Amazon Nova Act

是什么

Amazon Nova Act 是亚马逊于 2025 年 3 月 31 日推出的 AI 模型，训练目标是直接在网页浏览器里执行操作，而不只是在对话里描述操作。^[1]与模型一同发布的还有 Nova Act SDK 的研究预览版，通过 nova.amazon.com 提供，让开发者可以试着搭建代替用户点击、输入和翻页的智能体（agent）。^[1][2]

怎么工作

SDK 的设计思路是把流程拆小。开发者不指望模型一口气完成整条工作流，而是把它拆成一条条原子命令——搜索商品、完成结账、回答关于当前屏幕的问题——由模型逐条处理。^[1]由于这些命令就是普通的 Python 调用，开发者可以把自家代码和浏览器操作交错编排：从页面里读出一个值，在 Python 里判断分支，再把智能体送回浏览器。^[1]

这种拆分也决定了调试方式：每一步都是一次可以单独检查、单独重试的调用，出错时能定位到具体哪一步，而不是面对一整段全部失败的自动化脚本。用代码负责事先就能确定的控制流、用模型处理无法预知的页面，是这套 SDK 一个明显的取向。

SDK 还能把能力延伸到浏览器之外：它可以通过 API、远程 MCP，或 Strands Agents 这类智能体框架调用外部工具，让浏览器智能体成为更大系统里的一个部件。^[3]在基础设施一侧，AWS 的产品页称该服务由定制的 Nova 2 Lite 模型驱动，并与 Amazon Bedrock AgentCore、CloudWatch 和 IAM 集成，其中 IAM 关系到企业部署里的权限与审计。^[2]SDK 代码库以 Apache-2.0 许可证发布，并提示 3.0 以前的版本已不再支持。^[3]

评测成绩

亚马逊主张专门为浏览器操作训练模型的理由，是通用模型在这类任务上不够稳。公司称，在衡量浏览器高层任务的基准上，当前最好的模型得分只有 30% 到 60%。^[1]

在更窄的「定位元素」任务上——也就是在页面上找到并认出某个元素，Nova Act 给出的数字有竞争力。在 ScreenSpot Web Text 上，亚马逊测得 Nova Act 为 0.939，Claude 3.7 Sonnet 为 0.900，OpenAI CUA 为 0.883。^[1]在 ScreenSpot Web Icon 上，Nova Act 得 0.879；在 GroundUI Web 上得 0.805，低于 Claude 3.7 Sonnet 的 0.825。^[1]

这些基准衡量的只是「看不看得准页面」，并不等于整条任务能不能做成，因此这组数字更适合看作能力的一块拼图，而不是完整结论。

在发展中的位置

Nova Act 不只是研究产物。亚马逊称它已经在 Alexa+ 内部使用：当已接入的服务拿不到所需的 API 时，由它去浏览互联网完成任务——也就是任务在网页上能做、却没有以编程接口形式开放的那类情况。^[1]

这个落点说明了设计取向：浏览器智能体是长尾网站与服务的兜底层，这些站点大概不会为每一种需求都提供 API。以模型加 SDK 的形式发布、采用 Apache-2.0 许可证、并与 Bedrock AgentCore、CloudWatch、IAM 打通，把 Nova Act 放进了亚马逊整体的智能体工具链里，而不是做成一个孤立的成品。^[2][3]