6月1日，英伟达宣布推出英伟达Cosmos3，这是一款面向物理人工智能的开放世界基础大模型。Cosmos3依托混合Transformer架构，融合视觉推理、世界生成与动作预测能力，是全球首款全开源的全模态大模型。该模型能够原生理解并生成文本、图像、视频、环境音效及动作内容，物理仿真精度业界领先，能将物理人工智能的训练与评估周期从数月缩短至数日。

英伟达同时发起英伟达宇宙联盟（NVIDIA Cosmos Coalition），汇聚全球世界模型研发团队与人工智能开发者携手合作，共同推动下一代世界模型技术发展。Cosmos3采用混合Transformer架构，将推理Transformer与专精生成类Transformer相结合，基于海量多模态物理人工智能数据集训练而成，涵盖数十亿条文本、图像、视频、音效及动作轨迹样本。开发者可将Cosmos3用作多模态图文大模型、世界模型/视频基础模型以及世界动作模型主干网络。

在物理人工智能主流评测基准中，Cosmos3表现优异。其世界生成精度、动作策略能力和视觉理解能力均在相关基准中排名第一。Cosmos3提供多个版本，适配物理人工智能不同研发阶段需求，包括面向机器人与自动驾驶模型的二次训练的Cosmos3Super，数秒内即可完成高品质视频解析与动作推理的Cosmos3Nano，以及即将上线的主打边缘端实时推理的Cosmos3Edge。