Cosmos 3

NVIDIAが2026年5月に発表した物理AI向けの基盤モデル。テキスト、画像、動画、環境音、アクション軌跡の5つのモダリティを単一モデルで処理する「omnimodel」として設計されている。最大の特徴は、推論を担うReasonerと生成を担うGeneratorを独立させたMoT（Mixture-of-Transformers）アーキテクチャを採用している点にある。これにより、従来は数ヶ月を要していたロボットや自動運転のシミュレーション環境構築と訓練サイクルを数日にまで短縮できる。モデルは完全オープンウェイトで公開されており、16BパラメータのNano、64BのSuper、そしてエッジデバイス向けのEdgeがラインナップされている。物理的な世界を理解する世界モデルと行動計画モデルを統合し、産業用ロボットや自動運転、ヒューマノイドの開発を加速させる次世代のインフラとして位置づけられている。