Nova 2 Lite
Nova 2 Lite est un LLM propriétaire d’Amazon, sorti le 2 décembre 2025, positionné sur le segment très économique. Sa caractéristique la plus visible est une fenêtre de contexte d’environ 1,0 M de tokens, un format adapté aux traitements de très longs contenus.
Nova 2 Lite est un LLM propriétaire d’Amazon, sorti le 2 décembre 2025, positionné sur le segment très économique. Sa caractéristique la plus visible est une fenêtre de contexte d’environ 1,0 M de tokens, un format adapté aux traitements de très longs contenus.
Le modèle combine des poids non ouverts, un coût d’entrée bas et un tarif de sortie contenu. Son prix se situe très nettement sous la moyenne des LLM comparables et reste très inférieur à celui des modèles frontière, ce qui en fait surtout une proposition d’efficacité coût-volume.
Caractéristiques
| Caractéristique | Valeur |
|---|---|
| Type | Grand modèle de langage (LLM) |
| Éditeur | Amazon |
| Licence | Proprietary (poids non ouverts) |
| Date de sortie | 2 décembre 2025 |
| Multimodal | oui |
| Fenêtre de contexte | 1 000 000 tokens (≈ 1,0 M) |
| Modalités (entrée → sortie) | text,image,video → text |
Performances (benchmarks)
| Benchmark | Score | Rang (LLM) | Source | Fiabilité |
|---|---|---|---|---|
| AIME 2025 | 91,0 % | 40ᵉ / 108 | llm-stats | Auto-déclaré |
| ScreenSpot | 83,3 % | 16ᵉ / 16 | llm-stats | Auto-déclaré |
| MMLU-Pro | 80,9 % | 46ᵉ / 125 | llm-stats | Auto-déclaré |
| GPQA | 79,6 % | 75ᵉ / 213 | llm-stats | Auto-déclaré |
| QVHighlights | 77,2 % | 1ᵉ / 3 | llm-stats | Auto-déclaré |
| Multi-Challenge | 76,6 % | 2ᵉ / 28 | llm-stats | Auto-déclaré |
| Tau2 Retail | 76,5 % | 13ᵉ / 25 | llm-stats | Auto-déclaré |
| Tau2 Telecom | 76,0 % | 22ᵉ / 34 | llm-stats | Auto-déclaré |
| LiveCodeBench | 71,0 % | 20ᵉ / 72 | llm-stats | Auto-déclaré |
| IFBench | 70,8 % | 14ᵉ / 27 | llm-stats | Auto-déclaré |
| Tau2 Airline | 64,8 % | 7ᵉ / 22 | llm-stats | Auto-déclaré |
| SWE-Bench Verified | 64,5 % | 70ᵉ / 100 | llm-stats | Auto-déclaré |
| RealKIE-FCC | 62,1 % | 2ᵉ / 3 | llm-stats | Auto-déclaré |
| MMMU-Pro | 61,8 % | 40ᵉ / 60 | llm-stats | Auto-déclaré |
| BFCL-V4 | 60,3 % | 9ᵉ / 13 | llm-stats | Auto-déclaré |
| OCRBench_V2 | 56,1 % | 7ᵉ / 7 | llm-stats | Auto-déclaré |
| Terminal-Bench | 32,5 % | 17ᵉ / 25 | llm-stats | Auto-déclaré |
| MCP Atlas | 24,6 % | 27ᵉ / 27 | llm-stats | Auto-déclaré |
« Auto-déclaré » : score communiqué par l'éditeur, non rejoué indépendamment. « Mesuré » : évalué par un tiers (Epoch AI, LiveBench). Le rang est calculé parmi les LLM évalués sur le même benchmark.
Classements Arena (Elo)
| Catégorie | Elo | Rang |
|---|---|---|
| Arena Text | 1337 | 192ᵉ |
Tarifs
| Fournisseur | Entrée / 1M | Sortie / 1M | Cache lecture / 1M |
|---|---|---|---|
| bedrock | 0,3 $ | 2,5 $ | n.d. |
Prix en dollars US par million de tokens.
Sa tarification se situe 85 % en dessous de la moyenne des LLM similaires, et 16,1 fois moins cher que les modèles frontières (Claude Fable 5, GPT-5.4, Gemini 3.1 Pro Preview).
Notre analyse
Forces. Nova 2 Lite se distingue d’abord par son rapport prix-capacité : la tarification est annoncée 85% sous la moyenne des LLM similaires, avec un écart d’environ 16,1 fois face aux modèles frontière. Sa fenêtre de contexte de 1 000 000 tokens le place dans la catégorie des modèles conçus pour absorber de grands volumes de texte en une seule requête. À sa sortie, il se situait dans le top 24% de sa génération sur GPQA, ce qui indique un niveau compétitif sur ce benchmark par rapport aux LLM publiés sur la même période. Les données disponibles reposent sur 3 sources concordantes.
Limites et points d'attention. Nova 2 Lite n’est pas un modèle à poids ouverts : l’usage dépend donc de l’offre commerciale et technique d’Amazon. Son classement Arena text le place loin des toutes premières positions, ce qui limite son image de modèle généraliste haut de gamme malgré son bon positionnement coût. Les informations vérifiées ne documentent pas de capacités spécialisées en code, agentique, multimodalité ou raisonnement mathématique avancé. Le modèle convient surtout aux usages LLM sensibles au coût, avec de très longs contextes et sans exigence de transparence sur les poids.
Sources des données : LLM-Stats (llm-stats.com) · OpenRouter (openrouter.ai) · Arena.ai (arena.ai).