NVIDIA Cosmos-Predict-1

Robótica / VLAIndisponível
por OtherID do modelo: cosmos-predict-1

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

Status
Indisponível
Entrada → Saída
Texto + Imagem → Ações de robô
Desenvolvedor
Other
Atualizado
24 de setembro de 2026

NVIDIA Cosmos-Predict-1 não está disponível no momento

Você ainda pode ler os detalhes nesta página. Escolha uma das alternativas disponíveis abaixo para executar um modelo comparável imediatamente.

01

Playground

NVIDIA Cosmos-Predict-1

Modelo de pesquisa

Indisponível no momento

NVIDIA Cosmos-Predict-1 é um modelo de robótica (vision-language-action) e não pode ser executado através da API railwail.

02

Sobre NVIDIA Cosmos-Predict-1

ResumoA partir de 24 de setembro de 2026

NVIDIA Cosmos-Predict-1 é um modelo de Other na categoria Robótica / VLA. NVIDIA Cosmos-Predict-1 não está disponível no Railwail no momento.

Fundo

Sobre NVIDIA

Fundado em 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.

Visite NVIDIA

Arquitetura

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.

Parâmetros
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.

Treinamento & licença

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.

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

Testes de segurança: 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.

Limitações conhecidas

  • 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

Preços

Atualmente indisponível. Não há preço para este modelo no momento, portanto não pode ser executado.

04

API

Chame NVIDIA Cosmos-Predict-1 com sua chave de API Railwail. Use este ID de modelo na solicitação:

Não disponível via API

Modelos de robótica são executados em hardware de robô, não através da API railwail.

05

Especificações

ID do modelo
cosmos-predict-1
Desenvolvedor
Other
Entrada
Texto, Imagem
Saída
Ações de robô
Tamanho do modelo
7B and 14B variants (Predict-1)
Licença
NVIDIA Open Model License - research-only / developer use with restrictions; weights downloadable from Hugging Face and NGC.
Entrada do catálogo atualizada
24 de setembro de 2026

Etiquetas

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

Casos de uso

Para que é utilizado

  • 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

Perguntas frequentes

O que é NVIDIA Cosmos-Predict-1?

NVIDIA Cosmos-Predict-1 é um modelo de Other na categoria Robótica / VLA. Está listado no Railwail, mas não pode ser executado no momento.

Quanto custa NVIDIA Cosmos-Predict-1 no Railwail?

NVIDIA Cosmos-Predict-1 não pode ser executado no Railwail no momento, portanto não há preço atual. Alternativas disponíveis com preços estão listadas mais abaixo nesta página.

Qual é a velocidade de NVIDIA Cosmos-Predict-1?

Ainda não há execuções medidas suficientes de NVIDIA Cosmos-Predict-1 no Railwail para indicar um tempo de execução. Depende da entrada, das configurações e da carga no provedor.

Quando devo usar NVIDIA Cosmos-Predict-1?

NVIDIA Cosmos-Predict-1 pertence à categoria Robótica / VLA. A página da categoria lista os outros modelos deste tipo com seus preços.

Todos os modelos: Robótica / VLA

NVIDIA Cosmos-Predict-1 pode processar imagens?

Sim. NVIDIA Cosmos-Predict-1 aceita imagens como entrada além de texto.

Posso usar NVIDIA Cosmos-Predict-1 agora?

Atualmente indisponível. A página permanece online; alternativas disponíveis da mesma categoria estão listadas mais abaixo.

Todos os modelos através de uma API

Uma chave API para todos os modelos no Railwail. O uso é cobrado a partir de créditos pré-pagos, 1 crédito = US$ 0,01.