Cosmos 3

Cosmos 3 to otwarty model fundamentowy świata (world foundation model) wydany przez NVIDIA na konferencji GTC Taipei podczas COMPUTEX 2026 (31 maja 2026). Jest pierwszym omni-modelem rodziny Cosmos z natywnym rozumowaniem, generacją świata i generacją akcji w jednej architekturze opartej na Mixture of Transformers (osobne bloki transformera dla rozumowania i generacji).

Model przetwarza i generuje dane w modalnościach: tekst, obraz, wideo, dźwięk otoczenia oraz akcje (wartości numeryczne — kąty stawów, pozycje chwytaka, trajektorie). Native action generation pozwala wykorzystywać Cosmos 3 jako bazę World Action Model (WAM) do post-treningu polityk robotycznych.

Rodzina obejmuje warianty: Cosmos 3 Super (65B parametrów, najwyższa dokładność fizyki, do post-treningu robotów i pojazdów autonomicznych), Cosmos 3 Nano (16B, lekki, zoptymalizowany pod szybkie wnioskowanie i polityki) oraz zapowiedziany Cosmos 3 Edge (wariant on-device, w przyszłości). Dodatkowe warianty na Hugging Face: Cosmos3-Super-Image2Video, Cosmos3-Super-Text2Image, Cosmos3-Nano-Policy-DROID.

Wagi i kod udostępnione są na licencji OpenMDW 1.1 (Linux Foundation), pozwalającej na trening, modyfikacje, redystrybucję i wdrożenie. Cosmos 3 Nano post-trained zajął pierwsze miejsce na leaderboardach RoboLab i RoboArena, a warianty Cosmos 3 prowadzą na otwartych leaderboardach Artificial Analysis, Physics-IQ, R-Bench, PAI-Bench, VANTAGE-Bench oraz TAR challenge. Zastosowania: trening polityk robotów, generowanie danych syntetycznych, symulacja środowisk dla pojazdów autonomicznych, agenci wideo do analityki przemysłowej.