Nvidia выпустила Cosmos 3 Super и Nano — две новые открытые модели мира на архитектуре MoE

Введение

Nvidia на конференции Computex 2026 выпустила новое семейство открытых мультимодальных ИИ-моделей мира Cosmos 3 с поддержкой генерации текста, изображений, видео, звуков и распознаванием окружающей среды. Флагманская версия Cosmos 3 Super насчитывает 64,6 миллиарда параметров и нацелена на приложения с высокими требованиями к физической достоверности — пост-тренировочную робототехнику и автономное вождение. Компактная Cosmos 3 Nano с 15,7 миллиарда параметров оптимизирована для низкой задержки и пригодна для генерации высококачественного видео и анализа действий в реальном времени. Обе версии уже выложены на Hugging Face, доступны через build.nvidia.com и разворачиваются как микросервисы NIM. В ближайшее время ожидается выход версии Edge, заточенной под локальный инференс на потребительских устройствах.

Подробнее о Cosmos 3

Ключевая особенность Cosmos 3 — архитектура Mixture of Transformers, которая позволяет модели обрабатывать разнородные модальности, не распыляя вычислительные ресурсы на каждую задачу. Модель обучалась как генеративная система, способная по любому набору входных данных (текст, кадры, звук) достраивать реалистичные продолжения — будь то следующий кадр в видеоряде, звуковое сопровождение или цепочка управляющих команд. В версии Super упор сделан на физическую точность симуляций, что критически важно для обучения роботов и валидации алгоритмов автопилота без дорогостоящих испытаний. Nano, напротив, жертвует частью этой точности ради скорости, позволяя, например, в реальном времени анализировать действия человека или генерировать видеопоток высокого качества с минимальной задержкой.

Разработчики могут загружать веса, дообучать модели Cosmos 3 на собственных данных и адаптировать ее под узкие доменные задачи, в том числе превращая в проприетарные решения благодаря полностью открытой лицензии NVIDIA Open Model License. При этом, NIM-микросервисы Nvidia упрощают развертывание моделей в облаке и на серверах, а анонсированная Edge-версия позволит запускать модель на легких локальных системах без постоянного подключения к интернету. Поддержка звуковых модальностей добавляет еще один срез данных: модель способна генерировать реалистичные шумы, соответствующие физической сцене, что востребовано в симуляторах и виртуальных средах.

Выводы

С выпуском Cosmos 3 NVIDIA пытается занять ту же роль в физическом ИИ, которую ее GPU заняли в обучении нейросетей — роль базовой инфраструктуры, без которой невозможно двигаться дальше. Открытость моделей Super и Nano снижает порог входа для стартапов и исследовательских групп, позволяя им не разрабатывать собственные симуляционные движки с нуля, а использовать готовую систему, которую можно гибко настроить под конкретную задачу.