Modelo fundacional del mundo autorregresivo de 4.000 millones de parámetros que predice los siguientes fotogramas de un vídeo.
Es el tamaño más pequeño de Cosmos 1.0 y el más fácil de desplegar para predecir la evolución de un vídeo.
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-5B-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-12B (cada uno con su propia ficha).
Arquitectura autorregresiva; variante Video2World de 5.000 millones de parámetros.
