Uso primário declarado ou inferido com cautela a partir da documentação oficial.
N
NVIDIA / nvidia/Cosmos3-H-Embodied-Nano
Cosmos3-H-Embodied-Nano
Checkpoint de pesquisa publicado em 20 de outubro de 2026 para robótica cirúrgica. Um mesmo modelo oferece três modos: dinâmica direta de ações para vídeo, dinâmica inversa de vídeo para ações e política condicionada por imagem, texto e histórico. Deriva do Cosmos3-Nano, com torre de raciocínio Qwen3-VL e ajuste da torre generativa. Não são três modelos independentes nem um dispositivo médico autorizado.
01 / RESUMO
O essencial
Capacidade máxima de entrada quando publicada pela fonte.
Limite máximo de geração documentado.
Canais de disponibilidade verificados.
Família funcional principal e especialidades verificadas.
Condições declaradas para API, pesos ou alojamento próprio.
02 / FICHA TÉCNICA
Limites e integração
| ID de API | nvidia/Cosmos3-H-Embodied-Nano |
|---|---|
| Tipo de modelo | Robótica · Vídeo · Multimodal |
| Modelo de acesso | Pesos abertos |
| Licença | NVIDIA Open Model License Agreement |
| Implantação | Alojamento próprio |
| Lançamento | 20 OCT 2026 |
| Data de corte do conhecimento | Não publicado |
| Entrada | Texto · Imagem · Vídeo · Ações |
| Saída | Vídeo · Ações |
| Janela de contexto | Clipes de 2,4 segundos; até 16 ações anteriores |
| saída máxima | 25 quadros e 24 passos de ação a 10 Hz, conforme o modo |
| Raciocínio | Não publicado |
| Ferramentas publicadas | |
| Passeios Estruturados | Não publicado |
| Processamento em lote | Não publicado |
| Cache de prompts | Não publicado |
| Ajuste fino | Não publicado |
| Plataformas verificadas | Hugging Face · PyTorch |
Pesquisa em simulação, imitação e avaliação de políticas com dados de Open-H. O protocolo usa clipes de 2,4 segundos, um quadro de contexto e 24 futuros, com 24 passos de ação a 10 Hz. As ações bimanuais são normalizadas por conjunto de dados e preenchidas com máscara: não devem ser interpretadas como ordens universais entre robôs.
Sua licença é NVIDIA Open Model License Agreement, não OpenMDW 1.1. A saída se ajusta a uma resolução de classe 256p, com dimensões conforme a proporção de aspecto. O servidor HTTP é uma implementação para implantação própria, não uma API comercial validada. A deriva cresce em sequências longas; não utilize o checkpoint para operação clínica sem controles, validação e autorização independentes.
03 / CAPACIDADES
O que pode fazer
Orientação
Pesquisa em simulação, imitação e avaliação de políticas com dados de Open-H. O protocolo usa clipes de 2,4 segundos, um quadro de contexto e 24 futuros, com 24 passos de ação a 10 Hz. As ações bimanuais são normalizadas por conjunto de dados e preenchidas com máscara: não devem ser interpretadas como ordens universais entre robôs.
Contexto
Clipes de 2,4 segundos; até 16 ações anteriores · 25 quadros e 24 passos de ação a 10 Hz, conforme o modo
Ferramentas e integração
Não publicado
Acesso
Hugging Face · checkpoint descarregável
Modalidades de entrada
TextoImagemVídeoAções
04 / PREÇOS
Custo documentado
| Conceito | Valor | Unidade/condição |
|---|---|---|
| Entrada padrão | Sem tarifa API oficial publicada | Tarifa padrão da API |
| Entrada em cache | Não publicado | Leitura de prefixos reutilizados |
| Escrita ou armazenamento em cache | Não publicado | A condição varia consoante o fornecedor |
| Saída padrão | Custo da infraestrutura própria | Pode incluir tokens de raciocínio |
| Entrada por lotes | Não publicado | Processamento assíncrono |
| Saída por lotes | Não publicado | Processamento assíncrono |
Checkpoint público de 16B parâmetros para infraestrutura própria. Não verificamos um endpoint comercial nem tarifas por tokens: os custos numéricos ficam em branco. Os pesos baixáveis não tornam a inferência gratuita. Orçamente GPU, memória, codificação de vídeo e operação; revise a licença de cada variante e suas dependências. Os quadros por segundo de reprodução não equivalem ao desempenho de geração.
i Os preços mudam e podem depender do nível, região ou duração do contexto. Verifique a fonte antes de tomar uma decisão.
05 / AVALIAÇÕES
Como ler os resultados
“
O fornecedor avalia 640 clipes de dez famílias públicas com episódios reservados. Dinâmica direta: PSNR 26,1; inversa: MSE de ações normalizadas 0,009. A política registra MSE médio 0,052 e melhor de quatro 0,033: são seleções distintas. Essas métricas não medem segurança clínica nem garantem rastreamento de instrumentos. Não foram reproduzidas pela Inferama.
| Benchmark | Resultado | Métrica | Fonte |
|---|---|---|---|
| Cosmos3-H held-out 640 forward PSNR ↑ | 26,1 dB | Pontuação | Ver fonte ↗ |
| Cosmos3-H held-out 640 inverse action MSE ↓ | 0,009 | Pontuação | Ver fonte ↗ |
| Cosmos3-H held-out 640 policy mean action MSE ↓ | 0,052 | Pontuação | Ver fonte ↗ |
| Cosmos3-H held-out 640 policy best-of-4 action MSE ↓ | 0,033 | Pontuação | Ver fonte ↗ |
O Inferama só destaca o “melhor resultado” quando a métrica, o conjunto de testes, a configuração e a data permitem uma comparação equivalente. Os números do fornecedor são apresentados como declarações de sua própria fonte.
06 / VERSÕES
Cronologia
Cosmos3-H-Embodied-Nano
Versão incorporada no catálogo verificado da Inferama.
07 / FONTES