Cosmos 3、open world modelをロボット・車両・edge AIへ広げる布石

physical AIで別々のモデルを組み合わせる負担を下げることが、NVIDIA Cosmos 3の狙いだ。NVIDIAは2026年8月6日の投稿で、Cosmos 3をopen physical AI foundation omni-model familyと位置付けた。vision reasoning、world generation、action predictionを同じ系統で扱い、ロボット、自動運転、vision AIがscene理解、synthetic data生成、未来状態予測、policy学習を共通基盤で進める構想である。

モデル構成は3段階だ。Cosmos 3 Superは64Bでhigh-fidelity world modeling向け、Cosmos 3 Nanoは16Bで効率的なreasoningとpost-training向け、Cosmos 3 Edgeは4Bでon-device vision reasoningとrobot policy deploymentを狙う。NVIDIAはEdgeがRTX GPU、DGX systems、Jetson、Jetson Thor platformで動かせるとしている。cloud上のsimulationだけでなく、現場のedge deviceへ持ち込む設計が重要になる。

性能主張は複数のbenchmarkにまたがる。NVIDIAによれば、Cosmos 3はopen weights text-to-imageとimage-to-video generationでArtificial Analysis 1位、PAI-Benchのworld generationとPhysics-IQのimage-to-video部門で1位、robot policyではRoboLab 1位を記録した。Cosmos 3 SuperはVANTAGE-Benchのvision understandingで最上位のopen modelだという。

採用先として、roboticsではDoosan Robotics、LG Electronics、Samsung Electronics、Skild AI、自動運転ではLi Auto、Xiaomi、Afariが挙げられている。モデルcollectionとdatasetはHugging FaceとGitHubから利用できる。次の論点は、benchmark上の順位ではなく実地での安定性だ。factory、logistics、vehicle、smart spaceで、world modelがpolicy学習と安全検証のコストをどれだけ下げるかが問われる。