Nova Premier 1.0
3731°
Kör modellen
Erbjudanden / annonser
Amazon | 1,000,000 token kontext | $2.50/M input, $12.50/M output. Amazon Nova Premier är den mest kapabla av Amazons multimodala modeller för komplexa resonemangsuppgifter och för användning som bästa lärare för destillering av anpassade modeller.
Guider för denna modell
Öppna vikter vs öppen källkod vs endast API: vad du faktiskt får göra
Hur du väljer en AI-modell i oktober 2026: nyheter om stängd källkod och öppna vikter värda att ladda ner
De 10 billigaste ChatGPT-alternativen 2026: gratis lokala modeller, gratisnivåer och fastprisplaner
Kaptenens anteckningar
Anteckningar från 2026-10-13
Nova Premier 1.0 är Amazons mest kapabla multimodala modell, som hanterar text- och visionsuppgifter över ett kontextfönster på en miljon tokens. Dess uttalade designmål inkluderar att fungera som lärarmodell för destillering av mindre anpassade modeller, vilket är ett ovanligt explicit användningsfall för en frontier-API-produkt. Den passar team som gör komplexa resonemangsuppgifter inom AWS-ekosystemet eller bygger destilleringspipelines.
Känd för
- En miljon tokens kontextfönster för mycket långa dokument eller kodbaser
- Multimodal: accepterar både text- och bildinmatningar
- Amazons toppmodell för komplexa resonemangsuppgifter
- Uttryckligen designad som lärare för anpassad modell-destillering
Se upp för
- Endast API, stängda vikter – ingen lokal drift, ingen egen hosting
- Utdata kostar $12,50 per miljon tokens vilket snabbt blir dyrt vid långa genereringar
- Amazon har inte publicerat benchmarkdetaljer eller modellstorlek
Promptar att prova
Resonera kring en flerstegsplan
Ett logistikföretag driver 12 lager över tre tidszoner. De vill konsolidera till 8 lager samtidigt som de behåller nästa-dags-leverans till 95 % av nuvarande kunder och minskar de totala driftkostnaderna. Gå igenom viktiga avvägningar, vilken data du behöver och en stegvis beslutsram för att välja vilka anläggningar som ska stängas.
Analysera ett uppladdat dokument
Jag bifogar ett långt kontrakt. Identifiera varje klausul som skapar ett löpande ekonomiskt åtagande för köparen, sammanfatta varje i enkelt språk, markera ovanliga eller ensidiga klausuler och lista dem i ordning efter potentiell ekonomisk exponering.
Generera dataset för destillering
Generera 10 högkvalitativa fråga-och-svar-par för träning av en mindre modell som finjusteras för att hantera kundsupportfrågor om molnfakturering. Varje par ska visa noggrant resonemang, korrekt terminologi och en hjälpsam men koncis ton. Inkludera ett exempel där rätt svar är att eskalera snarare än att lösa.
Jämför med
- Nova 2 LiteEndast API-modell1,000,000 tokens kontext · $0.30/M indata, $2.50/M utdata
- DeepSeek V4.1 FlashÖppen vikt-modell1,048,576 tokens kontext · $0.04/M indata, $0.68/M utdata
- GLM 5.3 FlashÖppen vikt-modell1,048,576 tokens kontext · $0.02/M indata, $0.72/M utdata
- MiMo-V2.6-FlashÖppen vikt-modell1,050,000 tokens kontext · $0.14/M indata, $0.28/M utdata
Fler textmodeller från amazon
Vanliga frågor
- Kan jag köra Nova Premier lokalt?
- Nej. Nova Premier är endast API-baserad med inga öppna vikter och ingen Hugging Face-repo, så lokal drift är inte möjlig.
- Vad kostar Nova Premier och hur lång är kontexten?
- Amazon tar $2,50 per miljon inmatningstokens och $12,50 per miljon utmatningstokens, med ett kontextfönster på en miljon tokens.
- Hur skiljer sig Nova Premier från andra Amazon Nova-modeller?
- Amazon positionerar den som den mest kapabla modellen i Nova-familjen, riktad mot komplexa resonemangsuppgifter och som lärare för destillering av anpassade mindre modeller – en roll som de andra Nova-modellerna inte är uttryckligen designade för.
Kaptens omdömeEn seriös resonemangs- och visionsmodell med lång kontext och tydligt destilleringssyfte, men utdata-priset kräver eftertanke innan generering.
Kapten skriver dessa anteckningar från modellens egen beskrivning och model card. Priser och kontextstorlekar är från leverantören vid skrivtillfället och kan ändras.
