Amazon Nova Pro：AWS 多模态大模型实战指南

为什么需要 Amazon Nova Pro：多模态推理的成本与工程化痛点

传统多模态方案通常需要组装多条链路：用 OCR 识别文档文字、用视频抽帧工具截取关键画面、用图像理解模型做描述，最后再拼接文本提示词送入大模型。这套组合存在三个问题：第一，各环节输出格式不统一，上下文信息在传递中丢失，例如 OCR 无法保留表格结构，抽帧无法关联前后文语义；第二，多条管线各自计费与维护，延迟叠加，成本不可控；第三，模型对混合模态内容（如图文混排的合同扫描件）缺乏整体理解能力。

Nova Pro 的解决思路是从模型层面原生接受多模态输入，单个 API 调用即可同时处理文本、图像、视频与文档。官方文档显示，Nova Pro 单次可接收最长约 30 分钟的视频输入、最多 200 页的文档内容，并在 v1.1 版本将上下文窗口扩展至 300K token。这意味着一份带图表的年报 PDF 可以直接送入模型完成问答与抽取，无需预处理管线。

与同类的 Claude Sonnet、GPT-4o 相比，Nova Pro 的核心差异在于与 AWS 云原生产品的深度集成：通过 Bedrock 可一键串联 Knowledge Bases、Guardrails、Agents 等能力，且模型 API 与 IAM 权限体系天然打通，适合已扎根 AWS 的团队作为默认模型选型。

安装与环境配置：3 步就绪

第一步：准备 AWS 账号并配置凭证。若本机尚未安装 AWS CLI，先安装并配置访问密钥，确保 aws configure 能正常列出身份信息。

第二步：在 Bedrock 控制台开启 Nova Pro 模型访问。进入 Bedrock 控制台，依次在“模型访问”页面勾选 Nova Pro 并提交访问申请。注意需在要使用的区域（如 us-east-1）分别开启。

第三步：安装 boto3 并验证调用。Python 是调用 Bedrock 最常用的方式，安装后通过一次最小请求验证环境连通。

以上三步完成后，即可在代码中通过 bedrock-runtime 客户端调用 Nova Pro，无需任何本地模型文件。

# 安装 AWS CLI（macOS 示例，其他系统见官方文档）curl "https://awscli.amazonaws.com/AWSV2.pkg" -o "AWSV2.pkg"sudo installer -pkg AWSV2.pkg -target /aws configure

pip install boto3 # 验证 Python 环境python -c "import boto3; print(boto3.__version__)"

快速上手：5 分钟跑通第一个示例

Nova Pro 的使用是纯 API 调用流程，无需本地模型部署。最小可用流程分三步：

1. 确认模型访问已开启：在 Bedrock 控制台查看“模型访问”页面，确认 Nova Pro 状态为“已访问”。

2. 准备一个 Python 脚本，调用 Converse API 发送一条文本消息。

3. 运行脚本并检查返回的响应文本。

以下示例调用 amazon.nova-pro-v1:1，发送一条消息并打印模型回复，同时演示如何附带一张本地图片完成多模态理解。

运行成功后，你会看到模型对文本与图片分别给出的回复。进阶技巧：将 bedrock.converse 替换为 converse_stream 即可获得流式输出，适用于对话类交互场景。

import boto3 bedrock = boto3.client("bedrock-runtime", region_name="us-east-1")MODEL_ID = "amazon.nova-pro-v1:1"  # 最新版；旧版为 amazon.nova-pro-v1:0 # 纯文本对话messages = [{    "role": "user",    "content": [{"text": "用一句话解释什么是多模态大模型"}]}] response = bedrock.converse(    modelId=MODEL_ID,    messages=messages,    inferenceConfig={"maxTokens": 256, "temperature": 0.7},) print(response["output"]["message"]["content"][0]["text"]) # 多模态：附加本地图片，需以 base64 解码为 byteswith open("chart.png", "rb") as f:    image_bytes = f.read() messages = [{    "role": "user",    "content": [        {"image": {"format": "png", "source": {"bytes": image_bytes}}},        {"text": "这张图表的主要趋势是什么？"}    ]}] response = bedrock.converse(    modelId=MODEL_ID,    messages=messages,    inferenceConfig={"maxTokens": 512},)print(response["output"]["message"]["content"][0]["text"])

