NVIDIA lanzó Cosmos 3, un modelo de fundación de mundo de código abierto para IA física construido en una arquitectura de mezcla de transformadores que combina razonamiento de visión, generación de mundo y predicción de acción en un único sistema. El modelo está disponible en tres tamaños bajo la licencia OpenMDW-1.1 de la Fundación Linux: Cosmos 3 Super (64B parámetros) para modelado de mundo de alta fidelidad, Cosmos 3 Nano (16B) para razonamiento eficiente e implementación, y Cosmos 3 Edge (4B, anunciado pero aún no lanzado) para robótica en dispositivo e inferencia de borde. El modelo fue entrenado en 20 billones de tokens de datos multimodales, incluyendo casi 1 mil millones de imágenes, 400 millones de videos, audio ambiental y trayectorias de acción de robot.
Cosmos 3 ocupa el puesto #1 en Artificial Analysis para generación de texto a imagen e imagen a video de pesos abiertos, lidera PAI-Bench para generación de mundo y Physics-IQ para imagen a video, y ocupa el puesto #1 en RoboLab para política de robot. Cosmos 3 Super también es el modelo de código abierto mejor clasificado en VANTAGE-Bench para comprensión de visión en metraje de cámara fija en almacén, transporte y espacios inteligentes. A diferencia de modelos de fundación anteriores solo de video, Cosmos 3 genera de forma nativa señales de acción de robot—ángulos de articulación, posiciones de pinza, puntos de trayectoria—permitiendo entrenamiento de política directo y generación de datos sintéticos para sistemas de IA encarnados.
NVIDIA lanzó la NVIDIA Cosmos Coalition, una colaboración global con líderes de robótica e IA incluyendo Agile Robots, Black Forest Labs, Generalist, LTX, Runway y Skild AI para contribuir modelos, investigación y métodos de evaluación. Los desarrolladores pueden entrenar previamente Cosmos 3 en datos y hardware propietarios, y los socios de implementación incluyendo Baseten, CoreWeave, Microsoft Azure y Deep Infra ofrecen inferencia contenedorizada. Para arquitectos, Cosmos 3 ofrece un modelo unificado único reemplazando canalizaciones separadas para razonamiento de mundo, simulación y entrenamiento de política—reduciendo ciclos de desarrollo de meses a días.