OmniTools 6月1日消息，英伟达正式发布开源世界基础模型（WFM）Cosmos 3，定位为首个面向物理AI推理与行动的开放型全模态模型（omni-model）。该模型基于混合Transformer（MoT）架构，统一支持文本、图像、视频、音频及动作等多种输入与输出模态，在单次前向传播中即可完成世界生成、物理推理与动作生成。
Cosmos 3提供两个版本：8B参数的Cosmos 3 Nano适用于工作站级GPU（如RTX PRO 6000），32B参数的Cosmos 3 Super面向大规模合成数据生成与研究，需运行于NVIDIA Hopper或Blackwell架构GPU。模型已上线Hugging Face，并集成Diffusers库，支持Text-to-Video、Image-to-Video等生成管线。
同步发布的还包括六类合成数据集，覆盖机器人操作、物理交互、空间推理、数字人动作、自动驾驶及仓储安全等场景，全部开源并托管于Hugging Face平台。