Uso primário declarado ou inferido com cautela a partir da documentação oficial.
N
NVIDIA / nvidia/Cosmos3-Nano-Sim-Bimanual
Cosmos3-Nano-Sim-Bimanual
Modelo causal da NVIDIA para simular visualmente manipulação bimanual e navegação de câmera, publicado em 20 de outubro de 2026. Recebe uma imagem inicial, ações do robô, trajetória de câmera e texto opcional. Sua saída é vídeo, não ações: não deve ser confundido com uma política de controle. O checkpoint declara um corpo AgiBot; outras morfologias requerem validação específica.
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-Bimanual |
|---|---|
| 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 · Ações |
| Saída | Vídeo |
| Janela de contexto | Imagem inicial, ações e trajetória de câmera |
| saída máxima | Vídeo a 480p; reprodução a 30 fps |
| 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 |
Exploração de consequências visuais de ações e avaliação de navegação em laço fechado. O histórico e os fragmentos causais permitem intercalar controles e geração. A resolução declarada é 480p com reprodução a 30 fps. Não herdamos o máximo de 600 quadros do Sim-Transfer: não verificamos um máximo universal equivalente para esta variante.
A capacidade de representar movimentos não garante que respeite colisões, forças ou limites do robô. Mantenha a calibração da câmera e a definição de cada dimensão de ação. Revise mudanças de objeto, deriva e erros acumulativos. Não execute ações sobre hardware real apenas porque o vídeo pareça plausível; a supervisão e os limites de segurança são independentes.
03 / CAPACIDADES
O que pode fazer
Orientação
Exploração de consequências visuais de ações e avaliação de navegação em laço fechado. O histórico e os fragmentos causais permitem intercalar controles e geração. A resolução declarada é 480p com reprodução a 30 fps. Não herdamos o máximo de 600 quadros do Sim-Transfer: não verificamos um máximo universal equivalente para esta variante.
Contexto
Imagem inicial, ações e trajetória de câmera · Vídeo a 480p; reprodução a 30 fps
Ferramentas e integração
Não publicado
Acesso
Hugging Face · checkpoint descarregável
Modalidades de entrada
TextoImagemAções
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 ficha separa PAI-Bench-G I2V, navegação Sana-WM e manipulação AgiBot. Para PAI-Bench-G publicamos qualidade de vídeo e ATE após o protocolo de alinhamento descrito. Uma pontuação de navegação não credencia manipulação nem deve ser calculada a sua média com PSNR. Os resultados provêm da NVIDIA e não foram reproduzidos pela Inferama.
| Benchmark | Resultado | Métrica | Fonte |
|---|---|---|---|
| PAI-Bench-G I2V Video Quality ↑ | 73,9099 | Pontuação | Ver fonte ↗ |
| PAI-Bench-G I2V ATE ↓ | 4,7072 | 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-Bimanual
Versão incorporada no catálogo verificado da Inferama.
07 / FONTES