NVIDIA Developer视频
NVIDIA 推出 Cosmos 3：统一物理AI多模态模型
9.2Score
可直接观看的视频资源打开原视频
TL;DR · AI 摘要
NVIDIA 推出 Cosmos 3，首个融合语言、视频、声音与动作的多模态统一模型，采用 Mixture of Transformer 架构，支持开源定制与边缘部署，已在多项物理AI基准测试中登顶。
核心要点
- Cosmos 3 是首个整合语言/视频/声音/动作输入输出的 omni 模型，基于 Mixture of Transformer 架构。
- Super 版本在物理 AI 任务中表现卓越，Nano 版适合边缘设备部署，模型权重已开放于 Hugging Face。
- Cosmos 3 在 Vintage、TA、PiBench、Robo Lab 等多个物理 AI 基准中排名第一，支持开发者自定义训练与推理。
结构提纲
按章节快速跳转。
思维导图
用一张图看清主题之间的关系。
查看大纲文本（无障碍 / 无 JS 友好）
- NVIDIA Cosmos 3：统一物理AI多模态模型
- 核心架构
- Mixture of Transformer
- 双塔设计：自回归 + 扩散
- 版本策略
- Super 模型：高精度物理AI任务
- Nano 模型：边缘设备部署
- 性能表现
- Robo Lab 政策评估第一
- PiBench / Vintage / TA 基准榜首
- 开源图像到视频生成第一
- 开源生态
- Hugging Face 开源权重
- GitHub 示例代码与训练脚本
金句 / Highlights
值得收藏与分享的关键句。
Cosmos 3 是首个融合语言、视频、声音和动作的 omni 模型，支持双向输入输出，架构上结合自回归与扩散机制。
模型在 Robo Lab 政策评估中排名第一，在 PiBench 和 Vintage 基准测试中均获最高分，证明其物理理解能力领先。
NVIDIA 提供 Super 与 Nano 两种版本，前者用于高性能物理 AI 任务，后者适配边缘设备，降低部署门槛。
#NVIDIA#物理AI#多模态模型#Mixture of Transformer#开源模型