Utilisation principale déclarée ou déduite avec prudence de la documentation officielle.
N
NVIDIA / nvidia/Cosmos3-H-Embodied-Nano
Cosmos3-H-Embodied-Nano
Checkpoint de recherche publié le 20 octobre 2026 pour la robotique chirurgicale. Un même modèle propose trois modes : dynamique directe des actions vers la vidéo, dynamique inverse de la vidéo vers les actions et politique conditionnée par l’image, le texte et l’historique. Il dérive de Cosmos3-Nano, avec une tour de raisonnement Qwen3-VL et un ajustement de la tour générative. Il ne s’agit pas de trois modèles indépendants ni d’un dispositif médical autorisé.
01 / RÉSUMÉ
L'essentiel
Capacité d'entrée maximale une fois publiée par la source.
Limite de génération maximale documentée.
Canaux de disponibilité vérifiés.
Famille fonctionnelle principale et spécialités vérifiées.
Conditions déclarées pour l’API, les poids ou l’auto-hébergement.
02 / FICHE TECHNIQUE
Limites et intégration
| ID d’API | nvidia/Cosmos3-H-Embodied-Nano |
|---|---|
| Type de modèle | Robotique · Vidéo · Multimodal |
| Mode d’accès | Poids ouverts |
| Licence | NVIDIA Open Model License Agreement |
| Déploiement | Auto-hébergement |
| Lancement | 20 OCT 2026 |
| Date limite des connaissances | Non publié |
| Entrée | Texte · Image · Vidéo · Actions |
| Sortie | Vidéo · Actions |
| Fenêtre contextuelle | Clips de 2,4 secondes ; jusqu’à 16 actions précédentes |
| puissance maximale | 25 images et 24 étapes d’action à 10 Hz, selon le mode |
| Raisonnement | Non publié |
| Outils publiés | |
| Sorties structurées | Non publié |
| Traitement par lots | Non publié |
| Cache de prompts | Non publié |
| Ajustement fin | Non publié |
| Plateformes vérifiées | Hugging Face · PyTorch |
Recherche en simulation, imitation et évaluation de politiques à partir de données Open-H. Le protocole utilise des clips de 2,4 secondes, une image de contexte et 24 images futures, avec 24 étapes d’action à 10 Hz. Les actions bimanuelles sont normalisées par ensemble de données et complétées par un masque : elles ne doivent pas être interprétées comme des commandes universelles entre robots.
Sa licence est NVIDIA Open Model License Agreement, et non OpenMDW 1.1. La sortie correspond à une résolution de classe 256p, avec des dimensions selon le rapport d’aspect. Le serveur HTTP est une implémentation pour déploiement propre, pas une API commerciale validée. La dérive augmente dans les séquences longues ; n’utilisez pas le checkpoint pour une opération clinique sans contrôles, validation et autorisation indépendants.
03 / CAPACITÉS
Ce qu’il peut faire
Orientation
Recherche en simulation, imitation et évaluation de politiques à partir de données Open-H. Le protocole utilise des clips de 2,4 secondes, une image de contexte et 24 images futures, avec 24 étapes d’action à 10 Hz. Les actions bimanuelles sont normalisées par ensemble de données et complétées par un masque : elles ne doivent pas être interprétées comme des commandes universelles entre robots.
Contexte
Clips de 2,4 secondes ; jusqu’à 16 actions précédentes · 25 images et 24 étapes d’action à 10 Hz, selon le mode
Outils et intégration
Non publié
Accès
Hugging Face · checkpoint téléchargeable
Modalités d’entrée
TexteImageVidéoActions
04 / TARIFS
Coût documenté
| Concept | Valeur | Unité/état |
|---|---|---|
| Entrée standard | Aucun tarif API officiel publié | Tarif API standard |
| Entrée en cache | Non publié | Lecture de préfixes réutilisés |
| Écriture ou stockage de cache | Non publié | La condition varie selon le fournisseur |
| Sortie standard | Coût de l’infrastructure propre | Peut inclure des tokens de raisonnement |
| Entrée par lots | Non publié | Traitement asynchrone |
| Sortie par lots | Non publié | Traitement asynchrone |
Checkpoint public de 16B paramètres pour une infrastructure propre. Nous n’avons pas vérifié d’endpoint commercial ni de tarifs par jeton : les coûts numériques restent vides. Le téléchargement des poids ne rend pas l’inférence gratuite. Prévoyez le budget GPU, mémoire, encodage vidéo et exploitation ; vérifiez la licence de chaque variante et ses dépendances. Les images par seconde de lecture ne correspondent pas aux performances de génération.
i Les prix changent et peuvent dépendre du niveau, de la région ou de la durée du contexte. Vérifiez la source avant de prendre une décision.
05 / ÉVALUATIONS
Comment lire les résultats
“
Le fournisseur évalue 640 clips de dix familles publiques avec des épisodes réservés. Dynamique directe : PSNR 26,1 ; inverse : MSE des actions normalisées 0,009. La politique enregistre une MSE moyenne de 0,052 et une meilleure sur quatre de 0,033 : il s’agit de sélections distinctes. Ces métriques ne mesurent pas la sécurité clinique et ne garantissent pas le suivi des instruments. Inferama ne les a pas reproduites.
| Benchmark | Résultat | Métrique | Source |
|---|---|---|---|
| Cosmos3-H held-out 640 forward PSNR ↑ | 26,1 dB | Score | Voir la source ↗ |
| Cosmos3-H held-out 640 inverse action MSE ↓ | 0,009 | Score | Voir la source ↗ |
| Cosmos3-H held-out 640 policy mean action MSE ↓ | 0,052 | Score | Voir la source ↗ |
| Cosmos3-H held-out 640 policy best-of-4 action MSE ↓ | 0,033 | Score | Voir la source ↗ |
Inferama ne met en évidence un « meilleur résultat » que lorsque la métrique, l'ensemble de test, la configuration et la date permettent une comparaison équivalente. Les chiffres du fournisseur sont présentés comme des affirmations provenant de sa propre source.
06 / VERSIONS
Chronologie
Cosmos3-H-Embodied-Nano
Version intégrée au catalogue vérifié d’Inferama.
07 / SOURCES