Amazon Nova

O Amazon Nova é a família de modelos de fundação da Amazon, acessada principalmente pelo Amazon Bedrock, que serve para gerar e analisar texto, imagens, vídeo e fala em aplicativos de IA.

O guia atual da AWS (Nova 2) lista três modelos:

• Nova 2 Lite: recebe texto, imagens, vídeo e documentos e responde em texto, com raciocínio estendido e três níveis de intensidade.
• Nova 2 Sonic: modelo de fala para fala, para aplicativos de voz em tempo real.
• Nova Multimodal Embeddings: gera embeddings de texto, documentos, imagens, vídeo e áudio.

A documentação da versão 1 do Nova, que continua listada no Bedrock, descreve outros modelos: Micro, Lite, Pro e Premier, que recebem texto, imagem e vídeo e devolvem texto, além do Nova Canvas, que gera imagens, e do Nova Reel, que gera vídeo. A própria AWS avisa que os recursos novos e as atualizações ficam no guia do Nova 2.

Há ainda o Nova Act, serviço da AWS para criar e gerenciar agentes de IA que automatizam fluxos de trabalho em interfaces de navegador.

Para experimentar sem entrar no Bedrock, a AWS aponta o site nova.amazon.com.

O Amazon Nova é indicado para equipes de desenvolvimento que constroem aplicativos de IA generativa sobre o Amazon Bedrock e precisam de modelos de texto, imagem, vídeo, fala ou embeddings na mesma família.

Casos de uso que a documentação da AWS descreve:

• Aplicativos de voz em tempo real, como atendimento por conversa falada, com o Nova 2 Sonic.
• Análise de documentos, imagens e vídeos com perguntas em texto, com o Nova 2 Lite.
• Busca e recuperação sobre conteúdo misto, com os embeddings multimodais, que aceitam texto, documentos, imagens, vídeo e áudio.
• Marketing e publicidade, citados pela AWS como principal uso dos modelos criativos Nova Canvas (imagens) e Nova Reel (vídeo).
• Automação de tarefas em navegador, com o Nova Act.

O que ter antes de começar:

• Acesso ao Amazon Bedrock, que é o caminho documentado. A API usa as operações InvokeModel ou Converse, e o console tem playgrounds para o Nova 2 Lite e o Nova 2 Sonic.
• Para voz, um cliente capaz de usar a API de streaming bidirecional do Nova 2 Sonic.
• Para os modelos criativos, prompts em inglês, segundo a documentação da versão 1.

Os principais recursos do Amazon Nova são modelos de entendimento multimodal, fala para fala em tempo real, embeddings multimodais e geração de imagem e vídeo, todos acessados pelo Amazon Bedrock.

• Nova 2 Lite: entrada de texto, imagens, vídeo e documentos, saída em texto. Tem raciocínio estendido com controle de intensidade em três níveis.
• Nova 2 Sonic: fala e texto como entrada e saída, usando uma API de streaming bidirecional. A documentação lista inglês (EUA, Reino Unido, Índia e Austrália), francês, italiano, alemão, espanhol e português, e define um limite de 8 minutos por conexão.
• Nova Multimodal Embeddings: texto, documentos, imagens, vídeo e áudio. Conteúdo curto usa a chamada síncrona InvokeModel, e vídeo longo usa a chamada assíncrona StartAsyncInvoke.
• Nova Canvas: geração de imagens a partir de texto e imagem, com inpainting, outpainting e transferência de estilo a partir de imagens de referência. Aceita ajuste fino no Bedrock com dados próprios.
• Nova Reel: geração de vídeo em 1280x720 a 24 quadros por segundo, com até 2 minutos, segundo a documentação da versão 1.
• Nova Act: serviço para criar e gerenciar agentes que automatizam fluxos de trabalho em interface de navegador e podem escalar para um supervisor humano.

Canvas e Reel aceitam prompts em inglês, com limites de 1.024 e 512 caracteres.

O Amazon Nova vale a pena para equipes que já constroem sobre o Amazon Bedrock e querem texto, voz, embeddings e geração de mídia na mesma família, com as mesmas operações de API. Para quem não usa a AWS, o acesso documentado exige entrar por esse caminho.

Prós:

• Cobre modalidades diferentes na mesma família: entendimento de texto, imagem, vídeo e documentos, fala, embeddings multimodais e geração de imagem e vídeo.
• O Nova 2 Sonic faz fala para fala em um único modelo, com API de streaming bidirecional.
• O Nova Canvas aceita ajuste fino no Bedrock com dados próprios, para gerar imagens alinhadas a uma marca.
• Os embeddings multimodais aceitam cinco tipos de conteúdo em um único modelo.

Contras:

• O caminho documentado de acesso é o Amazon Bedrock, o que liga a aplicação à AWS.
• O Nova 2 Sonic limita cada conexão a 8 minutos.
• Os modelos criativos aceitam prompts em inglês e têm limites de tamanho: 1.024 caracteres no Canvas e 512 no Reel, segundo a documentação da versão 1.
• A documentação está dividida entre versão 1 e Nova 2, e a AWS orienta usar o guia do Nova 2 para recursos novos.

As principais alternativas ao Amazon Nova como família de modelos de IA são NVIDIA, IBM Granite, AI21 Labs e Ai2, e todas oferecem modelos com pesos publicados ou implantação privada.

• NVIDIA: família de modelos abertos Nemotron, com pesos no Hugging Face, mais o NeMo para dados, ajuste fino, recuperação e guardrails e os microsserviços NIM para implantação.
• IBM Granite: modelos de linguagem, visão, fala, embeddings e guardrails com pesos abertos sob licença Apache 2.0, segundo a IBM, e acesso também pelo watsonx.ai.
• AI21 Labs: modelos Jamba, de arquitetura híbrida Transformer-Mamba, com janela de 256 mil tokens e opção de implantação em VPC ou no local, além do Maestro para agentes com validação de requisitos.
• Ai2 (Allen Institute for AI): modelos Olmo publicados com dados de treinamento, código e checkpoints, e modelos de visão Molmo.

Na prática, a diferença está no acesso: o Amazon Nova é documentado para uso pelo Amazon Bedrock, enquanto as quatro alternativas acima publicam pesos no Hugging Face, alguns com APIs próprias.