一句话总结：NVIDIA 在 Hugging Face 上放出了 Cosmos 3 世界模型的开放权重，面向驾驶和机器人场景；最小配置一张工作站 GPU 就能跑，它和视频生成模型的区别是"物理一致的预测"而不是"好看的画面"。
11 月 5 日，NVIDIA 把 Cosmos 3 世界模型的权重放上了 Hugging Face。
这条新闻比同期的模型发布安静得多，但对做机器人和自动驾驶的人来说，它可能是本周最实用的一条。
Cosmos 3 开放的是权重，不是服务
先说这个"开放"的形态：权重放在 Hugging Face，附 model card 和开发者文档，最小配置一张工作站 GPU 就能跑。
这意味着三件事：可以下载、可以本地跑、可以改造。不是 API，不是试玩页面，是拿回去自己部署。
开放的是驾驶和机器人两个方向的世界模型。这两个领域是它最合理的首发场景，原因下面说。
世界模型和视频生成的区别
乍一看，世界模型和视频生成模型干的是同一件事：给个条件，生成下一帧画面。
区别在目标。视频模型的目标是"人看着真实"——光影、纹理、运动流畅。世界模型的目标是物理一致，给定"方向盘左转 15 度"这个动作，生成的下一帧必须符合物理规律，车身位置、其他物体的相对运动都不能错。
前者错了观众皱眉，后者错了训练出来的策略就是废的。
所以两者对"错误"的容忍结构完全不同。视频模型错了，观众看到一段怪画面；世界模型错了，机器人策略会学到一套不存在的物理，然后在真实世界里付账。
这也是为什么世界模型的评测比视频模型难，画面好不好看能人评，物理对不对得用真值比对，而真值只能从真实世界采。
一张工作站卡的显存门槛
官方给的最低硬件描述是"一张工作站 GPU"。按当前产品线，工作站卡指的是 RTX 6000 Ada（48GB）或者更早的 A 系（48GB）这个量级。
具体多大的模型、什么精度、跑多长序列，model card 里没给全，我不编数字。读配置参数的具体做法，Gemma 4 那篇写过：层数、KV 头数、序列长度，三个数定了显存就能估出来。能确定的是：这个门槛针对的是推理/仿真，不是从头训练。 训世界模型的算力需求是另一个量级。
实用上的建议是：先把 model card 里的配置参数读一遍，按上一批那套方法反推，层数、KV 头数、序列长度，估出 KV 和权重的显存占用，再决定怎么部署。
驾驶和机器人：为什么这两个领域最需要
世界模型解决的是同一个问题：真实世界的试错太贵。
自动驾驶要让策略学会处理罕见场景，得在真实道路上跑几百万英里。机器人要让策略学会抓取，得在真实硬件上摔几万次。两者都慢、都贵、都危险。
世界模型把试错搬进仿真：策略在生成的世界里做一万次尝试，模型负责生成"如果你这么做，世界会变成什么样"。
图 1：真实数据训世界模型，世界模型当仿真器，策略在仿真里做 RL，最后部署回真实世界
这条链路里每一环都有损耗：世界模型的物理误差会传给策略，策略学到的"经验"有一部分是仿真的错误。所以流程里的最后一步，部署回真实世界验证，永远不能省。
关于 Cosmos 3 的五个问题
能商用吗？ 权重挂在 Hugging Face，许可证以 model card 为准。NVIDIA 的开源模型历史上常见"非商业或附加条款"，用之前读一遍。
和 Uranus 那种机器人世界模型是什么关系？ 同一赛道。Cosmos 覆盖驾驶和机器人，Uranus 主打跨机器人形态的统一表示，后者多了"骨架统一编码"这一层。
显存到底要多少？ 官方只说一张工作站卡。按 48GB 档估算比较稳，具体等社区实测。
能直接当视频模型用吗？ 能出画面，但它优化的目标是物理一致性，美学质量大概率不如同代的视频生成模型。
评测在哪？ 暂时没有公开的第三方基准。世界模型的评测体系本身还在建设中。
结语
Cosmos 3 这条新闻的关键词是"权重开放"，不是"性能领先"。
NVIDIA 卖卡，世界模型开源对它稳赚，模型跑得越多，卡卖得越多。这个动机决定了它的开放会持续，也决定了它不会开放最贵的训练部分。
对想做机器人或驾驶仿真的团队，现在可以下载试的东西又多了一个。先跑通最小配置，再谈够不够用。
同周还有 D-Robotics 的 Uranus，把五种机器人的数据统一成一套骨架表示。两个开源放在一起看，机器人仿真这块的公共基础设施，这个月补上了两块。
参考资料
- 参考资料
发表评论
◎欢迎参与讨论，请在这里发表您的看法、交流您的观点。