NVIDIA Cosmos-Predict-1

Robotika / VLANeprieinama
iš OtherModelio ID: cosmos-predict-1

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

Būsena
Neprieinama
Įvestis → išvestis
Tekstas + Vaizdas → Roboto veiksmai
Kūrėjas
Other
Atnaujinta
2026 m. rugsėjo 24 d.

NVIDIA Cosmos-Predict-1 šiuo metu neprieinamas

Šiame puslapyje galite perskaityti išsamią informaciją. Norėdami iš karto paleisti panašų modelį, pasirinkite vieną iš žemiau pateiktų prieinamų alternatyvų.

01

Žaidimų aikštelė

NVIDIA Cosmos-Predict-1

Tyrimo modelis

Šiuo metu neprieinamas

NVIDIA Cosmos-Predict-1 yra robotikos modelis (vision-language-action) ir negali būti paleistas per railwail API.

02

Apie NVIDIA Cosmos-Predict-1

TrumpaiNuo 2026 m. rugsėjo 24 d.

NVIDIA Cosmos-Predict-1 yra Other modelis iš Robotika / VLA kategorijos. NVIDIA Cosmos-Predict-1 šiuo metu nėra prieinamas per Railwail.

Fonas

Apie NVIDIA

Įkurta 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.

Apsilankyti NVIDIA

Architektūra

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.

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

Galimybės

  • 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.

Mokymas ir licencija

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.

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

Saugumo testai: 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.

Žinomos ribotybės

  • 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

Kainos

Šiuo metu nepasiekiama. Šiuo metu šiam modeliui nėra nustatytos kainos, todėl jo negalima paleisti.

04

API

Iškvieskite NVIDIA Cosmos-Predict-1 naudodami savo Railwail API raktą. Šioje užklausoje naudokite šią modelio ID:

Nepasiekiama per API

Robotikos modeliai veikia robotų aparatūroje, o ne per railwail API.

05

Specifikacijos

Modelio ID
cosmos-predict-1
Kūrėjas
Other
Kategorija
Robotika / VLA
Įvestis
Tekstas, Vaizdas
Išvestis
Roboto veiksmai
Modelio dydis
7B and 14B variants (Predict-1)
Licencija
NVIDIA Open Model License - research-only / developer use with restrictions; weights downloadable from Hugging Face and NGC.
Katalogo įrašas atnaujintas
2026 m. rugsėjo 24 d.

Žymos

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

Panaudojimo atvejai

Kam tai naudojama

  • 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

Dažnai užduodami klausimai

Kas yra NVIDIA Cosmos-Predict-1?

NVIDIA Cosmos-Predict-1 yra Other modelis iš Robotika / VLA kategorijos. Jis yra Railwail kataloge, tačiau šiuo metu negali būti paleistas.

Kiek kainuoja NVIDIA Cosmos-Predict-1 Railwail?

NVIDIA Cosmos-Predict-1 šiuo metu negali būti paleistas Railwail, todėl nėra dabartinės kainos. Toliau šiame puslapyje pateikiamos galimos alternatyvos su kainomis.

Koks yra NVIDIA Cosmos-Predict-1 greitis?

NVIDIA Cosmos-Predict-1 Railwail platformoje dar nėra pakankamai išmatuotų vykdymų, kad būtų galima nurodyti vykdymo laiką. Jis priklauso nuo įvesties, nustatymų ir teikėjo apkrovos.

Kada turėčiau naudoti NVIDIA Cosmos-Predict-1?

NVIDIA Cosmos-Predict-1 priklauso Robotika / VLA kategorijai. Kategorijos puslapyje pateikiami kiti šio tipo modeliai su jų kainomis.

Visi Robotika / VLA modeliai

Ar NVIDIA Cosmos-Predict-1 gali apdoroti vaizdus?

Taip. NVIDIA Cosmos-Predict-1 priima vaizdus kaip įvestį, be teksto.

Ar dabar galiu naudoti NVIDIA Cosmos-Predict-1?

Šiuo metu nepasiekiama. Puslapis lieka aktyvus; toliau pateikiamos galimos alternatyvos iš tos pačios kategorijos.

Visi modeliai per vieną API

Vienas API raktas visiems Railwail modeliams. Naudojimas apmokestinamas iš iš anksto nupirktų kreditų, 1 kreditas = 0,01 USD.