Primäre Verwendung angegeben oder vorsichtig aus offizieller Dokumentation abgeleitet.
N
NVIDIA / nvidia/Cosmos3-Nano-Transfer-Auto
Cosmos3-Nano-Transfer-Auto
Bidirektionales NVIDIA-Modell zur Generierung von Fahrszenen mit synchronisiertem Mehransichten-Video und LiDAR. Es wurde am 20. Oktober 2026 veröffentlicht und kombiniert Text, WSM-Weltsteuerdaten und ein optionales Ausgangsbild. Unterstützt werden bis zu elf Standard- oder Fischaugenkameras und bis zu 300 Frames pro Ansicht. Dies ist Batch-Generierung, nicht das kausale Simulationsmodell Sim-Auto.
01 / ZUSAMMENFASSUNG
Das Wesentliche
Maximale Eingabekapazität bei Veröffentlichung durch die Quelle.
Dokumentierte maximale Erzeugungsgrenze.
Verifizierte Verfügbarkeitskanäle.
Primäre Funktionsfamilie und verifizierte Spezialisierungen.
Deklarierte Bedingungen für API, Gewichte oder Self-Hosting.
02 / TECHNISCHES DATENBLATT
Limits und Integration
| API-ID | nvidia/Cosmos3-Nano-Transfer-Auto |
|---|---|
| Modelltyp | Robotik · Video · Multimodal |
| Zugangsmodell | Offene Gewichte |
| Lizenz | OpenMDW 1.1 |
| Einsatz | Selbst gehostet |
| Veröffentlichung | 20 OCT 2026 |
| Wissensstichtag | Nicht veröffentlicht |
| Eingang | Text · Bild · Video · LiDAR |
| Ausfahrt | Video · LiDAR |
| Kontextfenster | Text, WSM-Steuerdaten und optionale visuelle Referenz |
| maximale Leistung | Bis zu 11 Kameras; 300 Frames pro Ansicht; 480p oder 720p |
| Schlussfolgern | Nicht veröffentlicht |
| Veröffentlichte Tools | |
| Strukturierte Ausflüge | Mehransichten-Video und LiDAR; zur LiDAR-Erzeugung sind ausgerichtete LiDAR-Steuerdaten erforderlich. |
| Stapelverarbeitung | Nicht veröffentlicht |
| Prompt-Cache | Nicht veröffentlicht |
| Feinabstimmung | Nicht veröffentlicht |
| Verifizierte Plattformen | Hugging Face · PyTorch |
Synthetische Fahrdaten mit unterschiedlichen Wetter-, Licht- und Umgebungsbedingungen. WSM-Steuerdaten umfassen Fahrspuren, Schilder, Ampeln und Quader. Die Ausgabe unterstützt 480p oder 720p und eine Wiedergabe mit 10 bis 30 fps. Bewahre die Konsistenz zwischen Kameras, LiDAR, Kalibrierung und Annotationen; realistische Bilder garantieren keine Eignung zur Erkennung von Hindernissen im Straßenverkehr.
Der Vergleich mit Cosmos-Transfer2.5 verwendet unterschiedliche Prompts und belegt keine Überlegenheit unter identischen Bedingungen. Auch T2V- und I2V-Ergebnisse müssen getrennt bleiben. Wir übertragen die Leistung der kausalen Version nicht auf diese bidirektionale Variante. Prüfe seltene Szenarien, Geometrie, Synchronisierung und Vielfalt, bevor synthetische Daten in Fahrsysteme einfließen.
03 / FÄHIGKEITEN
Was es kann
Orientierung
Synthetische Fahrdaten mit unterschiedlichen Wetter-, Licht- und Umgebungsbedingungen. WSM-Steuerdaten umfassen Fahrspuren, Schilder, Ampeln und Quader. Die Ausgabe unterstützt 480p oder 720p und eine Wiedergabe mit 10 bis 30 fps. Bewahre die Konsistenz zwischen Kameras, LiDAR, Kalibrierung und Annotationen; realistische Bilder garantieren keine Eignung zur Erkennung von Hindernissen im Straßenverkehr.
Kontext
Text, WSM-Steuerdaten und optionale visuelle Referenz · Bis zu 11 Kameras; 300 Frames pro Ansicht; 480p oder 720p
Tools und Integration
Nicht veröffentlicht
Zugang
Hugging Face · herunterladbarer Checkpoint
Eingabemodalitäten
TextBildVideoLiDAR
04 / PREISE
Dokumentierte Kosten
| Konzept | Wert | Einheit/Zustand |
|---|---|---|
| Standardeingabe | Kein offizieller API-Preis veröffentlicht | Standardtarif der API |
| Eingabe aus dem Cache | Nicht veröffentlicht | Lesen wiederverwendeter Präfixe |
| Schreiben oder Speichern im Cache | Nicht veröffentlicht | Die Bedingung variiert je nach Anbieter |
| Standardausgabe | Kosten der eigenen Infrastruktur | Kann Reasoning-Tokens enthalten |
| Batch-Eingabe | Nicht veröffentlicht | Asynchrone Verarbeitung |
| Batch-Ausgabe | Nicht veröffentlicht | Asynchrone Verarbeitung |
Öffentlicher Checkpoint mit 16B Parametern für die eigene Infrastruktur. Wir haben weder einen kommerziellen Endpunkt noch Tokenpreise verifiziert; die numerischen Kostenfelder bleiben leer. Herunterladbare Gewichte machen die Inferenz nicht kostenlos. Plane GPU, Speicher, Videokodierung und Betrieb ein und prüfe die Lizenz jeder Variante sowie ihrer Abhängigkeiten. Die Bildrate bei der Wiedergabe entspricht nicht dem Generierungsdurchsatz.
i Die Preise ändern sich und können von Level, Region oder Kontextlänge abhängen. Überprüfen Sie die Quelle, bevor Sie eine Entscheidung treffen.
05 / BEWERTUNGEN
So lesen Sie die Ergebnisse
“
Der Datensatz Driving Simulation Evaluation misst die RGB-Qualität mehrerer Ansichten und die LiDAR-Generierung. Wir erfassen FID und FVD-I3D für T2V und I2V mit Guidance 3 und behalten den Modus in jeder Bezeichnung bei. Bei beiden sind niedrigere Werte besser. Es handelt sich um Anbieterergebnisse bei 720p, nicht um Unfallraten oder einen Nachweis der Verkehrssicherheit. Inferama hat das Experiment nicht reproduziert.
| Benchmark | Ergebnis | Metrik | Quelle |
|---|---|---|---|
| Cosmos3 Driving T2V CFG3 FID ↓ | 45,5 | Punktzahl | Quelle öffnen ↗ |
| Cosmos3 Driving T2V CFG3 FVD-I3D ↓ | 488 | Punktzahl | Quelle öffnen ↗ |
| Cosmos3 Driving I2V CFG3 FID ↓ | 27,8 | Punktzahl | Quelle öffnen ↗ |
| Cosmos3 Driving I2V CFG3 FVD-I3D ↓ | 238 | Punktzahl | Quelle öffnen ↗ |
Inferama hebt nur dann ein „bestes Ergebnis“ hervor, wenn Metrik, Testsatz, Konfiguration und Datum einen gleichwertigen Vergleich ermöglichen. Die Zahlen des Lieferanten werden als Angaben aus eigener Quelle dargestellt.
06 / VERSIONEN
Chronologie
Cosmos3-Nano-Transfer-Auto
In den verifizierten Katalog von Inferama aufgenommene Version.
07 / QUELLEN