近日，NVIDIA在中国台湾举办的GTC Taipei大会上正式发布了面向物理AI的下一代基础模型“Cosmos 3”。该模型专为机器人、自动驾驶汽车及视觉AI代理的开发而设计，首次将视觉推理、世界生成与行为预测三大能力整合于单一架构之中。

据了解，Cosmos 3采用创新的Mixture-of-Transformers（MoT）架构，结合了负责推理的自回归塔与负责生成视频及动作的扩散塔，实现了对文本、图像、视频、环境音和动作的多模态输入输出。NVIDIA称其为“全球首个完全开源的Omni模型”。

根据用途，Cosmos 3提供三种版本：拥有320亿参数的Cosmos 3 Super，适用于高精度物理仿真的后训练；80亿参数的Cosmos 3 Nano，支持亚秒级高速推理；以及面向边缘设备实时推理的Cosmos 3 Edge（即将推出）。

在多个物理AI基准测试中，该模型在世界生成精度、行为策略及视觉理解等维度均位列开源模型榜首。

此外，NVIDIA还同步宣布成立“Cosmos Coalition”联盟，成员包括Agile Robots、Black Forest Labs、Runway等六家企业，共同推进开放世界模型的发展。Cosmos 3现已可从Hugging Face下载，并在build.nvidia.com平台提供试用。（新闻来源：moguravr、VRAR星球编译）

商务合作：13146398132

媒体合作：13341147250

爆料投稿：editor@vrarworld.cn

版权声明：本文为VRAR星球原创，任何单位及个人未经授权不得转载，否则将依法追究侵权责任。

如需转载请联系13341147250 / editor@vrarworld.cn 申请授权，转载时请注明来源并保留VRAR星球原文链接。

本文部分图片及视频来源于互联网，如涉及侵权请联系我们删除。