Amazon Nova 3

AWS 第三代自研多模態基礎模型，延續前沿智慧與極致價效比路線，深度整合 Bedrock 與 Agent 生態

大語言模型 AWS Amazon 多模態

https://aws.amazon.com/

前往官網

深度報告

Amazon Nova 3 是亞馬遜雲科技（AWS）在 Nova 系列基礎模型上的第三代產品，延續了「前沿智慧 + 行業領先價效比」的路線，深度整合 Amazon Bedrock 與 Agent 生態。在 Nova 2（2025 年 12 月 re:Invent 釋出）建立多模態理解與生成、語音對話、開放式訓練（Nova Forge）的能力基座之後，Nova 3 將上下文視窗、智慧體工作流與「任意到任意」多模態推理解鎖到新的量級。需要說明：截至本報告撰寫時，關於 Nova 3 的獨立公開基準與官方技術報告尚未系統性披露，下文對 Nova 3 具體能力的描述，均以已公開的 Nova 2 家族事實為基座，並結合亞馬遜在 re:Invent 2025 公佈的演進路線進行推演，凡屬預期部分均已標註。
亞馬遜的 Nova 系列基礎模型最早於 2024 年 12 月 re:Invent 全球大會上推出，最初包含 Micro、Lite、Pro、Premier 四款理解型模型，以及影象生成模型 Canvas、影片生成模型 Reel。2025 年 12 月的 re:Invent 上，亞馬遜全面擴充套件 Nova 產品組合，釋出 Nova 2 家族與兩項開創性服務。Nova 2 家族包含 Nova 2 Lite、Nova 2 Pro（預覽）、Nova 2 Omni（預覽，業界首個將文字、影象、影片、語音輸入與文字／影象輸出統一的推理模型）、Nova 2 Sonic 語音模型，以及 Nova 多模態嵌入模型。同期推出的 Nova Forge 提供「開放式訓練」路徑，讓企業能在預訓練、中期訓練、後期訓練各階段把自有資料混入 Nova 資料集，打造專屬的 Nova 最佳化變體（亞馬遜稱之為「Novellas」）；Nova Act 則是一個訓練於瀏覽器內自主執行操作的 AI 模型，在早期客戶測試中實現了約 90% 的 UI 自動化可靠性。亞馬遜的 AI 戰略在 2026 年出現明顯轉向。新任 AI 部門負責人 Peter DeSantis 於 2025 年 12 月上任後，將「低成本」確立為核心競爭武器，強調依託自研晶片（Trainium 3，3 奈米工藝）以低於對手的成本開發生成式 AI。這一路徑與 OpenAI、Anthropic 每隔數月釋出前沿模型的高調路線形成對比。值得注意的是，2026 年初亞馬遜核心技術團隊出現動盪：前 AI 科學家 Rohit Prasad 於 2025 年 12 月離職，AGI 實驗室負責人 David Luan 亦於當週宣佈離任；同期有報道指出旗艦 Nova 模型在獨立基準測試中落後於競爭對手，公司股價自 1 月以來累計下跌約 14%，並計劃 2026 年投入 2000 億美元資本支出（大部分流向 AI 基礎設施）。
Nova 3 作為第三代產品，預計在 Nova 2 已驗證的能力矩陣上做代際升級。Nova 2 已提供的核心能力包括：理解型模型支援文字、影象、影片、文件（PDF、CSV、DOCX、XLS、HTML）與程式碼輸入，輸出文字；Nova 2 Lite 與 Nova 2 Pro 內建網頁查詢與程式碼執行能力，可按需檢索最新網際網路資訊並直接執行程式碼；Nova 2 Omni 可一次性處理多達 75 萬單詞文字、數小時音訊、長影片與數百頁文件，在同一工作流中生成營銷內容（標題、正文、社交媒體帖子與視覺方案）。Nova 2 Sonic 將語音理解與生成統一到單一模型，支援七種語言、最高 100 萬 token 上下文視窗與語音／文字無縫切換。 Nova 3 預期延續並強化上述能力：更大規模的上下文視窗（Nova 2 已普遍達到 1M token 量級）、更深度的 Agent 工作流支援、以及更強的「任意到任意」多模態推理與生成一致性。其在長文件分析、影片推理、複雜指令執行與軟體工程任務上的表現，將決定它能否縮小與 Claude Sonnet、GPT 與 Gemini 同代旗艦的差距。
