Aws logo

Nova 2.0 Lite (medium) – Benchmarks, Preise & Intelligence-Analyse

Nicht auf LLMBase verfügbar

Nova 2.0 Lite (medium) ist derzeit nicht in LLMBase Chat oder über die LLMBase Inference API verfügbar. Benchmarks, Preise und Modelldetails bleiben für Recherche und Vergleiche sichtbar.

Eingabepreis$0.30/1M tokens
Ausgabepreis$2.50/1M tokens
Intelligenz19.0
CodingN/A

Spezifikationen

Technische Details und Preise.

AnbieterAws
KontextfensterN/A
Veröffentlichungsdatum29. Okt. 2025
ModalitätenText
VerfügbarkeitNicht verfügbar

Benchmarks

10 Benchmark-Scores von Artificial Analysis.

GPQA76.8%
MMLU Pro81.3%
HLE8.6%
LiveCodeBench66.3%
AIME 202588.7%
SciCode36.8%
LCR58.3%
IFBench68.5%
Tau275.7%
TerminalBench Hard17.4%

Composite Indices

Higher is better; speed and price are normalized

Standard Benchmarks

Only benchmarks with data are shown

EU-Hosted Inference API

Power your AI projects with the best open-source models.

Drop-in OpenAI-compatible API. No data leaves Europe.

Explore Inference API

MiniMax

MiniMax M3

$0.40 / $1.40

per M tokens

Z.ai

GLM 5.2

$1.40 / $4.40

per M tokens

MoonshotAI

Kimi K2.7 Code

$0.95 / $4.00

per M tokens

DeepSeek

DeepSeek V4 Pro

$1.80 / $3.60

per M tokens

Häufig gestellte Fragen

Wofür eignet sich Nova 2.0 Lite (medium)?

Nova 2.0 Lite (medium) hat auf dieser Seite derzeit Benchmark- und Preisdaten. Laufzeitdaten erscheinen später, sobald ein Modellkatalog-Eintrag verfügbar ist.

Wie viel kostet Nova 2.0 Lite (medium)?

Die Abrechnung erfolgt nutzungsbasiert. Aktuell kostet die Eingabe $0.30/1M tokens und die Ausgabe $2.50/1M tokens.

Ist Nova 2.0 Lite (medium) bereits in LLMBase Chat verfügbar?

Auf dieser Seite noch nicht. Wir fügen Chat- und Inference-Aktionen automatisch hinzu, sobald ein exakter Katalogeintrag für Nova 2.0 Lite (medium) existiert.

Unterstützt Nova 2.0 Lite (medium) Bilder oder Audio?

Nova 2.0 Lite (medium) ist vor allem für textbasierte Aufgaben ausgelegt.

Benchmarks und Preise nutzen, sofern verfügbar, Artificial Analysis. Katalog-Spezifikationen dienen als Fallback.