Uso principal declarado o inferido con cautela desde la documentación oficial.
N
NVIDIA / nvidia/Cosmos3-Nano-Transfer-Auto
Cosmos3-Nano-Transfer-Auto
Modelo bidireccional de NVIDIA para generar escenas de conducción con vídeo multivista y LiDAR sincronizados. Publicado el 20 de octubre de 2026, combina texto, controles de mundo WSM y una imagen inicial opcional. Soporta hasta once cámaras estándar u ojo de pez y hasta 300 fotogramas por vista. Es generación por lotes, no el modelo causal de simulación Sim-Auto.
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-Transfer-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; 300 fotogramas por vista; 480p o 720p |
| 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 |
Datos sintéticos de conducción con variaciones de clima, iluminación y entorno. Los controles WSM incluyen carriles, señales, semáforos y cuboides. La salida admite 480p o 720p y reproducción entre 10 y 30 fps. Conserva coherencia entre cámaras, LiDAR, calibración y etiquetas; la imagen realista no garantiza utilidad para detectar obstáculos en carretera.
La comparación con Cosmos-Transfer2.5 usa prompts diferentes y no demuestra superioridad en condiciones idénticas. Los resultados T2V e I2V también deben mantenerse separados. No trasladamos el rendimiento de la versión causal a esta variante bidireccional. Revisa escenarios raros, geometría, sincronización y diversidad antes de incorporar datos sintéticos a sistemas de conducción.
03 / CAPACIDADES
Qué puede hacer
Orientación
Datos sintéticos de conducción con variaciones de clima, iluminación y entorno. Los controles WSM incluyen carriles, señales, semáforos y cuboides. La salida admite 480p o 720p y reproducción entre 10 y 30 fps. Conserva coherencia entre cámaras, LiDAR, calibración y etiquetas; la imagen realista no garantiza utilidad para detectar obstáculos en carretera.
Contexto
Texto, controles WSM y referencia visual opcional · Hasta 11 cámaras; 300 fotogramas por vista; 480p o 720p
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
“
El conjunto Driving Simulation Evaluation mide calidad RGB multivista y generación LiDAR. Registramos FID y FVD-I3D para T2V e I2V con guidance 3, conservando el modo en cada nombre. Ambos mejoran al disminuir. Son resultados del proveedor a 720p, no tasas de accidentes ni una validación de seguridad vial. Inferama no ha reproducido el experimento.
| Benchmark | Resultado | Métrica | Fuente |
|---|---|---|---|
| Cosmos3 Driving T2V CFG3 FID ↓ | 45,5 | Puntuación | Ver fuente ↗ |
| Cosmos3 Driving T2V CFG3 FVD-I3D ↓ | 488 | Puntuación | Ver fuente ↗ |
| Cosmos3 Driving I2V CFG3 FID ↓ | 27,8 | Puntuación | Ver fuente ↗ |
| Cosmos3 Driving I2V CFG3 FVD-I3D ↓ | 238 | 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-Transfer-Auto
Versión incorporada al catálogo verificado de Inferama.
07 / FUENTES