Uso primário declarado ou inferido com cautela a partir da documentação oficial.
N
NVIDIA / nvidia/Cosmos3-Nano-Sim-Auto
Cosmos3-Nano-Sim-Auto
Variante causal destilada de Cosmos3-Nano-Transfer-Auto, publicada pela NVIDIA em 20 de outubro de 2026 para simulação de condução em laço fechado. Produz vídeo multiview e LiDAR sincronizados a partir de controles e texto. Suporta até onze câmeras. A capacidade de responder a controles durante uma sequência a distingue do gerador bidirecional, mas não constitui uma política de condução autônoma.
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-Nano-Sim-Auto |
|---|---|
| Tipo de modelo | Robótica · Vídeo · Multimodal |
| Modelo de acesso | Pesos abertos |
| Licença | OpenMDW 1.1 |
| Implantação | Alojamento próprio |
| Lançamento | 20 OCT 2026 |
| Data de corte do conhecimento | Não publicado |
| Entrada | Texto · Imagem · Vídeo · LiDAR |
| Saída | Vídeo · LiDAR |
| Janela de contexto | Texto, controles WSM e referência visual opcional |
| saída máxima | Até 11 câmeras; 480p ou 720p; reprodução de 10 a 30 fps |
| Raciocínio | Não publicado |
| Ferramentas publicadas | |
| Passeios Estruturados | Vídeo multivista e LiDAR; são necessários controles LiDAR alinhados para gerar o LiDAR. |
| Processamento em lote | Não publicado |
| Cache de prompts | Não publicado |
| Ajuste fino | Não publicado |
| Plataformas verificadas | Hugging Face · PyTorch |
Simulação interativa com câmeras padrão e olho de peixe a 480p ou 720p. A reprodução declarada está entre 10 e 30 fps; a velocidade real de inferência depende de GPU, vistas e passos. Não apresentamos os 297 quadros e sete câmeras do benchmark como um limite geral de produto nem herdamos o máximo de Transfer-Auto.
O Sim-Auto utiliza guidance 1 nos resultados registrados, frente a guidance 3 de Transfer-Auto. As comparações com Transfer2.5 usam além disso prompts distintos. Não misture essas configurações nem interprete um único valor FID como segurança do simulador. Revise deriva, sincronização de sensores e cenários fora de distribuição antes de avaliar uma política de condução.
03 / CAPACIDADES
O que pode fazer
Orientação
Simulação interativa com câmeras padrão e olho de peixe a 480p ou 720p. A reprodução declarada está entre 10 e 30 fps; a velocidade real de inferência depende de GPU, vistas e passos. Não apresentamos os 297 quadros e sete câmeras do benchmark como um limite geral de produto nem herdamos o máximo de Transfer-Auto.
Contexto
Texto, controles WSM e referência visual opcional · Até 11 câmeras; 480p ou 720p; reprodução de 10 a 30 fps
Ferramentas e integração
Não publicado
Acesso
Hugging Face · checkpoint descarregável
Modalidades de entrada
TextoImagemVídeoLiDAR
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
“
A NVIDIA publica resultados em Driving Simulation Evaluation com qualidade RGB e LiDAR separadamente. Mantemos FID e FVD-I3D para T2V e I2V com guidance 1. Os valores correspondem a esta variante causal e melhoram ao diminuir; não se copiam os de Transfer-Auto. A avaliação própria da Inferama e a validação em condução real estão pendentes.
| Benchmark | Resultado | Métrica | Fonte |
|---|---|---|---|
| Cosmos3 Driving T2V CFG1 FID ↓ | 48,6 | Pontuação | Ver fonte ↗ |
| Cosmos3 Driving T2V CFG1 FVD-I3D ↓ | 480 | Pontuação | Ver fonte ↗ |
| Cosmos3 Driving I2V CFG1 FID ↓ | 33,6 | Pontuação | Ver fonte ↗ |
| Cosmos3 Driving I2V CFG1 FVD-I3D ↓ | 325 | 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-Nano-Sim-Auto
Versão incorporada no catálogo verificado da Inferama.
07 / FONTES