NVIDIA publica cuatro Cosmos 3 de pesos abiertos para simular mundos interactivos
NVIDIA publica en Hugging Face cuatro modelos de pesos abiertos derivados de Cosmos 3 Nano (16.000 millones de parámetros): dos generan datos de conducción con cámara y láser, uno convierte controles de simulador en vídeo y otro predice las escenas que vería un robot de dos brazos. Salen bajo la licencia OpenMDW1.1, que permite uso comercial y no comercial.
Qué ha ocurrido
NVIDIA ha publicado cuatro modelos de pesos abiertos dentro de su plataforma de modelos del mundo Cosmos 3, según el anuncio oficial en el blog de NVIDIA en Hugging Face, fechado el 5 de noviembre de 2026. Los cuatro son ejemplos de ajuste posterior (post-entrenamiento) de Cosmos 3 Nano y comparten 16.000 millones de parámetros ajustables y la licencia OpenMDW1.1, que autoriza el uso comercial y no comercial según sus términos.
Las variantes cubren tareas distintas. Cosmos3-Nano-Transfer-Auto genera offline vídeo sincronizado de hasta 11 cámaras —incluidas las de gran angular— y puede producir imagen y lecturas de láser (LiDAR) de forma conjunta, variando clima, iluminación y hora del día. Su variante Cosmos3-Nano-Sim-Auto emite en transmisión continua fragmentos sucesivos de cámara y láser en pocos pasos de generación, pensada para simular conducción de forma interactiva.
Las otras dos miran a la percepción generativa. Cosmos3-Nano-Sim-Transfer convierte los controles espaciales de un simulador —profundidad, segmentación, bordes o vídeo desenfocado— más un texto en vídeo realista. La física y el estado del escenario quedan en el simulador, no en el modelo. Cosmos3-Nano-Sim-Bimanual predice la siguiente escena a partir de las acciones de un robot de dos brazos (los modelos YAM y AgiBot) o de una cámara.
No es un anuncio aislado: el 21 de octubre, en el GTC de Berlín, NVIDIA ya presentó nuevas variantes de Cosmos 3 Nano para probar políticas autónomas en escenarios multivista repetibles. Aquella ampliación del marco Cosmos incluyó herramientas de entrenamiento y despliegue, según su blog corporativo.
La página del Cosmos Lab de NVIDIA, que enlaza los cuatro modelos y el informe técnico, acompañó el lanzamiento con cifras propias de rendimiento. Sim-Bimanual alcanza 48,1 cuadros por segundo y 166 milisegundos de latencia a 480p en una GPU GB300, y Sim-Auto llega a 16,7 cuadros por segundo con siete vistas de imagen y láser en 16 GPUs GB200. El blog de Hugging Face aclara que su configuración de inferencia probada en una GB200 no es una especificación mínima de memoria.
Por qué importa
Los modelos del mundo —redes que generan vídeo coherente condicionado por acciones o controles, en lugar de predecir solo texto— son la pieza con la que la industria de la IA física entrena robots y sistemas de conducción sin gastar robot real. Un marco de simulación con pesos abiertos y recetas de ajuste públicas baja el coste de entrada frente a simuladores propietarios, y la licencia OpenMDW1.1 deja abierta la vía comercial.
Los límites los reconoce la propia NVIDIA. El blog afirma que «estos problemas siguen siendo difíciles» y que el trabajo pendiente es medir dónde los modelos sostienen de verdad el aprendizaje y la evaluación de políticas. Su ficha de producto advierte de que el modelo no es un simulador físico —geometría, permanencia de objetos y contacto son solo aproximaciones— y de que la robótica y la conducción autónoma exigen validación independiente. Las comparativas de calidad (por ejemplo, mejor PSNR que DreamDojo 2B y 14B en AgiBot-World) proceden de evaluaciones propias de NVIDIA, sin contraste independiente publicado.
Qué cambió
Qué sabemos · qué no
Confirmado
- Los cuatro modelos (Transfer-Auto, Sim-Auto, Sim-Transfer, Sim-Bimanual) se ajustaron a partir de Cosmos 3 Nano con 16.000 millones de parámetros, según el blog de NVIDIA en Hugging Face (5/11/2026).
- La licencia es OpenMDW1.1, que permite uso comercial y no comercial según sus términos, según la misma fuente.
- Transfer-Auto genera vídeo sincronizado de hasta 11 cámaras con imagen y láser conjuntos; Sim-Auto lo emite en transmisión continua mediante destilación.
- Sim-Bimanual soporta los robots de dos brazos YAM y AgiBot y puede pilotarse con joystick humano, según el blog.
- NVIDIA publica en su página de Cosmos Lab 48,1 cuadros por segundo y 166 milisegundos de latencia para Sim-Bimanual a 480p en una GB300 y 16,7 cuadros por segundo para Sim-Auto en 16 GB200.
Todavía no
- No hay evaluación independiente de la calidad de vídeo, la fidelidad del control ni de la latencia: todas las cifras proceden de NVIDIA.
- El blog no cifra requisitos mínimos de GPU; la configuración probada en una GB200 se declara explícitamente no mínima.
- Se desconoce la tasa de error de los mundos generados (deriva acción-estado, contacto físico) medida fuera de la distribución de entrenamiento, más allá de las advertencias genéricas de la ficha.
- No hay datos de adopción: número de descargas de los checkpoints ni proyectos que los usen en producción.
La misma claridad, en tu correo.
IA HOY, gratis de lunes a viernes, con fuentes y contexto.
Para ir al grano técnico
Qué vigilamos ahora
Comparativas independientes de los checkpoints frente a simuladores tradicionales y a otros modelos del mundo abiertos, y las primeras recetas de adaptación a rigs de sensores reales por parte de terceros.
Fuentes
Naturaleza de la afirmación principal: Anuncio de la empresa. Fuente primaria consultada y verificable.
- Hugging Face Blog — NVIDIA · nivel 1 · primaria · consultada 6 nov 2026
- NVIDIA Cosmos Lab — Interactive World Simulation · nivel 1 · primaria · consultada 6 nov 2026
- NVIDIA Blog — Cosmos Opens New Tools · nivel 1 · primaria · consultada 6 nov 2026
Más sobre
IA HOY · de lunes a viernes
La misma claridad,
cada día, en tu correo.
Una noticia principal, una selección breve y el contexto o las dudas que conviene seguir. Con fuentes y sin rellenar cupos.
Para seguir leyendo
Modelos ·
Tether lanza BotPsy, un agente de 0,8B parámetros con pesos abiertos para el móvil
Modelos ·
Mistral abre los pesos de Mistral Large 4, su modelo de un billón de parámetros
Modelos ·
NVIDIA abre Transcribe, su modelo de voz que transcribe 40 idiomas y distingue quién habla
Modelos ·
IBM estrena LLMON, un marcado para modelos, en dos Granite 4.1 de prueba