Nova 2 Pro

Fiche modèle · Amazon · nova-2-pro

Amazon Nova 2 Pro is Amazon's highest-intelligence model for complex workloads, simultaneously processing text, documents, images, video, and audio for large-scale multimodal reasoning. It features hybrid reasoning with configurable extended thinking and excels at high-accuracy tasks, multi-step planning, long-document analysis, advanced math, and autonomous agentic and software-engineering tasks. It supports up to 1M tokens of context and matches or exceeds Claude Sonnet 4.5, GPT-5/GPT-5.1, and Gemini 2.5 Pro/Gemini 3 Pro across broad benchmarks.

Fiches modèles

Identité

Organisation	Amazon
Pays	—
Famille	—
Type	llm
Date de sortie	2025-12-02
Licence	proprietary
Licence commerciale	non
Licence open source	non
Poids ouverts	non
Auto-hébergement (DGX Spark)	non — poids fermés
Modalités	—
Fenêtre de contexte	1 000 000
KV cache / token (Q8)	—
Paramètres totaux	—
Paramètres actifs (session)	—
Source des paramètres actifs	—
Curation des paramètres actifs	—
Prix par session	—
Tokens / tâche (Data Players)	1.2 M
Tokens / tâche (Terminal-Bench)	83.3 M (est.)
Ratio Terminal-Bench / Data Players	69.4×
Coût / tâche (Terminal-Bench)	—
Tokens d'entraînement	—
Coupure de connaissance	—
Créé le	2026-06-05T21:54:32.929488Z
Mis à jour le	2026-11-04T06:04:30.951876Z
Source	LLM Stats
URL	https://llm-stats.com/models/nova-2-pro

Tokens/tâche

Prix par fournisseur

Prix

Toutes sources confondues : catalogue llm-stats, routeurs EUrouter/Cortecs et catalogues directs (OVHcloud, Scaleway, Infomaniak). Les prix sont convertis en USD pour la comparaison ; le prix publié et le taux BCE utilisé sont dans l'infobulle. Les prix inconnus restent indiqués « — ».

Aucune donnée.

Souveraineté qualifiée par offre (modèle × fournisseur) ; survolez le badge pour les critères.

Souveraineté

Scores par catégorie (top_scores)

Catégorie	Score
chat	0.70
image_to_text	0.60
instruction_following	0.80
language	0.80
legal	0.80
math	0.90
multimodal	0.70
physics	0.80
reasoning	0.70
spatial_reasoning	0.90
document_understanding	0.70
finance	0.80
frontend_development	0.70
general	0.70
grounding	0.90
healthcare	0.80
agents	0.50
biology	0.80
chemistry	0.80
code	0.60
communication	0.80
tool_calling	0.70
video	0.80
vision	0.70

Scores par benchmark

Benchmark	Catégorie	Score	Max	Normalisé (API)	Vérifié	Auto-déclaré	Daté du
aime-2025	math	0.92	1.00	0.92	non	oui	2026-11-04T06:04:30.975148Z
bfcl-v4	tool_calling	0.62	1.00	0.62	non	oui	2026-11-04T06:04:31.039845Z
gpqa	reasoning	0.81	1.00	0.81	non	oui	2026-11-04T06:04:30.970566Z
ifbench	instruction_following	0.80	1.00	0.80	non	oui	2026-11-04T06:04:30.979673Z
livecodebench	reasoning	0.75	1.00	0.75	non	oui	2026-11-04T06:04:31.123796Z
longcodebench	long_context	0.84	1.00	0.84	non	oui	2026-11-04T06:04:30.986381Z
mmlu-pro	language	0.82	1.00	0.82	non	oui	2026-11-04T06:04:30.957805Z
mmmu-pro	vision	0.64	1.00	0.64	non	oui	2026-11-04T06:04:31.043170Z
multichallenge	chat	0.78	1.00	0.78	non	oui	2026-11-04T06:04:30.983137Z
ocrbench-v2	vision	0.65	1.00	0.65	non	oui	2026-11-04T06:04:31.050566Z
qvhighlights	multimodal	0.77	1.00	0.77	non	oui	2026-11-04T06:04:31.085902Z
realkie-fcc	multimodal	0.67	1.00	0.67	non	oui	2026-11-04T06:04:31.060494Z
screenspot	vision	0.88	1.00	0.88	non	oui	2026-11-04T06:04:31.091588Z
swe-bench-verified	reasoning	0.70	1.00	0.70	non	oui	2026-11-04T06:04:31.106448Z
tau2-airline	chat	0.65	1.00	0.65	non	oui	2026-11-04T06:04:31.003140Z
tau2-retail	communication	0.78	1.00	0.78	non	oui	2026-11-04T06:04:30.999304Z
tau2-telecom	communication	0.93	1.00	0.93	non	oui	2026-11-04T06:04:30.990066Z
terminal-bench	reasoning	0.41	1.00	0.41	non	oui	2026-11-04T06:04:31.110054Z

Classements

Catégorie	Rang	Score	Note conservatrice	Benchmarks évalués	Méthode	Daté du	Provenance
chat	3	0.70	29.89	2	trueskill	2026-11-04T08:08:43.789169Z	rankings
agents	120	—	11.94	2	trueskill	2026-10-19	model_history
code	118	—	19.15	3	trueskill	2026-10-19	model_history

Lecture : Note conservatrice = borne basse TrueSkill (niveau estimé − marge d’incertitude) ; Benchmarks évalués = nombre de benchmarks de la catégorie pris en compte. À performances égales, un modèle évalué sur moins de benchmarks obtient une note plus basse : la note ne se déduit pas d’un seul score. Provenance : rankings = top 50 de /rankings ; model_history = historique du modèle (/models/{id}/history), utilisé pour les rangs au-delà du top 50.

Données

Dates de curation (récupération depuis l'API) : models 2026-11-04 · benchmarks 2026-11-04 · scores 2026-11-04 · updates 2026-11-04 · account 2026-11-04 · model_history 2026-11-04 · rankings 2026-11-04