Nova 系列一貫以「行業領先的價效比」為核心賣點。Nova 2 Lite 在同級模型中價效比領先：與 Claude Haiku 4.5 相比，15 項基準中有 13 項持平或更優；與 GPT-5 Mini 相比，17 項中有 11 項持平或更優；與 Gemini Flash 2.5 相比，18 項中有 14 項持平或更優。Nova 2 Pro 在公開基準中與 Claude Sonnet 4.5（16 項 10 項持平或更優）、GPT-5.1（16 項 8 項持平或更優）、Gemini 2.5 Pro（19 項 15 項持平或更優）互有勝負。Nova 3 預計維持這一低價策略，並透過 Nova Forge 將模型能力向企業自有場景延展——企業可用自有業務場景構建強化學習「gym」讓模型持續最佳化，或透過合成資料蒸餾訓練更小、更高效的模型以降低成本與延遲。
從企業採用看，Nova 已是 Bedrock 上第二大受歡迎的模型系列（2025 年第二季度資料），擁有超過 1 萬名客戶，涵蓋西門子、思科、Coinbase、Sumo Logic、Trellix 等。客戶普遍認可其在文件處理、影片資訊提取、程式碼生成與多步驟 Agent 工作流自動化上的成本優勢。不過，獨立開發者與部分企業技術團隊也指出，Nova 在需要最高準確率的前沿推理任務上仍非「主流選擇」，與 OpenAI、Anthropic 的頂級模型存在差距；2026 年初的團隊動盪與基準落後報道，也影響了部分客戶對其尖端能力的信心。
行業對 Nova 系列的評價呈現「價效比高、前沿性待追」的二分。在 re:Invent 2025，分析人士肯定 Nova 2 Omni 作為首個統一多模態推理＋生成模型的差異化，以及 Nova Forge 在企業定製化上的開創性。但《華爾街日報》等媒體指出，亞馬遜在「追逐模型迭代速度」上選擇剋制，戰略重心偏向定製化與自研晶片帶來的成本結構優勢。2026 年 3 月中文科技媒體亦報道，亞馬遜正以低價策略重塑 AI 競爭力，核心是不卷尖端模型、聚焦自產晶片與定製模型。
Nova 3 面臨的主要風險包括：其一，前沿能力不足——旗艦 Nova 在獨立基準測試中落後於競爭對手，且核心技術高管密集離職，可能影響研發節奏；其二，成本壓力——2000 億美元資本支出引發投資者對現金消耗的擔憂，股價承壓；其三，與對手的代際差——若 Nova 3 未能在智慧上限上顯著突破，低價策略在長期或難以彌補效能差距；其四，資訊真實性——關於 Nova 3 的具體公開規格、基準與釋出時間尚未經官方技術報告系統確認，本報告相關描述基於 Nova 2 基座推演，讀者應以亞馬遜官方釋出為準。
Nova 3 適合對成本敏感、需要大規模部署、且場景以文件處理、影片分析、多步驟 Agent 自動化、語音互動為主的企業客戶，尤其是已深度使用 AWS 生態的團隊。它不太適合追求極致前沿推理能力、或需要最強多模態生成表現的研究型與消費級場景。替代方案包括 Anthropic Claude 系列、OpenAI GPT 系列、Google Gemini 系列，以及開源權重模型。建議使用者在選型時，先用 Bedrock 的評估與提示流工具對 Nova 3 與競品做同場景基準對比，再決定是否投入定製（Nova Forge）。
Amazon Nova 3 是 AWS 在「前沿智慧 + 極致價效比」路線上的第三代落子，基座紮實、生態完整，但尖端能力能否追平對手仍待官方驗證。對成本敏感的企業而言，它是 Bedrock 上值得重點評估的選項；對追求最強智慧的上限場景，建議保持觀望、以實測為準。

