NVIDIA na GTC Taipei v rámci COMPUTEX 2026 vydala Cosmos 3, otevřený foundation model pro fyzickou AI. Jde o první plně otevřený omnimodel, který v jediné architektuře spojuje vizuální uvažování, generování světa a predikci akcí napříč textem, obrazem, videem, zvukem i pohybem.
Cílem je robotika, autonomní vozidla a vision AI. Tedy systémy, které musí chápat nejen co vidí, ale i co se stane vzápětí.
Dosavadní generace Cosmosu rozdělovaly generování světa, porozumění scéně a tvorbu akcí mezi samostatné modely. Cosmos 3 to slévá dohromady. Architektura Mixture-of-Transformers staví na dvou věžích: reasoner tower je vision-language model, který autoregresivně interpretuje vstupy a chápe pohyb i interakce objektů, generator tower pak difuzním procesem dotváří fyzikálně podložené video a akce. Model tedy nejdřív přemýšlí, teprve potom generuje. Vývojáři díky tomu nemusí ladit orchestraci mezi několika modely a inferenčními pipeline.
Dvě velikosti, třetí na cestě
NVIDIA nabízí Cosmos 3 ve dvou variantách. Nano má 16 miliard parametrů (8B reasoner plus 8B generator) a je optimalizované pro efektivní běh na výkonných pracovních stanicích, třeba s kartou RTX PRO 6000. Super má 64 miliard parametrů (32B plus 32B), míří na velkoškálovou tvorbu syntetických dat a běží na čipech Hopper a Blackwell.
Třetí varianta, Cosmos 3 Edge pro inferenci v reálném čase přímo na okraji sítě, se teprve připravuje.
Smysl celé sady je praktický. Trénovat roboty a autonomní auta naživo je drahé a nebezpečné. World foundation modely umožňují generovat realistická syntetická data, na kterých se systémy učí bezpečně a ve velkém měřítku, ještě před nasazením do provozu. Cosmos 3 zvládne vygenerovat budoucí scénáře z textu, obrazu nebo videoklipu, včetně vzácných a kolizních situací, které se v reálu těžko zachytávají.
Otevřený model a nová koalice
Cosmos 3 Super i Nano jsou dostupné už teď na Hugging Face, post-training skripty leží na GitHubu. Model běží pod licencí OpenMDW 1.1 od Linux Foundation a je určený pro komerční i nekomerční použití. K červnu 2026 měl repozitář na GitHubu kolem 8,7 tisíce hvězd.
Spolu s vydáním NVIDIA spustila Cosmos Coalition, společnou iniciativu s partnery jako Black Forest Labs, Runway, LTX, Generalist, Agile Robots a Skild AI. Členové mají do otevřených world modelů přispívat vlastními modely, výzkumem i evaluačními technikami.
Jeden háček tu ovšem je. Plausibilně vypadající video pořád může porušovat geometrii senzorů nebo chování ostatních účastníků provozu. Přenositelnost robotické policy mezi úlohami zůstává tvrdým oříškem, na kterém otevřenost modelu sama o sobě nic nemění.
