Uso primário declarado ou inferido com cautela a partir da documentação oficial.
N
NVIDIA / nvidia/Cosmos3-Nano-Transfer-Auto
Cosmos3-Nano-Transfer-Auto
Modelo bidirecional da NVIDIA para gerar cenas de condução com vídeo multiview e LiDAR sincronizados. Publicado em 20 de outubro de 2026, combina texto, controles de mundo WSM e uma imagem inicial opcional. Suporta até onze câmeras padrão ou olho de peixe e até 300 quadros por vista. É geração por lotes, não o modelo causal de simulação Sim-Auto.
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-Transfer-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; 300 quadros por vista; 480p ou 720p |
| 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 |
Dados sintéticos de condução com variações de clima, iluminação e ambiente. Os controles WSM incluem faixas, sinais, semáforos e cuboides. A saída admite 480p ou 720p e reprodução entre 10 e 30 fps. Mantenha coerência entre câmeras, LiDAR, calibração e rótulos; a imagem realista não garante utilidade para detectar obstáculos na estrada.
A comparação com Cosmos-Transfer2.5 usa prompts diferentes e não demonstra superioridade em condições idênticas. Os resultados T2V e I2V também devem ser mantidos separados. Não transferimos o desempenho da versão causal para esta variante bidirecional. Revise cenários raros, geometria, sincronização e diversidade antes de incorporar dados sintéticos a sistemas de condução.
03 / CAPACIDADES
O que pode fazer
Orientação
Dados sintéticos de condução com variações de clima, iluminação e ambiente. Os controles WSM incluem faixas, sinais, semáforos e cuboides. A saída admite 480p ou 720p e reprodução entre 10 e 30 fps. Mantenha coerência entre câmeras, LiDAR, calibração e rótulos; a imagem realista não garante utilidade para detectar obstáculos na estrada.
Contexto
Texto, controles WSM e referência visual opcional · Até 11 câmeras; 300 quadros por vista; 480p ou 720p
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
“
O conjunto Driving Simulation Evaluation mede qualidade RGB multiview e geração LiDAR. Registramos FID e FVD-I3D para T2V e I2V com guidance 3, mantendo o modo em cada nome. Ambos melhoram ao diminuir. São resultados do fornecedor a 720p, não taxas de acidentes nem uma validação de segurança viária. A Inferama não reproduziu o experimento.
| Benchmark | Resultado | Métrica | Fonte |
|---|---|---|---|
| Cosmos3 Driving T2V CFG3 FID ↓ | 45,5 | Pontuação | Ver fonte ↗ |
| Cosmos3 Driving T2V CFG3 FVD-I3D ↓ | 488 | Pontuação | Ver fonte ↗ |
| Cosmos3 Driving I2V CFG3 FID ↓ | 27,8 | Pontuação | Ver fonte ↗ |
| Cosmos3 Driving I2V CFG3 FVD-I3D ↓ | 238 | 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-Transfer-Auto
Versão incorporada no catálogo verificado da Inferama.
07 / FONTES