概览
Cosmos 3 Nano 是 NVIDIA Cosmos 3 物理 AI 世界基座模型家族里的 16B 平衡档。官方把 Cosmos 3 称为第一代能统一理解并生成文本、图像、视频、环境声和动作的全能模型（omni-model），用 Mixture-of-Transformers 把更早 Cosmos 2 / 2.5 里分开的感知与生成收成一套：一边用自回归 Transformer 产出离散文本，一边用扩散 Transformer 生成图像、视频、音频和动作。Hugging Face 模型卡写明 Cosmos3-Nano 于 2026 年 5 月 31 日随系列发布，可训练参数 16B，开发者是 NVIDIA，权重按 Linux Foundation 的 OpenMDW 1.1 授权。官方文档的 Model Matrix 把 Nano 放在 Super（64B）和 Edge（4B）之间，推荐硬件是 RTX PRO 6000、H100 或 B200 这一类数据中心/工作站卡，适合在速度和画质之间做后训练与专项化；NVIDIA 产品页补充，它被设计成能在 NVIDIA DGX Station 上较快做后训练。推理侧，模型卡给出 Reasoner 最长 256K token 上下文；生成侧可做文生视频、图生视频、带声音的视频，以及正向动力学 / 逆动力学的动作轨迹，并列出若干已支持的机器人/自动驾驶 embodiment。部署可走 Cosmos Framework、NVIDIA NIM、vLLM-Omni、Diffusers、SGLang 等。本站此前没有 Cosmos 系列条目，本条先录 Nano 作为默认入门/平衡档，厂家挂已有的 NVIDIA，不新建厂家。官方来源：https://www.nvidia.com/en-us/ai/cosmos/ 、https://docs.nvidia.com/cosmos/latest/cosmos3/model_matrix.html 、https://huggingface.co/nvidia/Cosmos3-Nano 、https://huggingface.co/collections/nvidia/cosmos3 （2026-11-08 18:20 Asia/Shanghai 核对）。 定价：开源权重可自托管，本轮未在官方页抽出 NIM 或其他托管 API 的按 token / 按次标价，价格字段留空。
- 模态
- 多模态
- 参数量
- 16B
- 许可说明
- 开源 · OpenMDW 1.1
能力
- 16B 平衡档：官方 Model Matrix 把它放在 Super（64B，偏高质量合成数据）和 Edge（4B，偏端侧实时机器人）之间
- 全能模态：同一套权重理解并生成文本、图像、视频、环境声和动作（Edge 官方表不输出音频；Nano 可输出声音）
- Mixture-of-Transformers：自回归 Transformer 出离散文本，扩散 Transformer 生成图像、视频、音频和动作
- Reasoner 最长 256K token 上下文；生成侧可做文生视频、图生视频、带声音的视频，以及正/逆动力学动作轨迹
- 推荐硬件为 RTX PRO 6000、H100 或 B200 等工作站/数据中心卡；可在 NVIDIA DGX Station 上较快做后训练
- 部署可走 Cosmos Framework、NVIDIA NIM、vLLM-Omni、Diffusers、SGLang；模型卡测试精度为 BF16
- 权重按 OpenMDW 1.1 授权，商用与非商用均可
