用途:把 NVIDIA Cosmos 当作世界生成与世界仿真系统使用,而非物理正确性证明。需同时选择任务、产物与运行时;名称、schema、许可证、参数量与硬件声明均随具体表面而异。
主要能力与选型:Cosmos 3 Generator(Cosmos3-Nano/Super)为通用全模态世界生成,支持文/图生视频,开放运行时还支持声音与动作模式;Cosmos3-Super-Image2Video 为专用图生视频检查点。Cosmos-Predict2.5 2B/14B 做未来世界预测,统一 Text2World/Image2World/Video2World,并有 AV/机器人变体。Cosmos-Transfer2.5-2B 做带结构控制的世界到世界转换,输入源 RGB 视频加提示词与边缘/深度/分割/视觉模糊控制。Predict2/Predict1/Transfer1 为较早家族,Predict2 仓库已归档并建议迁移到 Predict2.5。Cosmos Reason、Embed、Tokenizer、Curator、Evaluator 不是视频生成端点。
使用方式:开放检查点适合研究、固定版本、本地数据控制与后训练;自托管 NIM 为容器化同步 HTTP 服务,POST /v1/infer 返回含 base64 MP4 的 JSON。Cosmos3 Generator NIM 模式由输入推断,T2V 需非空 prompt 且无 image,I2V 需 image;resolution 支持 256/480/720 及宽高比后缀,num_output_frames 为 4k+1 节奏,fps 1–60,guidance_scale 1–7,steps 1–100。Predict2.5-2B NIM 必填 prompt,image 或 video 二选一。Transfer2.5-2B NIM 必填 MP4 源视频、prompt 及至少一种控制。
限制:NIM 软件受 /opt/nim/LICENSE 约束,开发者计划 NIM 仅用于原型/研究/开发/测试,生产需单独合同。托管 Preview API 的可用性、配额、价格、留存与 SLA 随账户和日期变化。硬件与精度按表面区分,Cosmos3 Generator NIM 需 Hopper 或更新,Nano 每设备 ≥79 GiB,Super FP8 单卡 ≥121 GiB 等;开放 Diffusers 测试精度为 BF16,测试硬件含 H100 与 GB200,未公布通用本地显存下限。生产记录应固定 40 位提交修订或不可变快照、依赖锁与容器摘要,避免使用可变 main/latest。提示词应描述世界状态、初始状态、一次时序转换与不变量,负面提示用于可观察失败类别。种子有助于比较但不保证跨内核、量化、GPU 或修订的逐位一致。滑窗输出需检查每个接缝并测量漂移。具体价格、留存期、区域与幂等键在公开文档中未确立,暂未提供。