世界模型为什么需要开放权重
11 月 5 日，英伟达在 Hugging Face 博客发布 Cosmos 3 世界模型家族的四个开放权重检查点。过去两年，世界模型大多停留在实验室演示：谁能跑、在哪跑、用谁的算力，往往被闭源权重锁死。英伟达这次把四个可直接取用的检查点摆到台面上，明确指向两类最缺数据的场景——自动驾驶的闭环仿真，以及机器人策略的学习与评估。它给出的判断是：世界模型的难点不在单帧画面有多真，而在于能否随动作滚动生成、能否让摄像头与激光雷达同步、能否被研究者拿去复现和改进。
四个检查点，四种仿真任务
Cosmos 3 四个开放权重检查点：从统一底座到驾驶与机器人仿真
四个检查点都是 Cosmos 3 Nano 的后训练示例，各自 16B 可训练参数，但任务分工清晰。Transfer-Auto 做离线合成驾驶数据，能一次生成最多 11 路摄像头（含鱼眼）的同步视频，并联合生成 RGB 与 LiDAR；Sim-Auto 是它的流式变体，用极少步去噪滚动输出同步的摄像头视频与 LiDAR，适合边开边仿真的闭环；Sim-Transfer 把物理仿真器的空间控制信号（深度、分割、边缘、模糊布局）加一段文本提示，渲染成照片级真实视频，再喂给机器人或汽车的控制网络；Sim-Bimanual 则面向双臂机器人，从 YAM 与 AgiBot 本体的动作预测环境如何演化。换句话说，前两者服务开车，后两者服务机器人，共同点是都把生成和动作、感知绑在一起。
架构与训练：Mixture-of-Transformers 与四阶段配方
支撑这套能力的是 Cosmos 3 的 Mixture-of-Transformers 主干：文本处理与视觉生成由两个独立网络经注意力相连，模型在压缩后的视频隐空间上工作，初始帧之后每个隐时间步对应四帧 RGB。训练走四阶段配方：先双向适配，从完整片段学域与控到视频的关系；再教师强制，用已录片段与可用控制预测每个块；接着一致性蒸馏，用冻结教师训练一个每块仅四步去噪的学生；最后自强制，让学生在自身生成史上继续训练。Sim-Bimanual 的混合动作示例用到 59 个控制量，训练时补齐到 64。英伟达把这些配方连同技术报告、演示一起放出，等于把过去只有内部能跑的微调流程交了出来。
开放权重带来的研究红利与局限
开放权重最直接的价值，是给机器人与自动驾驶研究者一个共同的起点：不必再从零训世界模型，就能在自有传感器布局、驾驶域或机器人本体上做后训练与对比。英伟达也明确点出局限——这批模型在多大程度上能忠实支撑策略学习与评估，仍需在留出集上实测；它们的边界、失效模式和改进空间，恰恰是要靠社区去填的坑。这不是一份性能成绩单，而是一套可被检验、可被改造的原材料。对产业而言，真正的看点不是英伟达又发了多少参数，而是世界模型头一回以可复现的方式，向车厂、本体厂和高校同时敞开。
信息来源
- NVIDIA Hugging Face 官方博客（L1）：New NVIDIA Cosmos 3 Open Models for Interactive World Simulation（2026-11-05，确认四个检查点、16B 可训练参数、OpenMDW1.1 许可、四阶段训练配方与 Mixture-of-Transformers 主干）
- Renderu（L2）：NVIDIA 开源 Cosmos 3 模型，用于流式世界仿真（2026-11-06，独立转述四检查点任务分工、运行环境与 GB200 测试配置）
- AiBoss（L2）：NVIDIA 在 Hugging Face 发布 Cosmos 3 四个开放权重检查点（2026-11-06，交叉核对许可条款与功能描述）