Modelo omnimodal abierto de 16.000 millones de parámetros para IA física, que razona y genera texto, imagen, vídeo, audio y acciones.
Une en un solo modelo la comprensión y la generación para robótica y conducción autónoma. Según NVIDIA, Nano ofrece razonamiento de vídeo y de acciones de alta calidad en fracciones de segundo.
Pesos abiertos en Hugging Face con licencia OpenMDW 1.1, que permite el uso comercial; disponible en build.nvidia.com. Se lanzó junto a Cosmos 3 Super (cada uno con su propia ficha); Cosmos 3 Edge llegó después.
Arquitectura de mezcla de transformadores (MoT) y contexto de texto de hasta 256.000 tokens. Entradas: texto, imagen, vídeo (con o sin audio) y trayectorias de acción.
