos incluem:

• inferência eficiente e econômica em vários níveis de inteligência
• compreensão de texto de texto, imagens e vídeos
• Suporte para ajustes finos com entradas de texto, imagem e vídeo
• Capacidades de geração de recuperação multimodal de ponta (RAG) e capacidades de agitação
• Integração perfeita com dados e aplicativos proprietários através da Amazon Bedrock

Vamos examinar cada modelo individualmente:

Amazon Nova Micro

Um modelo somente de texto otimizado para latência ultra baixa e desempenho econômico. Ideal para aplicações que requerem respostas rápidas, destacando-se em tarefas como entendimento de idiomas, tradução, raciocínio, conclusão de código, brainstorming e solução matemática de problemas. A velocidade de geração excede 200 tokens por segundo.

Recursos de chave:

• Tokens máximos: até 128k tokens
• Idiomas: Compatível com 200 idiomas
• ajuste fino: suporta totalmente o ajuste fino com entrada de texto

Amazon Nova Lite

um texto multimodal de modelo multimodal ultra-rápido e econômico. Sua precisão e velocidade o tornam adequado para aplicativos interativos e de alto volume priorizando a eficiência de custo.

Recursos de chave:

• Tokens máximos: até 300k tokens
• Idiomas: Compatível com 200 idiomas
• ajuste fino: suporta totalmente o ajuste fino com entradas de texto, imagem e vídeo

Amazon Nova Pro

Um modelo multimodal altamente capaz que oferece a melhor combinação de precisão, velocidade e custo. Excelente para tarefas como resumo de vídeo, perguntas e respostas, raciocínio matemático, desenvolvimento de software e agentes de IA que executam fluxos de trabalho em várias etapas. Ele se destaca na instrução a seguir e fluxos de trabalho agênticos.

Recursos de chave:

• tokens max: 300k
• idiomas: 200 linguagens
• ajuste fino suportado: sim, com texto, imagem e entrada de vídeo.

Amazon Nova premier

o modelo multimodal mais capaz para raciocínio complexo e destilação de modelos. Direcionado para disponibilidade no início de 2025.

geração de conteúdo criativo: trazendo idéias à vida

Amazon Nova inclui modelos para gerar conteúdo multimodal realista:

Amazon Nova Canvas

Um modelo de geração de imagens de última geração, produzindo visuais de alta qualidade com estilo preciso e controle de conteúdo. Ele se destaca em benchmarks como Tifa e Imagewarw.

Funcionalidades da chave:

• geração de texto para imagem: gera imagens de resolução de 512p a 2k, suportando várias proporções de aspecto. Permite entrada de imagem de referência.
• Edição de imagem: oferece recursos de pintura, ultrapassagem e remoção de fundo.

Amazon Nova Reel

Um modelo de geração de vídeo de última geração, criando conteúdo de vídeo de qualidade profissional. Ele supera os modelos existentes em avaliações humanas de qualidade e consistência do vídeo.

Funcionalidades da chave:

• geração Text-to-Video: cria vídeos de 6 segundos na resolução 720p.
• imagem e geração de vídeo imediata: combina imagens e texto para criação dinâmica de vídeo.
• Controle de movimento da câmera: oferece mais de 20 efeitos de movimento da câmera controlados por meio de prompts de texto.

Amazon Nova: Desempenho e Resultados de Benchmark

Os modelos Amazon Nova demonstram desempenho excepcional nos benchmarks de texto central e agêntico, superando os principais modelos em precisão, raciocínio e execução de tarefas.

recursos de texto do núcleo: benchmarks e resultados

Resultados quantitativos em benchmarks de capacidade principal, incluindo MMLU, ARC-C, Drop, GPQA, Math, GSM8K, IFEVAL e BigBench-Hard (BBH).

Recursos de texto agênticos: benchmarks e resultados

Resultados da Função Berkeley Calling Ladondboard (BFCL) v3.

(as seções restantes detalhando casos de uso prático com exemplos de código seguiriam um padrão de reescrita semelhante, mantendo as informações principais e alterando a estrutura de frases e frases para a originalidade. As imagens permaneceriam em seu formato e localização originais.