NVIDIA Cosmos 3: modelos de mundo abiertos como base para la IA física

NVIDIA ha anunciado Cosmos 3, un omni-modelo fundacional de IA física de código abierto construido sobre una arquitectura de mezcla de transformadores, que combina razonamiento visual, generación de mundos y predicción de acciones, permitiendo a los desarrolladores usar una única familia de modelos para comprensión de escenas, generación de datos sintéticos, simulación de estados futuros y construcción de modelos de acción mundiales especializados. La familia incluye Cosmos 3 Super (64B) para modelado mundial de alta fidelidad, Cosmos 3 Nano (16B) para razonamiento eficiente y post-entrenamiento, y Cosmos 3 Edge (4B) para razonamiento visual en dispositivo y despliegue de políticas robóticas, desplegables en GPUs NVIDIA RTX, sistemas DGX y plataformas Jetson. Según los benchmarks, Cosmos 3 ocupa el puesto número 1 en Artificial Analysis para generación de texto a imagen y de imagen a vídeo de pesos abiertos, en PAI-Bench para generación de mundos, y en la categoría de imagen a vídeo de Physics-IQ, y para políticas robóticas ocupa el puesto número 1 en RoboLab, y Cosmos 3 Super es el modelo abierto mejor clasificado en VANTAGE-Bench para comprensión visual. Los modelos fundacionales de mundo de NVIDIA Cosmos están disponibles bajo la licencia OpenMDW 1.1 de Linux Foundation, permitiendo a los equipos post-entrenar modelos con sus propios datos y hardware. El stack de IA física de NVIDIA también incluye Isaac GR00T para robótica, Alpamayo para vehículos autónomos y Metropolis para IA de visión. Empresas como Doosan Robotics, LG Electronics, Samsung Electronics, Skild AI, Li Auto, Xiaomi, Afari, Centific, Fogsphere, Linker Vision, Milestone Systems y Yuan están construyendo sobre NVIDIA Cosmos para aplicaciones de IA física. La Coalición NVIDIA Cosmos, recientemente expandida a Japón, reúne a constructores de modelos mundiales, desarrolladores de IA y líderes de IA física para contribuir con modelos, investigación y métodos de evaluación.