Nova Pro

Fiche modèle · Amazon · nova-pro

Amazon Nova Pro is a highly-capable multimodal model with state-of-the-art performance across text, image, and video understanding. It excels at core capabilities like language understanding, mathematical reasoning, and multimodal tasks while offering industry-leading speed and cost efficiency.

Fiches modèles

Identité

Organisation	Amazon
Pays	—
Famille	—
Type	llm
Date de sortie	2024-11-20
Licence	proprietary
Licence commerciale	non
Licence open source	non
Poids ouverts	non
Auto-hébergement (DGX Spark)	non — poids fermés
Modalités	image\|text
Fenêtre de contexte	—
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	2026-05-07T16:53:27.373663Z
Mis à jour le	2026-11-04T06:04:31.538034Z
Source	LLM Stats
URL	https://llm-stats.com/models/nova-pro

Tokens/tâche

IA Act — preuves fournisseur

ICA 2/100 · périmètre complet · seuil systémique inconnu

Critère	Note / 5	Poids
Documentation technique	2,5	5 %
Résumé des données d'entraînement	0,0	35 %
Conformité droit d'auteur	0,0	35 %
Code of Practice GPAI	0,0	20 %
Risque systémique	0,0	5 %

Curation : 2026-10-23.

IA Act

Prix par fournisseur

Prix

Statut du modèle (offres + auto-hébergement) : partiel — via AWS Bedrock (eurouter).

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 « — ».

Fournisseur	Source	Souveraineté	Entrée (/M tok)	Sortie (/M tok)	Quantification	Contexte	Latence (s)	Débit (tok/s)	Statut
AWS Bedrock	eurouter	partiel	—	—	—	300 000	—	—	—

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

Souveraineté

Scores par catégorie (top_scores)

Catégorie	Score
chat	0.90
image_to_text	0.90
instruction_following	0.90
language	0.70
legal	0.90
long_context	0.40
math	0.80
multimodal	0.70
physics	0.50
reasoning	0.80
search	0.50
structured_output	0.90
summarization	0.20
finance	0.70
frontend_development	0.60
general	0.70
healthcare	0.70
agents	0.60
biology	0.50
chemistry	0.50
code	0.90
economics	0.60
tool_calling	0.70
vision	0.70

Scores par benchmark

Benchmark	Catégorie	Score	Max	Normalisé (API)	Vérifié	Auto-déclaré	Daté du
arc-c	reasoning	0.95	1.00	0.95	non	oui	2026-11-04T06:04:31.549036Z
bbh	reasoning	0.87	1.00	0.87	non	oui	2026-11-04T06:04:31.553414Z
bfcl	general	0.68	1.00	0.68	non	oui	2026-11-04T06:04:31.556533Z
chartqa	reasoning	0.89	1.00	0.89	non	oui	2026-11-04T06:04:31.563234Z
crag	reasoning	0.50	1.00	0.50	non	oui	2026-11-04T06:04:31.569377Z
docvqa	vision	0.94	1.00	0.94	non	oui	2026-11-04T06:04:31.573391Z
drop	reasoning	0.85	1.00	0.85	non	oui	2026-11-04T06:04:31.580009Z
egoschema	vision	0.72	1.00	0.72	non	oui	2026-11-04T06:04:31.583018Z
finqa	finance	0.77	1.00	0.77	non	oui	2026-11-04T06:04:31.587833Z
gpqa	reasoning	0.47	1.00	0.47	non	oui	2026-11-04T06:04:31.592992Z
groundui-1k	multimodal	0.81	1.00	0.81	non	oui	2026-11-04T06:04:31.598041Z
gsm8k	math	0.95	1.00	0.95	non	oui	2026-11-04T06:04:31.604360Z
humaneval	reasoning	0.89	1.00	0.89	non	oui	2026-11-04T06:04:31.607967Z
ifeval	chat	0.92	1.00	0.92	non	oui	2026-11-04T06:04:31.613105Z
lvbench	vision	0.42	1.00	0.42	non	oui	2026-11-04T06:04:31.617847Z
math	math	0.77	1.00	0.77	non	oui	2026-11-04T06:04:31.623031Z
mm-mind2web	multimodal	0.64	1.00	0.64	non	oui	2026-11-04T06:04:31.633719Z
mmlu	general	0.86	1.00	0.86	non	oui	2026-11-04T06:04:31.627319Z
mmmu	multimodal	0.62	1.00	0.62	non	oui	2026-11-04T06:04:31.637361Z
squality	summarization	0.20	1.00	0.20	non	oui	2026-11-04T06:04:31.643269Z
textvqa	vision	0.81	1.00	0.81	non	oui	2026-11-04T06:04:31.653756Z
translation-en→set1-comet22	language	0.89	1.00	0.89	non	oui	2026-11-04T06:04:31.663375Z
translation-en→set1-spbleu	language	0.43	1.00	0.43	non	oui	2026-11-04T06:04:31.673496Z
translation-set1→en-comet22	language	0.89	1.00	0.89	non	oui	2026-11-04T06:04:31.682705Z
translation-set1→en-spbleu	language	0.44	1.00	0.44	non	oui	2026-11-04T06:04:31.693360Z
vatex	multimodal	0.78	1.00	0.78	non	oui	2026-11-04T06:04:31.703794Z
visualwebbench	vision	0.80	1.00	0.80	non	oui	2026-11-04T06:04:31.713615Z

Classements

Catégorie	Rang	Score	Note conservatrice	Benchmarks évalués	Méthode	Daté du	Provenance
chat	28	0.90	23.17	1	trueskill	2026-11-04T08:08:43.789169Z	rankings
agents	131	—	10.18	1	trueskill	2026-10-19	model_history
code	179	—	10.09	1	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