Nova 2.5 Sonic が東京リージョンで GA、料金は Nova 2 Sonic と同じ

Amazon Bedrock の speech-to-speech モデル Amazon Nova 2.5 Sonic が一般提供になった。AWS の What’s New への掲載は2026年10月5日。提供リージョンは US East (N. Virginia)、US West (Oregon)、Europe (Stockholm)、Asia Pacific (Tokyo) の4つで、料金は Nova 2 Sonic と同じだと発表に書かれている。国内リージョンで音声エージェントを動かしたいチームにとっては、東京が最初から提供先に入っている点が実務にいちばん近い。

改善の幅は数字では示されていない。発表が挙げるのは推論、指示追従、ツール呼び出しの精度、遅延の改善で、ベンチマークの値や遅延のミリ秒は載っていない。同じ料金設定でも、会話ごとの利用量や総費用が変わらないとは限らない。乗り換えの判断は、自分の会話シナリオで品質・応答時間・利用量を比べて決めたい。

2.5 で手が入ったのは会話の「中身」と速さ

発表文が今回の改善として並べているのは次の4点だ。

• 推論（improved reasoning）
• 指示追従（instruction following）
• ツール呼び出しの精度（tool-calling accuracy）
• 遅延の低下（lower latency）

AWS はこれらの改善で、音声エージェントが文脈を保ち、複数ステップの指示に従い、接続したツールを使って顧客のタスクを完了できるようになると説明している。例として挙がっているのはカスタマーサービスの場面で、会話の途中で注文を照会し、返品の可否を確かめ、返品手続きを開始するまでを一つの会話の中で進める。想定用途はカスタマーサービス、個人向けの AI アシスタント、リアルタイムの対話アプリケーションだ。

この例は、ツールを順番に何度も呼ぶ会話を想定している。電話窓口の自動化のように、一回の会話で複数の業務システムを叩く構成を作っているなら、改善点のうちツール呼び出しの精度と指示追従がそのまま効く領域になる。どの程度効くかは、発表に数値がない以上、手元のシナリオで測るしかない。

前から使える機能との境目

発表は、次の機能を「既存の機能の上に積んだ」ものとして並べている。今回新しく加わったものとは読まない方がよい。

• 堅牢な音声理解
• 7言語の表現力のある音声
• 制御可能なターンテイキング
• 同じセッションでの音声とテキストの併用
• 非同期のツール呼び出し
• 256K のコンテキストウィンドウ

非同期ツール呼び出しと 256K のコンテキストは、発表では既存機能として扱われている。7言語がどの言語なのかは発表文に列挙されておらず、日本語が含まれるかはこの発表からは判断できない。日本語の音声で応対するエージェントを作るなら、ここは導入前に必ず確かめたい。

Strands Bidi Agents も一般提供に

同じ発表で、Strands Bidi Agents の一般提供も告知された。AWS は、Nova 2.5 Sonic と組み合わせると数行のコードで本番向けの音声エージェントを作れるとし、より長い会話と他のエージェントへの接続を挙げている。Nova 2.5 Sonic と Strands Bidi Agents で音声エージェントを作るブログも、発表から案内されている。

Strands の公式解説では、音声モデルの接続時間の上限に合わせ、会話の区切りで接続を更新して文脈を引き継ぐ仕組みが説明されている。同時 GA だけで本番移行を決めず、長い会話での再接続、割り込み、業務ツールの動作を検証したい。アプリケーション自体の再起動後に会話を復元する機能は、接続更新とは別に設計する必要がある。

Nova 2 Sonic を使っているチームの判断

料金設定は同じだと発表されている。実際の請求額まで同じとは限らないため、導入条件と会話ごとの利用量を合わせて判断する。

1. リージョン: 発表に挙がっているのは4リージョンだけ。それ以外のリージョンで動かしているなら、今回の発表の範囲では 2.5 は選べない。
2. 日本語対応: 7言語の内訳を確認し、自分の利用言語が入っているかを見る。
3. 自分のシナリオでの比較: 複数ステップのツール呼び出しを含む会話を、Nova 2 Sonic と 2.5 で同じ条件で流し、完了率と応答の速さ、利用量を比べる。

発表は Nova 2 Sonic の提供終了には触れていない。今日の時点で急いで移る理由は発表からは読み取れず、上の三つを確かめてから切り替えれば足りる。