Amazon Nova

Amazon Nova es la familia de modelos de fundación de Amazon, a la que se accede principalmente por Amazon Bedrock, y sirve para generar y analizar texto, imágenes, video y voz en aplicaciones de IA.

La guía actual de AWS (Nova 2) lista tres modelos:

• Nova 2 Lite: recibe texto, imágenes, video y documentos y responde en texto, con razonamiento extendido y tres niveles de intensidad.
• Nova 2 Sonic: modelo de voz a voz para aplicaciones de voz en tiempo real.
• Nova Multimodal Embeddings: genera embeddings de texto, documentos, imágenes, video y audio.

La documentación de la versión 1 de Nova, que sigue listada en Bedrock, describe otros modelos: Micro, Lite, Pro y Premier, que reciben texto, imagen y video y devuelven texto, además de Nova Canvas, que genera imágenes, y Nova Reel, que genera video. La propia AWS aclara que las novedades y actualizaciones se publican en la guía de Nova 2.

También existe Nova Act, un servicio de AWS para crear y gestionar agentes de IA que automatizan flujos de trabajo en interfaces de navegador.

Para probar los modelos sin entrar a Bedrock, AWS señala el sitio nova.amazon.com.

Amazon Nova es para equipos de desarrollo que construyen aplicaciones de IA generativa sobre Amazon Bedrock y necesitan modelos de texto, imagen, video, voz o embeddings de la misma familia.

Casos de uso que describe la documentación de AWS:

• Aplicaciones de voz en tiempo real, como atención por conversación hablada, con Nova 2 Sonic.
• Análisis de documentos, imágenes y videos con preguntas en texto, con Nova 2 Lite.
• Búsqueda y recuperación sobre contenido mixto, con los embeddings multimodales, que aceptan texto, documentos, imágenes, video y audio.
• Marketing y publicidad, que AWS cita como el uso principal de los modelos creativos Nova Canvas (imágenes) y Nova Reel (video).
• Automatización de tareas en el navegador, con Nova Act.

Qué tener antes de empezar:

• Acceso a Amazon Bedrock, que es el camino documentado. La API usa las operaciones InvokeModel o Converse, y la consola tiene playgrounds para Nova 2 Lite y Nova 2 Sonic.
• Para voz, un cliente capaz de usar la API de streaming bidireccional de Nova 2 Sonic.
• Para los modelos creativos, prompts en inglés, según la documentación de la versión 1.

Las principales funciones de Amazon Nova son modelos de comprensión multimodal, voz a voz en tiempo real, embeddings multimodales y generación de imagen y video, todos accesibles por Amazon Bedrock.

• Nova 2 Lite: entrada de texto, imágenes, video y documentos, salida en texto. Tiene razonamiento extendido con control de intensidad en tres niveles.
• Nova 2 Sonic: voz y texto como entrada y salida, mediante una API de streaming bidireccional. La documentación lista inglés (EE. UU., Reino Unido, India y Australia), francés, italiano, alemán, español y portugués, y fija un límite de 8 minutos por conexión.
• Nova Multimodal Embeddings: texto, documentos, imágenes, video y audio. El contenido corto usa la llamada síncrona InvokeModel, y el video largo usa la llamada asíncrona StartAsyncInvoke.
• Nova Canvas: generación de imágenes a partir de texto e imágenes, con inpainting, outpainting y transferencia de estilo desde imágenes de referencia. Admite ajuste fino en Bedrock con datos propios.
• Nova Reel: generación de video en 1280x720 a 24 cuadros por segundo, de hasta 2 minutos, según la documentación de la versión 1.
• Nova Act: servicio para crear y gestionar agentes que automatizan flujos de trabajo en interfaces de navegador y pueden escalar a un supervisor humano.

Canvas y Reel aceptan prompts en inglés, con límites de 1.024 y 512 caracteres.

Amazon Nova vale la pena para equipos que ya construyen sobre Amazon Bedrock y quieren texto, voz, embeddings y generación de medios en la misma familia, con las mismas operaciones de API. Para quien no usa AWS, el acceso documentado exige entrar por ese camino.

Pros:

• Cubre modalidades distintas en la misma familia: comprensión de texto, imagen, video y documentos, voz, embeddings multimodales y generación de imagen y video.
• Nova 2 Sonic hace voz a voz en un solo modelo, con API de streaming bidireccional.
• Nova Canvas admite ajuste fino en Bedrock con datos propios, para generar imágenes alineadas con una marca.
• Los embeddings multimodales aceptan cinco tipos de contenido en un solo modelo.

Contras:

• El camino documentado de acceso es Amazon Bedrock, lo que ata la aplicación a AWS.
• Nova 2 Sonic limita cada conexión a 8 minutos.
• Los modelos creativos aceptan prompts en inglés y tienen límites de tamaño: 1.024 caracteres en Canvas y 512 en Reel, según la documentación de la versión 1.
• La documentación está dividida entre la versión 1 y Nova 2, y AWS indica usar la guía de Nova 2 para funciones nuevas.

Las principales alternativas a Amazon Nova como familia de modelos de IA son NVIDIA, IBM Granite, AI21 Labs y Ai2, y todas ofrecen modelos con pesos publicados o despliegue privado.

• NVIDIA: familia de modelos abiertos Nemotron, con pesos en Hugging Face, más NeMo para datos, ajuste fino, recuperación y guardrails y los microservicios NIM para el despliegue.
• IBM Granite: modelos de lenguaje, visión, voz, embeddings y guardrails con pesos abiertos bajo licencia Apache 2.0, según IBM, y también disponibles en watsonx.ai.
• AI21 Labs: modelos Jamba, de arquitectura híbrida Transformer-Mamba, con ventana de 256 mil tokens y opción de despliegue en VPC o en instalaciones propias, además de Maestro para agentes con validación de requisitos.
• Ai2 (Allen Institute for AI): modelos Olmo publicados con datos de entrenamiento, código y checkpoints, y modelos de visión Molmo.

En la práctica la diferencia está en el acceso: Amazon Nova está documentado para usarse por Amazon Bedrock, mientras que las cuatro alternativas publican pesos en Hugging Face, algunas con APIs propias.