Uso principal declarado o inferido con cautela desde la documentación oficial.
N
NVIDIA / nvidia/Cosmos3-Nano-Sim-Bimanual
Cosmos3-Nano-Sim-Bimanual
Modelo causal de NVIDIA para simular visualmente manipulación bimanual y navegación de cámara, publicado el 20 de octubre de 2026. Recibe una imagen inicial, acciones del robot, trayectoria de cámara y texto opcional. Su salida es vídeo, no acciones: no debe confundirse con una política de control. El checkpoint declara un cuerpo AgiBot; otras morfologías requieren validación específica.
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-Bimanual |
|---|---|
| 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 · Acciones |
| Salida | Vídeo |
| Ventana de contexto | Imagen inicial, acciones y trayectoria de cámara |
| Salida máxima | Vídeo a 480p; reproducción a 30 fps |
| Razonamiento | No publicado |
| Herramientas publicadas | |
| Salidas estructuradas | No publicado |
| Procesamiento por lotes | No publicado |
| Caché de prompts | No publicado |
| Ajuste fino | No publicado |
| Plataformas verificadas | Hugging Face · PyTorch |
Exploración de consecuencias visuales de acciones y evaluación de navegación en bucle cerrado. El historial y los fragmentos causales permiten intercalar controles y generación. La resolución declarada es 480p con reproducción a 30 fps. No heredamos el máximo de 600 fotogramas de Sim-Transfer: no hemos verificado un máximo universal equivalente para esta variante.
La capacidad de representar movimientos no garantiza que respete colisiones, fuerzas o límites del robot. Conserva la calibración de cámara y la definición de cada dimensión de acción. Revisa cambios de objeto, deriva y errores acumulativos. No ejecutes acciones sobre hardware real únicamente porque el vídeo parezca plausible; la supervisión y los límites de seguridad son independientes.
03 / CAPACIDADES
Qué puede hacer
Orientación
Exploración de consecuencias visuales de acciones y evaluación de navegación en bucle cerrado. El historial y los fragmentos causales permiten intercalar controles y generación. La resolución declarada es 480p con reproducción a 30 fps. No heredamos el máximo de 600 fotogramas de Sim-Transfer: no hemos verificado un máximo universal equivalente para esta variante.
Contexto
Imagen inicial, acciones y trayectoria de cámara · Vídeo a 480p; reproducción a 30 fps
Herramientas e integración
No publicado
Acceso
Hugging Face · checkpoint descargable
Modalidades de entrada
TextoImagenAcciones
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
“
La ficha separa PAI-Bench-G I2V, navegación Sana-WM y manipulación AgiBot. Para PAI-Bench-G publicamos calidad de vídeo y ATE tras el protocolo de alineación descrito. Una puntuación de navegación no acredita manipulación ni se debe promediar con PSNR. Los resultados proceden de NVIDIA y no han sido reproducidos por Inferama.
| Benchmark | Resultado | Métrica | Fuente |
|---|---|---|---|
| PAI-Bench-G I2V Video Quality ↑ | 73,9099 | Puntuación | Ver fuente ↗ |
| PAI-Bench-G I2V ATE ↓ | 4,7072 | 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-Bimanual
Versión incorporada al catálogo verificado de Inferama.
07 / FUENTES