Autor: Jakub Rusinowski · Ostatnia aktualizacja: 21 lipca 2026
ZAPOWIEDŹ (2026). Otwarty World Foundation Model (WFM) klasy frontier od NVIDII, przeznaczony do Physical AI — pierwszy w pełni otwarty omnimodel, który natywnie rozumie i generuje tekst, obrazy, wideo, dźwięk otoczenia oraz akcje robotów i pojazdów w jednym systemie, przy wiodącej wierności fizyki. Cosmos 3 to dwuwieżowy Mixture-of-Transformers (MoT): wieża rozumująca (autoregresyjny „mózg” wizyjno-językowy interpretujący obrazy, wideo i tekst oraz wnioskujący o ruchu, interakcjach obiektów i fizycznych związkach przyczynowo-skutkowych) plus wieża generatywna oparta na dyfuzji, która na podstawie tego rozumowania przewiduje zgodne z fizyką przyszłe wideo i sekwencje akcji — model „myśli, zanim zadziała”. Obie wieże mają osobne warstwy normalizacji i MLP, ale współdzielą uwagę multimodalną. Wytrenowany na ~20 bilionach tokenów danych multimodalnych (blisko miliard obrazów, ponad 400 mln filmów rzeczywistych i syntetycznych, a także dźwięk i dane o akcjach ludzi i robotów), skraca trening i ewaluację Physical AI z miesięcy do dni, generując syntetyczne światy i przewidując akcje robotów oraz pojazdów autonomicznych. Dostępny w trzech skalach — Super (64B), Nano (16B) i Edge (4B) — na permisywnej licencji OpenMDW-1.1, na Hugging Face (nvidia/) oraz NVIDIA NGC. NVIDIA raportuje najlepsze wyniki open-source na R-Bench, PAI-Bench, Physics-IQ i RoboLab; traktuj liczby premierowe jako podane przez producenta do czasu niezależnego potwierdzenia. To model do robotyki, pojazdów autonomicznych i symulacji świata, a nie czatowy LLM — zweryfikuj specyfikację na kartach modeli, zanim na niej polegniesz.
| Licence | What it permits | Applies to |
|---|---|---|
OpenMDW-1.1 | Commercial use permitted Commercial use permitted. No usage restrictions beyond attribution. | Cosmos 3 Super, Cosmos 3 Nano, Cosmos 3 Edge |
| Cosmos 3 Super | Min 39 GB VRAM · BF16 · Omnimodal I/O (video/action) ctx · |
| Cosmos 3 Nano | Min 10 GB VRAM · BF16 · Omnimodal I/O (video/action) ctx · |
| Cosmos 3 Edge | Min 3 GB VRAM · BF16 · Omnimodal I/O (video/action) ctx · |
The cheapest GPU that runs Cosmos 3 locally (min 3 GB VRAM) is the Intel Arc B570 (10 GB).
Install Ollama then run: ollama run
Minimum VRAM: 3 GB. For best results use Q4_K_M quantization.
Cosmos 3 needs about 3 GB VRAM at BF16 quantization for its smallest variant. Variants: Cosmos 3 Super (39 GB, BF16); Cosmos 3 Nano (10 GB, BF16); Cosmos 3 Edge (3 GB, BF16). On Apple Silicon, unified memory counts toward this requirement.
Yes — Cosmos 3 runs on an RTX 4090 (24 GB) and other 24 GB cards such as the RTX 3090. Smaller variants also fit comfortably on 8–16 GB GPUs at BF16.
Q4_K_M is the best balance of quality and VRAM for Cosmos 3 in most cases. Choose Q8_0 for near-lossless quality if you have spare VRAM, or smaller quants (Q3/Q2) only when memory is tight.
Install Ollama, then run: ollama run . This downloads Cosmos 3 and starts a local, OpenAI-compatible endpoint — no internet connection is needed after the initial download.