Versión de 14.000 millones de parámetros de la segunda generación del modelo de mundo de NVIDIA para predecir estados futuros y generar datos sintéticos.
Según NVIDIA, es la variante pensada para modelado del mundo de alta fidelidad, con mayor coherencia temporal y precisión ante el texto de entrada que la de 2B.
Pesos abiertos en Hugging Face con la NVIDIA Open Model License. Se lanzó junto a Cosmos Predict-2 2B (cada uno con su propia ficha); más tarde llegó Cosmos Predict-2 0.6B.
Versiones Text2Image (imagen) y Video2World (vídeo).