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.
Hur denna poäng räknas ihop
Den här modellen har ännu inga popularitetsdata från någon källa, så den har ett tillfälligt nummer under 7,000° som håller listorna kompletta. Den rankas aldrig högre än en modell med data. Uppdelningen visas här så fort en källa rapporterar den.
Ordlista: termerna som används här
- Heat-poäng
- Ett nummer för hur mycket en modell används och efterfrågas just nu, från 0° till 9 999°. Varje lista på den här sidan som säger hetast sorteras efter den och inget annat.
- Golvet
- De 7 000° som varje modell med verklig data börjar från. Skalan går från 0° till 9 999°; delen under golvet är reserverad för ersättare (modeller utan data), så att en modell med data alltid rankas över en utan. Golvet är samma för alla och avgör inget; graderna ovanför är själva mätningen.
- Nedladdnings-ekvivalenter
- Allt som poängen räknar som en nedladdning, summerat: själva nedladdningarna, varje torrent-seeder som 1 000, varje AI Horde-bild och varje körning på en genereringssajt som en.
- Logaritmisk skala
- Räknar i tiotal, inte i ental: att gå från 1 000 till 10 000 nedladdningar ger lika många grader som att gå från 10 000 till 100 000. Det hindrar jättar från att tränga ut allt annat.
- Gillanden
- Tummar upp och gillanden från alla källor, värda hälften av en nedladdning på den logaritmiska skalan.
- Adoptionshastighet
- Hur många nedladdningar per dag en modell får just nu, från skillnaden mellan två mätningar av en källa. En fjärdedels vikt av nedladdningsdelen.
- Mätt och uppskattad
- Mätt betyder att det finns två mätningar från en källa och skillnaden är verklig. Uppskattad betyder att bara dagens total är känd och det fördelas över modellens livstid; sidan visar vilken det är.
- Seeder
- Någon som håller en kopia av vikterna online för andra att ladda ner via torrent, eller en hostad spegel som gör samma sak. Varje sådan räknas som 1 000 nedladdningar.
- AI Horde
- Ett frivilligt nätverk som genererar bilder gratis på donerade datorer. Antalet bilder det har gjort med en modell är offentligt, och varje bild räknas som en nedladdning.
- Genereringssajter
- Sajter som hostar sina egna kopior av en modell och låter folk generera med den, som PixAI, SeaArt och Yodayo. Deras nedladdningar räknas som Civitaís och varje genereringskörning räknas som en nedladdning.
- OpenRouter-token
- En textmodell som nås via API, som Claude eller GPT, har inga vikter att ladda ner, så dess användning mäts i token: textbitar den läst och skrivit via OpenRouter, en gateway som många appar använder, under de senaste 30 dagarna. Varje 10,000,000 token räknas som en nedladdning. Källa: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
- Full modell (checkpoint)
- Själva vikterna, filen som genererar självständigt. Den får en bonus eftersom tillägg beror på den.
- LoRA och embedding
- Små tilläggsfiler som styr någon annans vikter mot en stil, en karaktär eller ett koncept. De kan inte köras själva.
- Familj och vikter
- Basen en modell är byggd på, som SD 1.5, SDXL, Flux eller Wan. Varje modell ärver släppdatumet för sin familjs vikter.
- Ålder
- Poäng som dras av beroende på hur länge sedan familjens vikter släpptes: 150° per år, upp till 750°. Det behåller gamla nedladdningar som haft år på sig att samlas för att frysa toppen av listan.
- Familjeboost
- En liten, begränsad skjuts för LoRAs från en familj som den här sajten just nu vill lyfta fram, alltid med i uppdelningen.
- Stand-in-poäng
- Ett stabilt nummer under golvet som ges till en modell som ännu inte har rapporter från någon källa, så listorna förblir kompletta. Den rankas aldrig högre än en modell med data.
- Ny! (karensperiod)
- En modell som är mindre än 7 dagar gammal visar Ny! istället för poäng och räknas inte i rankningen. Poängen räknas från dag ett, men en modell som är en dag gammal växer snabbare än allt annat, så utan väntan skulle veckans #1 alltid vara det som kom ut igår istället för det som hållit i en vecka.
- Trend
- Hur en modells tillväxt under en period jämförs med den typiska modellens tillväxt under samma period. Snabbare än vanligt läses som en ökning, långsammare som en nedgång.
- Typisk modell
- Mitten av katalogen: hälften av modellerna med siffror växte snabbare under perioden, hälften långsammare.
