cosmos

基于Mixture-of-Transformers的统一世界模型平台，支持语言、图像、视频、音频和动作序列的联合处理与生成。NVIDIA官方出品，提供Reasoner（理解推理）和Generator（生成仿真）两种模式，专为机器人、自动驾驶等Physical AI场景设计，附带微调、评估、数据蒸馏等完整生态工具。模型有16B/64B两档，支持多种集成方式（Diffusers/vLLM/NIM），是目前开源世界中兼顾理解与生成的少有方案。

打开互动版