Amazon Nova 3

• 1. 概要 （共 316 字）

  Amazon Nova 3 是亚马逊云科技（AWS）在 Nova 系列基础模型上的第三代产品，延续了「前沿智能 + 行业领先性价比」的路线，深度集成 Amazon Bedrock 与 Agent 生态。在 Nova 2（2025 年 12 月 re:Invent 发布）建立多模态理解与生成、语音对话、开放式训练（Nova Forge）的能力基座之后，Nova 3 将上下文窗口、智能体工作流与「任意到任意」多模态推理解锁到新的量级。需要说明：截至本报告撰写时，关于 Nova 3 的独立公开基准与官方技术报告尚未系统性披露，下文对 Nova 3 具体能力的描述，均以已公开的 Nova 2 家族事实为基座，并结合亚马逊在 re:Invent 2025 公布的演进路线进行推演，凡属预期部分均已标注。

• 2. 产品背景 （共 735 字）

  亚马逊的 Nova 系列基础模型最早于 2024 年 12 月 re:Invent 全球大会上推出，最初包含 Micro、Lite、Pro、Premier 四款理解型模型，以及图像生成模型 Canvas、视频生成模型 Reel。2025 年 12 月的 re:Invent 上，亚马逊全面扩展 Nova 产品组合，发布 Nova 2 家族与两项开创性服务。Nova 2 家族包含 Nova 2 Lite、Nova 2 Pro（预览）、Nova 2 Omni（预览，业界首个将文本、图像、视频、语音输入与文本／图像输出统一的推理模型）、Nova 2 Sonic 语音模型，以及 Nova 多模态嵌入模型。同期推出的 Nova Forge 提供「开放式训练」路径，让企业能在预训练、中期训练、后期训练各阶段把自有数据混入 Nova 数据集，打造专属的 Nova 优化变体（亚马逊称之为「Novellas」）；Nova Act 则是一个训练于浏览器内自主执行操作的 AI 模型，在早期客户测试中实现了约 90% 的 UI 自动化可靠性。   亚马逊的 AI 战略在 2026 年出现明显转向。新任 AI 部门负责人 Peter DeSantis 于 2025 年 12 月上任后，将「低成本」确立为核心竞争武器，强调依托自研芯片（Trainium 3，3 纳米工艺）以低于对手的成本开发生成式 AI。这一路径与 OpenAI、Anthropic 每隔数月发布前沿模型的高调路线形成对比。值得注意的是，2026 年初亚马逊核心技术团队出现动荡：前 AI 科学家 Rohit Prasad 于 2025 年 12 月离职，AGI 实验室负责人 David Luan 亦于当周宣布离任；同期有报道指出旗舰 Nova 模型在独立基准测试中落后于竞争对手，公司股价自 1 月以来累计下跌约 14%，并计划 2026 年投入 2000 亿美元资本支出（大部分流向 AI 基础设施）。

• 3. 产品功能与使用体验 （共 449 字）

  Nova 3 作为第三代产品，预计在 Nova 2 已验证的能力矩阵上做代际升级。Nova 2 已提供的核心能力包括：理解型模型支持文本、图像、视频、文档（PDF、CSV、DOCX、XLS、HTML）与代码输入，输出文本；Nova 2 Lite 与 Nova 2 Pro 内置网页查找与代码执行能力，可按需检索最新互联网信息并直接运行代码；Nova 2 Omni 可一次性处理多达 75 万单词文本、数小时音频、长视频与数百页文档，在同一工作流中生成营销内容（标题、正文、社交媒体帖子与视觉方案）。Nova 2 Sonic 将语音理解与生成统一到单一模型，支持七种语言、最高 100 万 token 上下文窗口与语音／文本无缝切换。   Nova 3 预期延续并强化上述能力：更大规模的上下文窗口（Nova 2 已普遍达到 1M token 量级）、更深度的 Agent 工作流支持、以及更强的「任意到任意」多模态推理与生成一致性。其在长文档分析、视频推理、复杂指令执行与软件工程任务上的表现，将决定它能否缩小与 Claude Sonnet、GPT 与 Gemini 同代旗舰的差距。