使用者評論

Christian791

—

老實說，前沿推理還是差 Claude 和 GPT 半檔，複雜 agentic coding 我更信 Sonnet。

ANweq

—

Sonic 的語音對話延遲在客服場景很能打，七種語言切換也順，比我們之前用的方案便宜將近一半，上線三個月沒出過明顯幻覺，唯一的槽點是複雜口音的方言識別偶爾會掉鏈子，但英文和普通話完全夠用。

JoanRobinson_Plus

—

我們是西門子生態的供應商，跟著上 Nova 做裝置文件問答，德語技術手冊解析準確率夠用，長上下文一次能吃完整本維修指南，不用再切片拼湊，現場工程師用手機拍一張故障圖就能問出排查步驟，返修率降了明顯一截。

Hannah528

—

希望 Nova 3 把影片推理的準確率再提一提，現在長影片裡抽關鍵幀偶爾會漏掉轉折點的對話，我們做會議紀要還是得二次人工複核才敢直接發給客戶，否則準確率夠用、效率是真高。

GVasquezSr

—

多模態嵌入模型對我們這種圖、文、影片混存的素材庫太友好了，一個向量空間搞定跨模態檢索，再也不用為圖片和影片各維護一套索引了，搜尋召回的相關度也比以前拼字串高得多。

RCruz_88

—

Nova Act 做瀏覽器自動化實測可靠性確實高，我們拿它跑競品價格巡檢，原來兩個人盯的活現在一個人複核就行，省了一個運營的人力成本，而且半夜跑也不會因為頁面微調就崩。

Scott.BaileyQ

—

Bedrock 上 Nova 系列的價效比確實沒話說，批次文件摘要場景首選。

Amber147

—

整體評價：價效比標杆，企業大規模部署的首選；追最尖端智慧的，再等等實測。

HashBaso

—

我們團隊把客服知識庫問答從 GPT 切到 Nova 2 Lite，單月 API 成本直接砍掉六成，響應速度還更快，Nova 3 要是把長上下文再拉一檔、把多輪對話的記憶做紮實，就真的沒有換回競品的理由了。

Sophia_FisherX4

—

程式碼直譯器和聯網檢索內建這點很實用，不用自己再拼工具鏈，Nova 3 要是把工具呼叫的穩定性再打磨下、減少偶發的超時，就完美適配我們的自動化流水線了，目前我們只好在呼叫層自己加了一層重試兜底。

MatthewMoore_20225

—

做電商圖文生成的，Canvas 出圖量和穩定性都夠，Nova 3 若能在中文排版錯字上再進步、把品牌字規範鎖死，我們就打算把批次主圖也遷過來跑，現在每天幾千張的SKU圖還是靠人工校對錯字，挺耗人力的。

Alexander.Powell_Plus

—

中小團隊上 Bedrock 評估工具先跑同場景對比再決定，別盲信宣傳，我們就是這麼避坑的。

梅花723

—

報告裡說 Nova 3 具體規格還沒官方技術報告確認，這點很誠實，建議大家以 AWS 釋出為準，別拿推演當事實去寫方案，免得被老闆追問時答不上來，我們採購評審最怕這種把傳聞當引數的材料。

Stephanie_Sanchez520

—

Omni 那種一個模型同時吃文字影象影片還能出圖的能力，做營銷素材流水線省了至少三套工具的對接成本，單次請求就把文案和配圖一起出了，我們市場部現在一半的周更素材是它出的初稿，人工只做精修。

Amy_BennettZ

—

Trainium 3 的價效比如果真能兌現，Nova 的自研晶片路線長期看是最穩的，不卡別人脖子，算力成本可控，這對要長期跑大模型的企業是決定性因素，我們測算過三年 TCO 比純租 GPU 低接近四成。

David.Taylor_99410

—

低成本戰略是對的，但 2026 年初那波高管離職還是讓人心裡打鼓，怕路線圖搖擺，我們今年擴容預算因此多留了一層競品對沖。

LStephens_66

—

有沒有人實測過 Nova 3 和 Gemini 3 Pro 的多文件分析？我們內部基準 Nova 2 Pro 已經很接近 Gemini 2.5 Pro 了，想知道三代到底差多少，畢竟價格差出好幾倍，老闆讓我出選型報告卡在這塊了。

JEvans_X

—

Nova Forge 的開放式訓練是真香，我們把自有工單資料混進去蒸餾了一個小模型，準確率比純微調高一大截，部署成本也只有原來的一半不到，中小團隊也能玩得起定製模型了，強烈推薦先拿一個垂直場景試水。

Amazon Nova 3

深度報告

使用者評論

相關連結

同類產品