速報
Cosmos 3：全域式多模態世界模型突破
NVIDIA 發布 Cosmos 3 系列全域式多模態世界模型，能同時處理與產生文字、影像、影片、音訊與動作序列，採用混合 Transformer 架構，支援高度彈性的輸入輸出配置。此模型統合了視覺語言、影片生成、世界模擬與行動決策等功能，成為實體 AI 的通用骨幹。
速報
NVIDIA 發布 Cosmos 3 系列全域式多模態世界模型，能同時處理與產生文字、影像、影片、音訊與動作序列，採用混合 Transformer 架構，支援高度彈性的輸入輸出配置。此模型統合了視覺語言、影片生成、世界模擬與行動決策等功能，成為實體 AI 的通用骨幹。
大佬動態
NVIDIA 於今日發表 Cosmos 3，採用 Mixture-of-Transformers 結合自回歸推理與擴散生成，支援語言、影像、影片、音訊與動作。核心 Nano 模型以 16 億參數分割為推理塔與生成器兩部份。此發布顯示 NVIDIA 在多模態 AI 整合上取得關鍵進展，將促進跨領域應用的開發與部署。