Modelo fundacional del mundo autorregresivo de 12.000 millones de parámetros que predice los siguientes fotogramas de un vídeo.
Los modelos autorregresivos predicen qué ocurre a continuación en una secuencia de vídeo, lo que da a los modelos de IA física capacidad de anticipar su siguiente acción.
Pesos abiertos en Hugging Face con la licencia abierta de modelos de NVIDIA (NVIDIA Open Model License), que permite el uso comercial. La versión Cosmos-1.0-Autoregressive-13B-Video2World añade la entrada de texto además del vídeo. Se lanzó junto a Cosmos-1.0-Diffusion-14B, Cosmos-1.0-Diffusion-7B y Cosmos-1.0-Autoregressive-4B (cada uno con su propia ficha).
Arquitectura autorregresiva; variante Video2World de 13.000 millones de parámetros.
