我可以本地运行 Nova Lite 1.0 吗？

Amazon | 300,000 令牌上下文 | 输入 $0.06/千令牌，输出 $0.24/千令牌。Amazon Nova Lite 1.0 是亚马逊推出的极低成本多模态模型，专注于快速处理图像、视频和文本输入以生成文本输出。Nova Lite 能高精度处理实时客户交互、文档分析和视觉问答任务。支持 300K 令牌输入上下文，可在单次输入中分析多张图像或长达 30 分钟的视频。

本模型的指南

2026年最便宜的10款ChatGPT替代品：免费本地模型、免费套餐和固定费率计划

开放权重 vs 开源 vs 仅API：你到底能做什么

全部指南

船长笔记

由 Captain 撰写，本站编辑

2026-10-13 的笔记

Nova Lite 1.0 是亚马逊推出的低成本多模态模型，可在一次调用中处理文本、图像和视频。其 300,000 令牌的上下文窗口允许同时处理多张图片或长达 30 分钟的视频，这是该价格区间的主要差异点。适合需要多模态能力但不想支付前沿模型高价的开发者，尤其是构建面向客户的工具、文档处理流程或视觉问答功能的场景。

以……著称

一次请求接受图像、视频和文本输入
300,000 令牌上下文——可容纳长达 30 分钟的视频
极低价格：输入 $0.06/百万令牌，输出 $0.24/百万令牌
设计用于实时、低延迟交互
大规模文档分析和视觉问答

注意

仅限 API 使用——无开源权重，无本地部署选项
绑定亚马逊基础设施；可用性依赖于 AWS 访问权限
无公开基准数据，无法直接与竞争对手比较

最适合

与……比较

Nova Micro 1.0
仅限API模型
128,000 令牌上下文 · $0.04/M 输入，$0.14/M 输出
Mistral 7B Instruct v0.2
开源权重模型
32,768 令牌上下文 · $0.06/M 输入，$0.06/M 输出
Llama 3.1 70B Instruct
开源权重模型
131,072 令牌上下文 · $0.40/M 输入，$0.40/M 输出
Mistral Small 3.2 24B Instruct 2506
开源权重模型
128,000 令牌上下文 · $0.07/M 输入，$0.20/M 输出

来自 amazon 的更多文本模型

常见问题

我可以本地运行 Nova Lite 1.0 吗？: 不可以——亚马逊未发布开源权重，仅通过 AWS 提供 API。
Nova Lite 1.0 的费用是多少？上下文长度有多长？: 输入费用为每百万令牌 $0.06，输出为每百万令牌 $0.24，上下文窗口为 300,000 令牌。
Nova Lite 与其他 Nova 模型有何不同？: Nova Lite 定位为亚马逊 Nova 系列中的低成本快速版本，优化多模态吞吐量，而非最大推理深度。

船长评语
真正廉价的多模态主力——仅视频上下文处理能力就值得关注，适合文档和媒体处理流程。

船长根据模型自身描述和模型卡撰写这些笔记。价格和上下文大小为撰写时提供商的数据，可能会变动。

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Not this creator?

Get your own badge

这个评分是怎么计算的

这个模型还没有任何来源的流行度数据，所以它用一个低于 7,000° 的替代数值来保持列表完整。它永远不会排在有数据的模型前面。一旦有来源报告数据，分解就会显示在这里。

术语表：这里用到的术语

热度得分: 一个数字，表示模型当前的使用和需求程度，范围从0°到9,999°。本站所有标注为最热门的榜单都按这个分数排序，别无他物。
基准线: 所有有真实数据的模型起始于7,000°。分数范围是0°到9,999°；基准线以下的部分保留给无数据的替代模型，这样有数据的模型总是排在无数据模型之上。基准线对所有人相同，不影响排名；超过基准线的度数才是实际测量值。
下载等价量: 得分中当作下载计算的所有项目总和：下载本身，每个种子上传者算1,000，每个AI Horde图片和每次生成网站的运行算一个。
对数刻度: 以十为单位计数，而不是以一为单位：从1,000到10,000下载增加的热度和从10,000到100,000增加的热度相同。这样可以防止巨头压倒一切。
点赞: 来自所有来源的点赞和竖起大拇指，每个点赞在对数刻度上价值半个下载。
采用率: 模型当前每天的下载次数，基于两次读数的差值。权重是下载项的四分之一。
测量与估算: 测量表示有两个来源的读数，且差异是真实的。估算表示只知道今天的总数，过去的数据是根据模型的生命周期分配的；网站会说明显示的是哪种。
做种者: 指那些在线保存权重副本供他人通过种子下载的人，或者提供同样服务的托管镜像。每个做种者相当于1000次下载。
AI Horde: 一个志愿者网络，在捐赠的电脑上免费生成图片。它用某个模型生成的图片数量是公开的，每张图片算作一次下载。
生成网站: 托管自己模型副本并允许用户生成的站点，比如PixAI、SeaArt和Yodayo。它们的下载计数和Civitai一样，每次生成算一次下载。
OpenRouter 令牌: 通过API提供的文本模型，如Claude或GPT，没有权重需要下载，因此其使用量以令牌计量：过去30天内通过OpenRouter（一种许多应用使用的网关）读取和生成的文本片段。每10,000,000个令牌计为一次下载。来源：OpenRouter (openrouter.ai/rankings)，CC BY 4.0。
完整模型（检查点）: 权重文件本身，是能独立生成的文件。它会获得额外加分，因为附加组件依赖它。
LoRA和嵌入: 小型附加文件，用来引导别人的权重朝向某种风格、角色或概念。它们不能单独运行。
家族与权重: 模型构建所基于的基础，比如SD 1.5、SDXL、Flux或Wan。每个模型继承其家族权重的发布日期。
年龄: 根据家族权重发布多久，扣除的度数：每年150°，最多750°。它保留了那些积累了多年下载量的老模型，防止它们被挤出榜单顶部。
家族加成: 对当前网站重点推广的某个家族的LoRA给予的小幅度限制性加分，总是在分数细目中列出。
替代分数: 给还没有任何来源报告的模型一个稳定的最低分数，这样榜单才完整。它永远不会高于有数据的模型。
新模型！（宽限期）: 不到7天的新模型显示“新模型！”而非分数，且不参与排名。其分数从第一天开始计算，但一天大的模型增长最快，若不等待，周榜#1总是昨天刚发布的模型，而非持续一周的。
趋势: 模型在某段时间内的增长与同一时间段内典型模型增长的对比。比典型快表示上升，比典型慢表示下降。
典型模型: 目录的中间值：一半有数据的模型增长比它快，一半比它慢。