AIToday
AIビジネス・産業Hugging Face Blog掲載日時: 2026年6月1日 16:00

NVIDIAがCosmos 3をリリース——テキスト、画像、ビデオ、アクションを単一モデルで処理する物理AIの基盤モデル

LINEで送る
NVIDIAがCosmos 3をリリース——テキスト、画像、ビデオ、アクションを単一モデルで処理する物理AIの基盤モデル

3つのポイント

  1. NVIDIAはCosmos 3をHugging Faceで公開。世界生成(ワールド生成)、物理推論、アクション生成を1つの統合モデルで実行できるomni-model(複数の機能を統合したモデル)。Cosmos 3 Nano(8Bパラメータ)とCosmos 3 Super(32Bパラメータ)の2サイズをリリース。

  2. Mixture-of-Transformers(複数のトランスフォーマーを組み合わせた構造)アーキテクチャを採用。テキスト、画像、ビデオ、音声、アクションの全モダリティを単一アーキテクチャで処理し、自動回帰(推論・理解用)と拡散(生成用)の2つの異なるサブシーケンスが共同注意を通じて相互作用することで、VLM、ビデオジェネレータ、動力学モデル、ロボット方策として柔軟に動作可能。

  3. ロボット工学、自動運転、スマートスペースなど物理AIシステムの開発向けに設計。テキスト/画像/ビデオからの現実的で物理的に妥当なビデオ世界の生成、動き・因果関係・空間関係といった物理特性の推論、現在の状態に基づく将来のビデオ・アクションシーケンスの予測に対応。

  4. Hugging Face Diffusers統合により数行のコードでビデオ生成パイプラインを実行可能。GitHubではポストトレーニングスクリプトと合成データ生成(SDG)データセットも公開。

わからないところ、AIに聞けます

質問と回答はこのページに公開されます。

こういう要約が、毎朝あなたのメールに届きます。

Hugging Face Blog元記事を読む
LINEで送る

あなたの仕事に関係するAIニュースを、毎朝お届けします。

業界と使っているAIツールを選ぶと、仕事に関係するニュースが毎朝届きます。

登録無料・Googleアカウントなら30秒・いつでも解除できますAITodayについて →

AIに質問

この記事についてわからないことをAIに質問できます。AIはこの記事・AIToday の過去記事・Wikipedia を読み、出典を付けて答えます。Q&Aはこのページに公開され、他の読者も読めます。

質問と回答はこのページに公開されます。

このようなAIの動きを、御社の業界・競合に合わせて毎日届ける法人プランもあります → 詳しく見る

関連記事

次の記事へCorsair Gaming(CRSR)のElgatoブランドがStream DeckにModel Context Protocol対応を追加、AI推論機能をPC操作に連携可能に