• 4. 定价与商业模式 （共 335 字）

  Nova 系列一贯以「行业领先的性价比」为核心卖点。Nova 2 Lite 在同级模型中性价比领先：与 Claude Haiku 4.5 相比，15 项基准中有 13 项持平或更优；与 GPT-5 Mini 相比，17 项中有 11 项持平或更优；与 Gemini Flash 2.5 相比，18 项中有 14 项持平或更优。Nova 2 Pro 在公开基准中与 Claude Sonnet 4.5（16 项 10 项持平或更优）、GPT-5.1（16 项 8 项持平或更优）、Gemini 2.5 Pro（19 项 15 项持平或更优）互有胜负。Nova 3 预计维持这一低价策略，并通过 Nova Forge 将模型能力向企业自有场景延展——企业可用自有业务场景构建强化学习「gym」让模型持续优化，或通过合成数据蒸馏训练更小、更高效的模型以降低成本与延迟。

• 5. 用户评价 （共 253 字）

  从企业采用看，Nova 已是 Bedrock 上第二大受欢迎的模型系列（2025 年第二季度数据），拥有超过 1 万名客户，涵盖西门子、思科、Coinbase、Sumo Logic、Trellix 等。客户普遍认可其在文档处理、视频信息提取、代码生成与多步骤 Agent 工作流自动化上的成本优势。不过，独立开发者与部分企业技术团队也指出，Nova 在需要最高准确率的前沿推理任务上仍非「主流选择」，与 OpenAI、Anthropic 的顶级模型存在差距；2026 年初的团队动荡与基准落后报道，也影响了部分客户对其尖端能力的信心。

• 6. 行业评价 （共 218 字）

  行业对 Nova 系列的评价呈现「性价比高、前沿性待追」的二分。在 re:Invent 2025，分析人士肯定 Nova 2 Omni 作为首个统一多模态推理＋生成模型的差异化，以及 Nova Forge 在企业定制化上的开创性。但《华尔街日报》等媒体指出，亚马逊在「追逐模型迭代速度」上选择克制，战略重心偏向定制化与自研芯片带来的成本结构优势。2026 年 3 月中文科技媒体亦报道，亚马逊正以低价策略重塑 AI 竞争力，核心是不卷尖端模型、聚焦自产芯片与定制模型。

• 7. 争议与风险 （共 235 字）

  Nova 3 面临的主要风险包括：其一，前沿能力不足——旗舰 Nova 在独立基准测试中落后于竞争对手，且核心技术高管密集离职，可能影响研发节奏；其二，成本压力——2000 亿美元资本支出引发投资者对现金消耗的担忧，股价承压；其三，与对手的代际差——若 Nova 3 未能在智能上限上显著突破，低价策略在长期或难以弥补性能差距；其四，信息真实性——关于 Nova 3 的具体公开规格、基准与发布时间尚未经官方技术报告系统确认，本报告相关描述基于 Nova 2 基座推演，读者应以亚马逊官方发布为准。

• 8. 适用人群与使用建议 （共 241 字）

  Nova 3 适合对成本敏感、需要大规模部署、且场景以文档处理、视频分析、多步骤 Agent 自动化、语音交互为主的企业客户，尤其是已深度使用 AWS 生态的团队。它不太适合追求极致前沿推理能力、或需要最强多模态生成表现的研究型与消费级场景。替代方案包括 Anthropic Claude 系列、OpenAI GPT 系列、Google Gemini 系列，以及开源权重模型。建议用户在选型时，先用 Bedrock 的评估与提示流工具对 Nova 3 与竞品做同场景基准对比，再决定是否投入定制（Nova Forge）。

• 9. 总结 （共 123 字）

  Amazon Nova 3 是 AWS 在「前沿智能 + 极致性价比」路线上的第三代落子，基座扎实、生态完整，但尖端能力能否追平对手仍待官方验证。对成本敏感的企业而言，它是 Bedrock 上值得重点评估的选项；对追求最强智能的上限场景，建议保持观望、以实测为准。

暂无深度报告

• 

  Christian791

  —

  老实说，前沿推理还是差 Claude 和 GPT 半档，复杂 agentic coding 我更信 Sonnet。

---

• 

  ANweq

  —

  Sonic 的语音对话延迟在客服场景很能打，七种语言切换也顺，比我们之前用的方案便宜将近一半，上线三个月没出过明显幻觉，唯一的槽点是复杂口音的方言识别偶尔会掉链子，但英文和普通话完全够用。

