NVIDIA lanza Cosmos 3: el primer omnimodelo abierto para IA física en robótica y vehículos autónomos
NVIDIA presentó Cosmos 3 el 1 de junio, un modelo base de pesos abiertos que comprende y genera texto, imágenes, vídeo, sonido y acciones físicas de forma nativa, reduciendo los ciclos de entrenamiento robótico de meses a días.
NVIDIA lanzó Cosmos 3 el 1 de junio de 2026, el primer omnimodelo totalmente abierto diseñado para la IA física. A diferencia de los modelos de lenguaje de propósito general, Cosmos 3 comprende y genera texto, imágenes, vídeo, sonido ambiental y acciones físicas en una sola arquitectura unificada, construida específicamente para entrenar robots y vehículos autónomos.
La promesa central: Cosmos 3 reduce los ciclos de entrenamiento y evaluación de IA física de meses a días.
Arquitectura
Cosmos 3 utiliza un diseño de mezcla de transformadores que combina un transformador de razonamiento con un transformador de generación especializado. Fue entrenado con 20 billones de tokens de datos multimodales, incluyendo cerca de mil millones de imágenes, 400 millones de vídeos reales y sintéticos, audio ambiental, texto y datos de acción de humanos y robots.
Las dos variantes de lanzamiento:
- Cosmos 3 Super (32B+32B): orientado a tareas de alta precisión física, como el entrenamiento de políticas robóticas y la simulación de vehículos autónomos
- Cosmos 3 Nano (8B+8B): genera resultados en fracciones de segundo, adecuado para investigación de inferencia en tiempo real
Una tercera variante, Cosmos 3 Edge, llegará próximamente para inferencia en tiempo real en hardware de borde. Ambos modelos actuales están disponibles ya en Hugging Face. El informe técnico ha sido publicado en NVIDIA Research.
Por qué la IA física es diferente
Entrenar un modelo de lenguaje general y entrenar una política robótica son problemas fundamentalmente distintos. Un modelo de lenguaje predice el siguiente token; un sistema de IA física necesita predecir las consecuencias de acciones en un mundo real —gravedad, fricción, oclusión, colisión. Cosmos 3 fue entrenado específicamente con datos de acciones y sensores de entornos físicos, no solo con texto e imágenes de internet.
La capacidad de simulación del mundo es el diferenciador clave: Cosmos 3 puede generar entornos sintéticos fotorrealistas donde una política robótica puede entrenarse. Eso significa menos tiempo en pruebas reales costosas y una iteración más rápida sobre escenarios de borde que rara vez aparecen en conjuntos de datos recopilados.
La Coalición Cosmos
Junto al lanzamiento del modelo, NVIDIA anunció la Coalición NVIDIA Cosmos, una colaboración global entre constructores de modelos de mundo y desarrolladores de IA. Los miembros fundadores incluyen Agile Robots, Black Forest Labs, Generalist, LTX, Runway y Skild AI.
Lo que significa para los desarrolladores
Los pesos abiertos con licencia permisiva son la clave. La IA física estaba dominada hasta ahora por pipelines propietarios: la plataforma Isaac de NVIDIA, el trabajo de Google DeepMind y un puñado de startups de robótica bien financiadas. Cosmos 3 pone un modelo de mundo de clase frontera en manos de cualquier persona con un clúster de GPUs, sin necesidad de acuerdo empresarial.
El corpus de entrenamiento de 20 billones de tokens y la arquitectura de mezcla de transformadores están documentados en el informe técnico público, lo que debería permitir una reproducción y extensión comunitaria significativa una vez que los investigadores puedan analizarlo.
Fuentes
Lecturas relacionadas
- Modelos de IA MiniMax M3: el modelo de pesos abiertos con 1 millón de tokens de contexto supera a GPT-5.5 en programación a una fracción del coste
- Modelos de IA NVIDIA Lanza Nemotron 3 Nano Omni: Multimodal, de Código Abierto y 9 Veces Más Rápido
- Modelos de IA Meta publica TRIBE v2 en código abierto: un modelo que predice respuestas cerebrales con resolución 70x mayor