概览
Cosmos 3 Super 是 NVIDIA Cosmos 3 物理 AI 世界基座模型家族里的 64B 旗舰档。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-Super 的可训练参数为 64B（页面底部另显示 Model size 65B params），开发者是 NVIDIA，权重按 Linux Foundation 的 OpenMDW 1.1 授权，商用与非商用均可；Hugging Face 与 GitHub 的发布日期都是 2026 年 5 月 31 日，与同系列 Nano 相同。官方文档的 Model Matrix 把它放在 Nano（16B，偏速度与画质平衡）和 Edge（4B，偏端侧实时机器人）之上：推荐硬件是数据中心级的 H200、B200 或 GB200，输入为文本、图像、视频和动作，输出为文本、图像、视频、声音和动作，适合高质量合成数据生成，也可当作教师模型。NVIDIA 产品页补充，Super 在物理精度和生成质量上最好，并随前沿算力扩展。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，以及正向动力学与逆动力学的动作轨迹，并列出相机运动、自动驾驶、灵巧臂等多种 embodiment。部署可走 Cosmos Framework、NVIDIA NIM、vLLM-Omni、Diffusers、SGLang 等，模型卡只测试了 BF16。vLLM-Omni 给出的参考配置是在 8 张 H200、H100 或 A100 上服务；50 step 的视频生成在 H200 上大约 55 秒。本站已收录同系列的 Cosmos 3 Nano。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-Super 、https://huggingface.co/collections/nvidia/cosmos3 （2026-11-09 00:20 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
- 64B
- 许可说明
- 开源 · OpenMDW 1.1
能力
- 64B 旗舰档：官方 Model Matrix 把它放在 Nano（16B）和 Edge（4B）之上，偏高质量合成数据与教师模型
- 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
- 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
- 推荐硬件为数据中心 H200、B200 或 GB200；vLLM-Omni 参考配置为 8 张 H200/H100/A100
- 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
