Uso principal declarado o inferido con cautela desde la documentación oficial.
N
NVIDIA / nvidia/Cosmos3-Nano-Sim-Auto
Cosmos3-Nano-Sim-Auto
Variante causal destilada de Cosmos3-Nano-Transfer-Auto, publicada por NVIDIA el 20 de octubre de 2026 para simulación de conducción en bucle cerrado. Produce vídeo multivista y LiDAR sincronizados a partir de controles y texto. Soporta hasta once cámaras. La capacidad de responder a controles durante una secuencia la distingue del generador bidireccional, pero no constituye una política de conducción autónoma.
01 / RESUMEN
Lo esencial
Capacidad máxima de entrada cuando la fuente la publica.
Límite máximo de generación documentado.
Canales de disponibilidad verificados.
Familia funcional principal y especialidades verificadas.
Condiciones declaradas para API, pesos o despliegue propio.
02 / FICHA TÉCNICA
Límites e integración
| ID de API | nvidia/Cosmos3-Nano-Sim-Auto |
|---|---|
| Tipo de modelo | Robótica · Vídeo · Multimodal |
| Modelo de acceso | Pesos abiertos |
| Licencia | OpenMDW 1.1 |
| Despliegue | Despliegue propio |
| Lanzamiento | 20 OCT 2026 |
| Corte de conocimiento | No publicado |
| Entrada | Texto · Imagen · Vídeo · LiDAR |
| Salida | Vídeo · LiDAR |
| Ventana de contexto | Texto, controles WSM y referencia visual opcional |
| Salida máxima | Hasta 11 cámaras; 480p o 720p; reproducción de 10 a 30 fps |
| Razonamiento | No publicado |
| Herramientas publicadas | |
| Salidas estructuradas | Vídeo multivista y LiDAR; los controles LiDAR alineados son obligatorios para generarlo. |
| Procesamiento por lotes | No publicado |
| Caché de prompts | No publicado |
| Ajuste fino | No publicado |
| Plataformas verificadas | Hugging Face · PyTorch |
Simulación interactiva con cámaras estándar y ojo de pez a 480p o 720p. La reproducción declarada está entre 10 y 30 fps; la velocidad real de inferencia depende de GPU, vistas y pasos. No presentamos los 297 fotogramas y siete cámaras del benchmark como un límite general de producto ni heredamos el máximo de Transfer-Auto.
Sim-Auto utiliza guidance 1 en los resultados registrados, frente a guidance 3 de Transfer-Auto. Las comparaciones con Transfer2.5 usan además prompts distintos. No mezcles esas configuraciones ni interpretes un único valor FID como seguridad del simulador. Revisa deriva, sincronización de sensores y escenarios fuera de distribución antes de evaluar una política de conducción.
03 / CAPACIDADES
Qué puede hacer
Orientación
Simulación interactiva con cámaras estándar y ojo de pez a 480p o 720p. La reproducción declarada está entre 10 y 30 fps; la velocidad real de inferencia depende de GPU, vistas y pasos. No presentamos los 297 fotogramas y siete cámaras del benchmark como un límite general de producto ni heredamos el máximo de Transfer-Auto.
Contexto
Texto, controles WSM y referencia visual opcional · Hasta 11 cámaras; 480p o 720p; reproducción de 10 a 30 fps
Herramientas e integración
No publicado
Acceso
Hugging Face · checkpoint descargable
Modalidades de entrada
TextoImagenVídeoLiDAR
04 / PRECIOS
Coste documentado
| Concepto | Valor | Unidad / condición |
|---|---|---|
| Entrada estándar | Sin tarifa API oficial publicada | Tarifa estándar de API |
| Entrada en caché | No publicado | Lectura de prefijos reutilizados |
| Escritura o almacenamiento de caché | No publicado | La condición varía según proveedor |
| Salida estándar | Coste de infraestructura propia | Puede incluir tokens de razonamiento |
| Entrada por lotes | No publicado | Procesamiento asíncrono |
| Salida por lotes | No publicado | Procesamiento asíncrono |
Checkpoint público de 16B parámetros para infraestructura propia. No hemos verificado un endpoint comercial ni tarifas por tokens: los costes numéricos quedan vacíos. Los pesos descargables no hacen gratuita la inferencia. Presupuesta GPU, memoria, codificación de vídeo y operación; revisa la licencia de cada variante y sus dependencias. Los fotogramas por segundo de reproducción no equivalen al rendimiento de generación.
i Los precios cambian y pueden depender del nivel, la región o la longitud del contexto. Revisa la fuente antes de tomar una decisión.
05 / EVALUACIONES
Cómo leer los resultados
“
NVIDIA publica resultados en Driving Simulation Evaluation con calidad RGB y LiDAR por separado. Conservamos FID y FVD-I3D para T2V e I2V con guidance 1. Los valores corresponden a esta variante causal y mejoran al disminuir; no se copian los de Transfer-Auto. La evaluación propia de Inferama y la validación en conducción real están pendientes.
| Benchmark | Resultado | Métrica | Fuente |
|---|---|---|---|
| Cosmos3 Driving T2V CFG1 FID ↓ | 48,6 | Puntuación | Ver fuente ↗ |
| Cosmos3 Driving T2V CFG1 FVD-I3D ↓ | 480 | Puntuación | Ver fuente ↗ |
| Cosmos3 Driving I2V CFG1 FID ↓ | 33,6 | Puntuación | Ver fuente ↗ |
| Cosmos3 Driving I2V CFG1 FVD-I3D ↓ | 325 | Puntuación | Ver fuente ↗ |
Inferama solo destaca un «mejor resultado» cuando la métrica, el conjunto de prueba, la configuración y la fecha permiten una comparación equivalente. Las cifras del proveedor se presentan como afirmaciones de su propia fuente.
06 / VERSIONES
Cronología
Cosmos3-Nano-Sim-Auto
Versión incorporada al catálogo verificado de Inferama.
07 / FUENTES