NVIDIA Cosmos-Predict-1

Robótica / VLANo disponible
de OtherID del modelo: cosmos-predict-1

NVIDIA's world foundation model for physical AI. Diffusion-based video prediction for robotics simulation.

Estado
No disponible
Entrada → Salida
Texto + Imagen → Acciones de robot
Desarrollador
Other
Actualizado
24 de septiembre de 2026

NVIDIA Cosmos-Predict-1 no está disponible actualmente

Puedes seguir leyendo los detalles en esta página. Elige una de las alternativas disponibles abajo para ejecutar un modelo comparable de inmediato.

01

Playground

NVIDIA Cosmos-Predict-1

Modelo de investigación

No disponible actualmente

NVIDIA Cosmos-Predict-1 es un modelo de robótica (visión-lenguaje-acción) y no se puede ejecutar a través de la API de railwail.

02

Acerca de NVIDIA Cosmos-Predict-1

ResumenA fecha de 24 de septiembre de 2026

NVIDIA Cosmos-Predict-1 es un modelo de Other en la categoría Robótica / VLA. NVIDIA Cosmos-Predict-1 no está disponible en Railwail en este momento.

Fondo

Acerca de NVIDIA

Fundado en 1993 · Santa Clara, California, USA

NVIDIA is the dominant supplier of GPUs for AI training and inference and runs a large in-house research organisation across robotics, simulation, and generative modelling. NVIDIA Cosmos was announced at CES 2025 as a family of 'World Foundation Models' (WFMs) for Physical AI - models that predict how the physical world evolves given video, language, and action conditioning. Cosmos is positioned as a developer platform for robotics and autonomous-vehicle teams to generate synthetic training data, run policy evaluations in simulation, and bootstrap Vision-Language-Action (VLA) pipelines. The 'Predict-1' track focuses on diffusion-based video-future prediction conditioned on text and/or first-frame inputs and ships in 7B and 14B parameter variants with open weights under the NVIDIA Open Model License.

Visitar NVIDIA

Arquitectura

Diffusion-based world foundation model (text/video-to-video) for Physical AI

Cosmos-Predict-1 is a diffusion world model that predicts future video frames conditioned on text prompts, a starting frame, or short context clips. It uses a 3D causal video tokenizer (Cosmos Tokenizer) to compress video into spatio-temporal latents, then runs a Diffusion Transformer in latent space with cross-attention to text embeddings produced by a T5-XXL encoder. Training data is a curated corpus of ~20 million hours of driving, robotics, and human-activity video, filtered for motion quality, captioning coverage and safety. The model is not itself a VLA controller, but is the world-model backbone of NVIDIA's Cosmos stack: Cosmos-Predict generates rollouts; Cosmos-Reason adds VLM reasoning over predicted futures; and Cosmos-Transfer adapts simulation-to-real video. In a VLA pipeline it provides synthetic 'imagined' trajectories and dense reward / value signals, and is used to evaluate manipulation and driving policies offline at scale.

Parámetros
7B and 14B variants (Predict-1)

Capacidades

  • Predicts future video conditioned on text, image, or video context
  • Two open-weight variants: Predict-1-7B and Predict-1-14B
  • Generates physically plausible motion for driving, manipulation, and humanoid scenes
  • Integrates with NVIDIA Isaac, Omniverse, and DRIVE pipelines
  • Used as synthetic data engine for VLA / autonomy training
  • Supports prompt upsampling via Cosmos-Reason VLM
  • Cosmos Tokenizer (3D causal VAE) can be reused as a video encoder
  • Released alongside Cosmos-Reason and Cosmos-Transfer for full Physical AI stack
  • Best for: synthetic data, world-model research, robotics simulation, AV training.

Entrenamiento y licencia

Trained on ~20 million hours of curated physical-world video (driving, robotics manipulation, humanoid / first-person, navigation) sourced from licensed and open datasets, with multi-stage filtering for motion quality, caption alignment and safety. Text conditioning uses T5-XXL embeddings.

Licencia: NVIDIA Open Model License - research-only / developer use with restrictions; weights downloadable from Hugging Face and NGC.

Pruebas de seguridad: NVIDIA applied dataset-level filters for unsafe content and faces, plus output filters and watermarking guidance. The model is positioned as a research artifact and not a deployed user-facing product, so no formal RSP-style policy is published.

Limitaciones conocidas

  • Short rollouts (a few seconds) before drift dominates
  • Not a controller - cannot produce robot actions on its own
  • Heavy GPU footprint for the 14B variant
  • Domain skew toward driving / Western indoor scenes
  • Output is video, not joint commands - needs downstream policy
  • Restricted commercial license (Open Model License, not Apache)
03

Precios

Actualmente no disponible. No hay precio para este modelo en este momento, por lo que no se puede ejecutar.

04

API

Llama a NVIDIA Cosmos-Predict-1 con tu clave API de Railwail. Usa este ID de modelo en la solicitud:

No disponible a través de la API

Los modelos de robótica se ejecutan en hardware de robot, no a través de la API de railwail.

05

Especificaciones

ID del modelo
cosmos-predict-1
Desarrollador
Other
Categoría
Robótica / VLA
Entrada
Texto, Imagen
Salida
Acciones de robot
Tamaño del modelo
7B and 14B variants (Predict-1)
Licencia
NVIDIA Open Model License - research-only / developer use with restrictions; weights downloadable from Hugging Face and NGC.
Entrada del catálogo actualizada
24 de septiembre de 2026

Etiquetas

  • nvidia
  • cosmos
  • vla
  • robotics
  • research-only
  • open-weights
  • world-model
06

Casos de uso

Para qué se utiliza

  • Synthetic data generation for robotics and AV
  • World-model research and benchmarks
  • Offline policy evaluation in imagined rollouts
  • Simulation-to-real video adaptation pipelines
  • Pretraining backbone for VLA models
  • Academic embodied-AI research (research-only license)
07

Preguntas frecuentes

¿Qué es NVIDIA Cosmos-Predict-1?

NVIDIA Cosmos-Predict-1 es un modelo de Other en la categoría Robótica / VLA. Aparece en el catálogo de Railwail pero no se puede ejecutar en este momento.

¿Cuánto cuesta NVIDIA Cosmos-Predict-1 en Railwail?

NVIDIA Cosmos-Predict-1 no se puede ejecutar en Railwail en este momento, por lo que no hay precio actual. Las alternativas disponibles con precios se enumeran más abajo en esta página.

¿Qué velocidad tiene NVIDIA Cosmos-Predict-1?

Aún no hay suficientes ejecuciones medidas de NVIDIA Cosmos-Predict-1 en Railwail para indicar un tiempo de ejecución. Depende de la entrada, la configuración y la carga en el proveedor.

¿Cuándo debo usar NVIDIA Cosmos-Predict-1?

NVIDIA Cosmos-Predict-1 pertenece a la categoría Robótica / VLA. La página de categoría enumera los otros modelos de este tipo con sus precios.

Todos los modelos: Robótica / VLA

¿Puede NVIDIA Cosmos-Predict-1 procesar imágenes?

Sí. NVIDIA Cosmos-Predict-1 acepta imágenes como entrada además de texto.

¿Puedo usar NVIDIA Cosmos-Predict-1 ahora mismo?

Actualmente no disponible. La página se mantiene en línea; las alternativas disponibles de la misma categoría se enumeran más abajo.

Todos los modelos a través de una API

Una clave API para todos los modelos en Railwail. El uso se cobra desde créditos prepagados, 1 crédito = 0,01 US$.