核心能力详解：4 大支柱

Nova Pro 是原生多模态模型（native multimodal），即文本、图像、视频在预训练阶段统一对齐，而非通过外部组件拼接。图像输入支持 png、jpeg、webp、gif 格式；视频支持 mp4、mov 等格式，最长约 30 分钟，抽样帧率建议不超过每秒 2 帧。文档理解能力体现在可解析最多 200 页的 PDF 或混排图像文本，适合财报、合同等场景。相比先 OCR 再送入文本模型的做法，原生多模态保留了版面与语义关联信息。

v1.1 版本将上下文窗口扩展至 300K token，可容纳数百页文档或多轮长对话。语言覆盖 100+ 种，对中日韩等 CJK 语言支持良好，官方评测显示其在多语言数学推理（MGSM）上达到 90.4 分。长上下文让“整本文档入库、一次性问答”成为可能，配合 Bedrock Knowledge Bases 可将 RAG 检索片段直接拼接进上下文。

Nova Pro 原生支持 function calling（工具调用），模型可输出结构化 JSON 指令触发外部 API，这一能力使其可充当 Agent 的推理核心。开发者可通过推理预算（reasoning budget：low/mid/high）控制模型“思考”深度，在低预算下获得快速响应，高预算下提升复杂任务准确率。该能力与 Bedrock Agents 配合，可构建多步骤业务自动化流程。

模型支持 temperature、topP、topK 采样参数调节，并可通过 guidance（指令变体）让同一提示词产出多版本文案。成本层面，Nova Pro 的按量价格约为输入 $0.0006/1K tokens、输出 $0.0024/1K tokens（v1.1 定价），低于同档位闭源模型。在 Nova 系列内部，Lite/Micro 更便宜更快，Premier/Prime 更强更贵，Pro 位于中间，适合作为默认主力模型。

生产部署与监控：从上线到运维

部署方式一：Amazon Bedrock 托管 API。 生产环境无需预置服务器，通过 Converse API 或 InvokeModel 直接调用。对吞吐要求稳定的业务，可在 Bedrock 控制台购买预置吞吐（Provisioned Throughput），锁定模型实例并按小时付费。API 自动完成扩缩容，调用方只需关注 IAM 权限与配额。

部署方式二：Bedrock 生态组件集成。 通过 Knowledge Bases 为模型挂接企业知识库实现 RAG；通过 Agents 编排多步骤任务并自动调用工具；通过 Guardrails 对输入输出做敏感词与 PII 过滤。批量场景可使用 Bedrock Batch Inference 对大规模文档离线处理，降本明显。

可观测性。 打开 Bedrock 模型调用日志（Model Invocation Logging），将请求与响应元数据输出到 CloudWatch Logs 与 S3；CloudWatch 指标关注 InvocationCount、InvocationLatency、TokenCount 与错误率，设置告警阈值。CloudTrail 记录 API 调用审计，Guardrails 干预事件可在控制台独立查看。

<p class="para-label">避坑清单：</p>

<ul class=“dash-list“><li>模型访问未开启：调用时报 AccessDeniedException，需在 Bedrock”模型访问”页面勾选 Nova Pro，且每个区域分别开启，IAM 角色需附 bedrock:InvokeModel 权限。</li><li>图像尺寸与 token 折算：图像按内容折算 token（一张图约等于数百至上千 token），分辨率越高成本越高，长文本场景需提前估算账单，避免只按文本 token 预估。</li><li>版本与区域差异：v1.1 并非在所有区域与 v1.0 同时可用，切换区域后模型 ID 可能需回退至 v1:0，上线前需在目标区域验证模型可用性。</li></ul>

版本迭代

Nova Pro 自 2024 年 12 月随 re:Invent 发布以来经历两轮关键升级：v1.1 聚焦指令遵循与工具调用可靠性，并按 25% 幅度下调价格；2025 年 12 月服务端将上下文从 128K 扩展至 300K，模型版本号保持 v1.1 不变。截至当前资料，最新正式版本为 v1.1。

AI 应用场景

常见误区

面试题

参考来源

• webpageAmazon Nova 产品页官方功能概述与模型家族介绍