Amazon Nova 2 系列模型

新一代多模态推理与生成模型家族

会议目标

• Nova 2 系列相比 Nova 1 有哪些核心升级？
• 重点介绍 Nova 2 Lite 的能力、优势与局限
• 基于 GCR Preview 测试的真实表现分析

💡 建议策略："扬长避短，场景聚焦" - 赢得优势场景，通过 roadmap 持续补齐短板

Nova 2 Lite vs Nova 1 核心升级

🚀 性能飞跃 (vs Nova Premier)

根据 Nova 2 Technical Report：

⚠️ 价格变化 (vs Nova Lite v1)

🆕 新增能力

🧠 推理模式参数 (maxReasoningEffort)

Agent 和工具使用能力

数据来源: Nova 2 Technical Report

τ²-bench Verified (真实场景验证)

多模态和软件工程

关键亮点

• τ²-bench: Telecom (76.0%) 和 Retail (76.5%) 领先所有 Lite 级别竞品
• QVHighlights: 77.2% - 视频亮点提取远超 Gemini 2.5 Flash (52.4%)
• ScreenSpot: 83.3% - UI界面理解大幅领先竞品
• RealKIE-FCC: 62.1% - 文档信息提取最优
• LiveCodeBench: 71.0% - 代码生成超越 Gemini 2.5 Flash，但低于 GPT-5 Mini

💡 Agent 能力是 Nova 2 Lite 的核心优势，在电信和零售场景超越所有竞品

Nova 2 Lite 定价详情

Standard Tier 价格 (US East N. Virginia)

数据来源: AWS Bedrock Pricing

成本优化选项

⚠️ Nova 2 Lite 单价比 Nova Lite v1 贵 5-10 倍，但能力大幅提升。需根据场景评估性价比。

GCR 测试结果：羽毛球时间线识别

测试详情: 查看完整测试结果

测试场景

识别羽毛球视频中每个回合的起止时间和结束原因（5分钟长视频）

性能对比

关键发现

⚠️ 长视频时间线识别：不推荐使用 Nova 2 Lite | ✅ 短视频高光时刻：可以使用

GCR 测试结果：视频内容审核

测试详情: 查看完整测试结果

测试场景

识别视频中用户的操作行为：关键词搜索、视频标题、创作者、观看时长

测试结果对比

关键发现

✅ 内容审核场景：Nova 2 Lite 表现优秀，与 Gemini 2.5 Flash 效果相当甚至更好

GCR 测试结果：图像 OCR 对比

测试详情: 查看完整测试结果

测试场景

多语言图像文字识别（拉丁语系 vs 非拉丁语系）

性能对比

准确性对比

测试总结

✅ 拉丁语系：推荐使用 Nova 2 Lite（速度快） | ⚠️ 非拉丁语系：Gemini 更优（准确性高）

总结与建议

多模态能力测试总结 🎯

Next Action

• 引导客户测试视频内容理解和拉丁语系 OCR 优势场景
• 视频时间线场景需剪辑短视频 + 优化提示词
• 非拉丁语系 OCR 建议先验证再使用

多模态提示词与参数最佳实践

参考来源: AWS Nova 2 Multimodal Prompting Guide

📋 通用规则

🎬 视频时间线提取（推荐配置）

提示词模板示例

Please localize the moment that the event "{event_description}" 
happens in the video. Answer with the starting and ending time 
of the event in seconds, such as [[72, 82]]. 

If the event happen multiple times, list all of them, 
such as [[40, 50], [72, 82]].

📄 图像 OCR 提取（推荐配置）

提示词模板示例

## Instructions
Extract all information from this page using only Markdown formatting. 
Retain the original layout and structure including lists, tables, 
charts and math formulae.

## Rules
1. For math formulae, always use LaTeX syntax.
2. Describe images using only text.
3. NEVER use HTML image tags in the output.
4. Always wrap the entire output in ``` tags.

🎯 视频分类（推荐配置）

提示词模板示例

What is the most appropriate category for this video? 
Select your answer from the options provided:
{class1}
{class2}
{...}

Example:
What is the most appropriate category for this video? 
Select your answer from the options provided:
Arts
Technology
Sports
Education

参考资料