---

• 

  JoanRobinson_Plus

  —

  我们是西门子生态的供应商，跟着上 Nova 做设备文档问答，德语技术手册解析准确率够用，长上下文一次能吃完整本维修指南，不用再切片拼凑，现场工程师用手机拍一张故障图就能问出排查步骤，返修率降了明显一截。

---

• 

  Hannah528

  —

  希望 Nova 3 把视频推理的准确率再提一提，现在长视频里抽关键帧偶尔会漏掉转折点的对话，我们做会议纪要还是得二次人工复核才敢直接发给客户，否则准确率够用、效率是真高。

---

• 

  GVasquezSr

  —

  多模态嵌入模型对我们这种图、文、视频混存的素材库太友好了，一个向量空间搞定跨模态检索，再也不用为图片和视频各维护一套索引了，搜索召回的相关度也比以前拼字符串高得多。

---

• 

  RCruz_88

  —

  Nova Act 做浏览器自动化实测可靠性确实高，我们拿它跑竞品价格巡检，原来两个人盯的活现在一个人复核就行，省了一个运营的人力成本，而且半夜跑也不会因为页面微调就崩。

---

• 

  Scott.BaileyQ

  —

  Bedrock 上 Nova 系列的性价比确实没话说，批量文档摘要场景首选。

---

• 

  Amber147

  —

  整体评价：性价比标杆，企业大规模部署的首选；追最尖端智能的，再等等实测。

---

• 

  HashBaso

  —

  我们团队把客服知识库问答从 GPT 切到 Nova 2 Lite，单月 API 成本直接砍掉六成，响应速度还更快，Nova 3 要是把长上下文再拉一档、把多轮对话的记忆做扎实，就真的没有换回竞品的理由了。

---

• 

  Sophia_FisherX4

  —

  代码解释器和联网检索内置这点很实用，不用自己再拼工具链，Nova 3 要是把工具调用的稳定性再打磨下、减少偶发的超时，就完美适配我们的自动化流水线了，目前我们只好在调用层自己加了一层重试兜底。

---

• 

  MatthewMoore_20225

  —

  做电商图文生成的，Canvas 出图量和稳定性都够，Nova 3 若能在中文排版错字上再进步、把品牌字规范锁死，我们就打算把批量主图也迁过来跑，现在每天几千张的SKU图还是靠人工校对错字，挺耗人力的。

---

• 

  Alexander.Powell_Plus

  —

  中小团队上 Bedrock 评估工具先跑同场景对比再决定，别盲信宣传，我们就是这么避坑的。

---

• 

  梅花723

  —

  报告里说 Nova 3 具体规格还没官方技术报告确认，这点很诚实，建议大家以 AWS 发布为准，别拿推演当事实去写方案，免得被老板追问时答不上来，我们采购评审最怕这种把传闻当参数的材料。

---

• 

  Stephanie_Sanchez520

  —

  Omni 那种一个模型同时吃文本图像视频还能出图的能力，做营销素材流水线省了至少三套工具的对接成本，单次请求就把文案和配图一起出了，我们市场部现在一半的周更素材是它出的初稿，人工只做精修。

---

• 

  Amy_BennettZ

  —

  Trainium 3 的性价比如果真能兑现，Nova 的自研芯片路线长期看是最稳的，不卡别人脖子，算力成本可控，这对要长期跑大模型的企业是决定性因素，我们测算过三年 TCO 比纯租 GPU 低接近四成。

---

• 

  David.Taylor_99410

  —

  低成本战略是对的，但 2026 年初那波高管离职还是让人心里打鼓，怕路线图摇摆，我们今年扩容预算因此多留了一层竞品对冲。

---

• 

  LStephens_66

  —

  有没有人实测过 Nova 3 和 Gemini 3 Pro 的多文档分析？我们内部基准 Nova 2 Pro 已经很接近 Gemini 2.5 Pro 了，想知道三代到底差多少，毕竟价格差出好几倍，老板让我出选型报告卡在这块了。

---

• 

  JEvans_X

  —

  Nova Forge 的开放式训练是真香，我们把自有工单数据混进去蒸馏了一个小模型，准确率比纯微调高一大截，部署成本也只有原来的一半不到，中小团队也能玩得起定制模型了，强烈推荐先拿一个垂直场景试水。

暂无评论