Amazon Nova Lite to wszechstronny model multimodalny, zaprojektowany do przetwarzania tekstu, obrazów i wideo, generujący tekstowe wyniki. Dzięki oknu kontekstowemu o wielkości 300 000 tokenów doskonale nadaje się do interakcji w czasie rzeczywistym, analizy dokumentów oraz wizualnego odpowiadania na pytania. Jako część modeli bazowych Amazon Nova obsługuje dostrajanie i destylację, umożliwiając zaawansowaną personalizację.
Strona internetowa Strona internetowa modelu AI | - |
Dostawca Podmiot dostarczający ten model. | |
Czat Wpisz wiadomość, aby rozpocząć czat | - |
Data wydania Kiedy model został po raz pierwszy wydany. | 1 rok ago Gru 02, 2024 |
Modalności Rodzaje danych, które ten model może przetwarzać | tekst obrazy wideo |
Dostawcy API Dostawcy oferujący ten model. (To nie jest wyczerpująca lista.) | Amazon Bedrock |
Data ostatniej aktualizacji wiedzy Kiedy wiedza modelu była ostatnio aktualizowana. | Celowo nieujawnione |
Open Source Czy kod modelu jest dostępny do publicznego użytku. | Nie |
Cena za wejście Koszt przetwarzania tokenów w Twoich promptach | $0.06 za milion tokenów |
Cena za wyjście Koszt za tokeny wygenerowane przez model | $0.24 za milion tokenów |
MMLU Massive Multitask Language Understanding - Testuje wiedzę z 57 dziedzin, w tym matematyki, historii, prawa i innych | 80.5% CoT Źródło |
MMLU-Pro Bardziej zaawansowane benchmarki MMLU z trudniejszymi pytaniami skupionymi na rozumowaniu, większym zestawem wyborów i zmniejszoną wrażliwością na prompty | Niedostępne |
MMMU Massive Multitask Multimodal Understanding - Testuje rozumienie tekstu, obrazów, dźwięku i wideo | Niedostępne |
HellaSwag Wymagające benchmarki uzupełniania zdań | Niedostępne |
HumanEval Ocenia możliwości generowania kodu i rozwiązywania problemów | 85.4% pass@1 Źródło |
MATH Testuje umiejętności rozwiązywania problemów matematycznych na różnych poziomach trudności | 73.3% CoT Źródło |
GPQA Testuje wiedzę na poziomie doktorskim z chemii, biologii i fizyki poprzez pytania wielokrotnego wyboru wymagające głębokiej wiedzy specjalistycznej | 42% Main Źródło |
IFEval Testuje zdolność modelu do dokładnego przestrzegania wyraźnych instrukcji formatowania, generowania odpowiednich wyników i utrzymania spójnego przestrzegania instrukcji w różnych zadaniach | 89.7% Źródło |
SimpleQA Ocena dokładności prostych pytań | - |
AIME 2024 | - |
AIME 2025 | - |
Aider Polyglot Wielojęzyczny benchmark programistyczny. | - |
LiveCodeBench v5 Benchmark programowania w czasie rzeczywistym | - |
Global MMLU (Lite) Uproszczona wersja benchmarku do oceny uniwersalności modeli na poziomie globalnym. | - |
MathVista Ocenia zdolności rozumowania matematycznego modeli AI w kontekstach wizualnych | - |
Aplikacja mobilna | - |
Compare AI. Test. Benchmarks. Chatboty mobilne, Sketch
Copyright © 2026 All Right Reserved.