发生了什么
11 月 5 日，英伟达在 Hugging Face 博客宣布为 Cosmos 3 世界模型家族新增四个开放权重检查点，面向交互式世界模拟与多传感器、多视角驾驶场景生成。四个模型均为 Cosmos 3 Nano 的后训练示例，每个 16B 可训练参数，骨干为 Mixture-of-Transformers——用注意力把文本处理网络与视觉生成网络接起来。许可为 OpenMDW1.1，按其条款允许商业与非商业使用。
四个检查点各管一段
- Cosmos3-Nano-Transfer-Auto：离线合成驾驶数据。最多 11 路相机视角（含鱼眼）同步生成视频，并与激光雷达点云联合输出；每路相机可用 World Scenario Map 设定道路布局与交通行为，外观由文本提示控制。30 fps，单段最长 400 帧，480p 或 720p。
- Cosmos3-Nano-Sim-Auto：Transfer-Auto 的因果蒸馏流式版本，用少量去噪步就吐出一小段相机视频与激光雷达，面向长时交互 rollout 与闭环评测。
- Cosmos3-Nano-Sim-Transfer：把物理仿真器的控制量与文本提示渲染成照片级 RGB 视频。深度、分割、边缘、模糊四路空间控制作为条件，物理状态仍留在仿真器里。
- Cosmos3-Nano-Sim-Bimanual：由双臂机器人或相机动作预测下一帧，支持 YAM 与智元 AgiBot 本体，可由策略或人手摇杆驱动，混合动作示例用 59 个控制值。
英伟达一并公开了四阶段训练配方：双向适配、教师强制、一致性蒸馏、自强制。最后一段用模型自己生成的历史做训练，目的是压住长时生成的误差累积。后训练配方与推理权重一起放出，指向的是让开发者换到自己的传感器配置与机器人本体上。
部署门槛落在哪
运行需要 Linux、英伟达 GPU、Docker 与 NVIDIA Container Toolkit。Cosmos 3 Nano 生成在 BF16 下需 58 GiB 显存，FP8 下 44 GiB，FP8 加卸载可压到 31 GiB——也就是说最小档能落在单张工作站级显卡上，而不是必须整机架。技术报告里的演示数字是单张 GB300 上 480p 下 48.1 fps、166 毫秒延迟，属于特定硬件配置下的表现，不是通用承诺。
对企业意味着什么
世界模型的价值不在生成好看的车载画面，而在替代实车与实机采集：11 路相机同步加激光雷达，此前基本只在闭源系统里；现在有可商用的开放权重，意味着自动驾驶与机器人团队可以自建「按下动作、看下一秒会发生什么」的仿真数据源，把长尾场景的采集成本从路测小时数换成 GPU 小时数。
对国内团队还有一层现实意义：OpenMDW1.1 允许商用，但条款需逐条核对；模型对中文场景与本土交通规则的表现没有任何公开评测，直接套用到量产数据管线之前，需要先在自己的传感器配置上做后训练与一致性检查。
不确定之处
这篇博客是英伟达在 Hugging Face 托管的技术合作内容，尚无外部机构独立测量这四个检查点的画面质量；英伟达也未放出评测代码与误差条。更关键的是发布方自己写明：这些模型在多大程度上能忠实支撑策略学习与评测，仍待测量。换言之，它们现在是数据生成与场景扩增工具，还不能当作闭环训练的可信裁判。