Modelo fundacional del mundo de difusión de 7.000 millones de parámetros que genera vídeo con física coherente para IA física.
Es la opción más ligera de la familia de difusión de Cosmos 1.0 para generar datos sintéticos de robótica y conducción autónoma.
Pesos abiertos en Hugging Face con la licencia abierta de modelos de NVIDIA (NVIDIA Open Model License), que permite el uso comercial. Hay checkpoints Text2World (de texto a vídeo) y Video2World (de vídeo y texto a vídeo). Se lanzó junto a Cosmos-1.0-Diffusion-14B, Cosmos-1.0-Autoregressive-12B y Cosmos-1.0-Autoregressive-4B (cada uno con su propia ficha).
Arquitectura de difusión; variantes Text2World y Video2World.
