Utilisation principale déclarée ou déduite avec prudence de la documentation officielle.
N
NVIDIA / nvidia/Cosmos3-Nano-Transfer-Auto
Cosmos3-Nano-Transfer-Auto
Modèle bidirectionnel de NVIDIA pour générer des scènes de conduite avec vidéo multivue et LiDAR synchronisés. Publié le 20 octobre 2026, il combine texte, commandes de monde WSM et une image initiale facultative. Il prend en charge jusqu’à onze caméras standard ou fisheye et jusqu’à 300 images par vue. Il s’agit d’une génération par lots, pas du modèle causal de simulation Sim-Auto.
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-Nano-Transfer-Auto |
|---|---|
| Type de modèle | Robotique · Vidéo · Multimodal |
| Mode d’accès | Poids ouverts |
| Licence | OpenMDW 1.1 |
| Déploiement | Auto-hébergement |
| Lancement | 20 OCT 2026 |
| Date limite des connaissances | Non publié |
| Entrée | Texte · Image · Vidéo · LiDAR |
| Sortie | Vidéo · LiDAR |
| Fenêtre contextuelle | Texte, commandes WSM et référence visuelle facultative |
| puissance maximale | Jusqu’à 11 caméras ; 300 images par vue ; 480p ou 720p |
| Raisonnement | Non publié |
| Outils publiés | |
| Sorties structurées | Vidéo multivue et LiDAR ; des commandes LiDAR alignées sont nécessaires pour générer le LiDAR. |
| Traitement par lots | Non publié |
| Cache de prompts | Non publié |
| Ajustement fin | Non publié |
| Plateformes vérifiées | Hugging Face · PyTorch |
Données synthétiques de conduite avec variations de météo, d’éclairage et d’environnement. Les commandes WSM incluent les voies, panneaux, feux de circulation et cuboïdes. La sortie prend en charge 480p ou 720p et une lecture entre 10 et 30 fps. Préservez la cohérence entre les caméras, le LiDAR, l’étalonnage et les étiquettes ; une image réaliste ne garantit pas son utilité pour détecter des obstacles sur la route.
La comparaison avec Cosmos-Transfer2.5 utilise des prompts différents et ne démontre pas une supériorité dans des conditions identiques. Les résultats T2V et I2V doivent également rester distincts. Nous ne transposons pas les performances de la version causale à cette variante bidirectionnelle. Vérifiez les scénarios rares, la géométrie, la synchronisation et la diversité avant d’intégrer des données synthétiques à des systèmes de conduite.
03 / CAPACITÉS
Ce qu’il peut faire
Orientation
Données synthétiques de conduite avec variations de météo, d’éclairage et d’environnement. Les commandes WSM incluent les voies, panneaux, feux de circulation et cuboïdes. La sortie prend en charge 480p ou 720p et une lecture entre 10 et 30 fps. Préservez la cohérence entre les caméras, le LiDAR, l’étalonnage et les étiquettes ; une image réaliste ne garantit pas son utilité pour détecter des obstacles sur la route.
Contexte
Texte, commandes WSM et référence visuelle facultative · Jusqu’à 11 caméras ; 300 images par vue ; 480p ou 720p
Outils et intégration
Non publié
Accès
Hugging Face · checkpoint téléchargeable
Modalités d’entrée
TexteImageVidéoLiDAR
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
“
L’ensemble Driving Simulation Evaluation mesure la qualité RGB multivue et la génération LiDAR. Nous enregistrons le FID et le FVD-I3D pour T2V et I2V avec guidance 3, en conservant le mode dans chaque nom. Les deux s’améliorent à mesure qu’ils diminuent. Il s’agit de résultats du fournisseur en 720p, pas de taux d’accidents ni d’une validation de la sécurité routière. Inferama n’a pas reproduit l’expérience.
| Benchmark | Résultat | Métrique | Source |
|---|---|---|---|
| Cosmos3 Driving T2V CFG3 FID ↓ | 45,5 | Score | Voir la source ↗ |
| Cosmos3 Driving T2V CFG3 FVD-I3D ↓ | 488 | Score | Voir la source ↗ |
| Cosmos3 Driving I2V CFG3 FID ↓ | 27,8 | Score | Voir la source ↗ |
| Cosmos3 Driving I2V CFG3 FVD-I3D ↓ | 238 | 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-Nano-Transfer-Auto
Version intégrée au catalogue vérifié d’Inferama.
07 / SOURCES