TAIPEI / LONDON (IT BOLTWISE) – NVIDIA hat auf der GTC Taipei mit Cosmos 3 ein vollständig offenes Omnimodell für Physical AI vorgestellt, das Bild-, Video-, Audio- und Action-Generierung in einer Architektur bündelt. Das System soll physikalisch präzisere Welt- und Bewegungsprognosen liefern, sodass Trainings- und Evaluationszyklen von Monaten auf Tage schrumpfen. Mit der NVIDIA Cosmos Coalition bündelt NVIDIA zudem Labore und Robotik-Teams, um offene World-Model-Ökosysteme schneller weiterzuentwickeln. Für Unternehmen bedeutet das vor allem: mehr Tempo bei der Erstellung synthetischer Trainingsdaten und bei der Validierung von Robotik- und AV-Fähigkeiten.
NVIDIA setzt mit Cosmos 3 auf einen Ansatz, der in der Physical-AI-Welt seit Jahren gefordert wird: Modelle sollen nicht nur Inhalte klassifizieren oder textbasierte Anweisungen ausgeben, sondern in der physischen Realität sinnvoll verstehen, planen und handeln. Der Kern der Ankündigung ist dabei die Kombination aus nativer multimodaler Wahrnehmung und einer „World-and-Action“-Generierung innerhalb eines einzigen Systems. NVIDIA positioniert Cosmos 3 als offene Grundlage, um Trainings- und Evaluationsschleifen für Robotik, autonome Fahrzeuge und visionbasierte Agenten spürbar zu verkürzen. Damit rückt die Frage nach der Skalierbarkeit von Simulationen und dem Transfer in reale Umgebungen wieder stärker in den Mittelpunkt.
Technisch beruht Cosmos 3 auf einer Mischung aus Transformer-Komponenten („mixture-of-transformers“), die in zwei Rollen gedacht sind: ein Reasoning-Transformer, der Interaktionen, Motion sowie räumlich-zeitliche Zusammenhänge analysiert, und ein Expert-Generation-Transformer, der daraus Video- und Aktionspfade ableitet. Diese Trennung adressiert ein zentrales Problem früherer Physical-AI-Pipelines: Simulationsteile und Bewertungslogik sind häufig in unterschiedlichen Stacks implementiert, wodurch Datenformate, Zwischenrepräsentationen und Feedbackschleifen auseinanderlaufen. NVIDIA behauptet, das Modell auf einem der größten multimodalen Physical-AI-Datensätze trainiert zu haben, inklusive Milliarden Samples über Text, Bild, Video, Sound und Action-Trajektorien, um so als Pretraining-Baustein mit weniger Datenaufwand zu dienen.
Aus Sicht der Implementierung ist Cosmos 3 als „open foundation model“ für mehrere Entwicklungsphasen gedacht. Unternehmen und Entwickler können es als Vision-Language-Modell nutzen, das über Modalitäten hinweg argumentiert, oder als World-Model bzw. Video-Foundation-Model, das physikalische Umgebungen simuliert und künftige Zustände vorhersagt. Für Robotikteams ist außerdem relevant, dass Cosmos 3 als Fundament für World-Action-Modelle dienen kann, also als Einstieg in die Spezialisierung auf konkrete Aufgaben. Das Release-Paket wird außerdem über eine Platform-Integration ergänzt: NVIDIA beschreibt eine physikalisch ausgerichtete Entwicklerumgebung mit neuen Datensätzen (u. a. für Robotik, Physik, Human Motion, autonomes Fahren, Warehouse-Sicherheit und Spatial Reasoning) sowie Agent Skills für neuronale Scene-Rekonstruktion, Defekt-Bildgenerierung und Video-Augmentierung.
Im Marktvergleich versucht NVIDIA, den Fokus vom isolierten Modelltraining hin zur „open ecosystem“-Geschwindigkeit zu verschieben. Neben den genannten Labornamen rund um die Cosmos Coalition nennt NVIDIA als Betreiber eines eigenen Ökosystems außerdem Teams wie Agile Robots, Black Forest Labs, Generalist, LTX, Runway und Skild AI, die Modelle, Evaluationsmethoden und Trainingswerkzeuge gemeinsam weiterentwickeln sollen. Als Wettbewerbsfolie lässt sich dabei grob einordnen, wie auch andere große Akteure an World-Model-Ideen arbeiten: Bei Google DeepMind etwa wird die Vision von generativen Weltmodellen seit geraumer Zeit vorangetrieben, während im Robotikbereich zusätzlich Anbieter wie Figure AI stark auf agentische Lernpipelines setzen. Branchenexperten berichten, dass der Engpass häufig weniger „Modellfähigkeits-Magie“ als vielmehr Datengenerierung, Benchmark-Design und robuste Transfer-Validierung ist—genau dort setzt NVIDIA mit synthetischen Daten und mehrere Benchmarks umfassenden Ranglisten an.
Besonders deutlich wird die strategische Stoßrichtung in den Resultatspektren, die NVIDIA für offene Modelle nennt: Beim World-Generation-Accuracy-Ansatz sowie bei Action-Policy-Setups (RoboLab, RoboArena) und Vision-Understanding-Benchmarks (u. a. VANTAGE-Bench, TAR) soll Cosmos 3 führend sein. Auch die Modelllinie ist so gewählt, dass unterschiedliche Produktreifegrade abgedeckt werden: „Cosmos 3 Super“ für maximale physikalische Genauigkeit und Generierungsqualität in Post-Training-Setups, „Cosmos 3 Nano“ für schnellere Video- und Action-Reasonding-Zyklen und „Cosmos 3 Edge“ als baldiger Schritt hin zu Echtzeit-Inferenz direkt am Rand. Die Idee dahinter: Wer schneller iterieren kann, reduziert die Gesamtkosten der Feldtests—und kann schneller entscheiden, welche Modellversion in einem AV- oder Robotik-Programm tatsächlich stabil genug ist.
Für die Zukunft adressiert NVIDIA nicht nur Performance, sondern auch Zugänglichkeit und Deployments in produktionsnahen Umgebungen. Cosmos 3 Super und Nano sind laut NVIDIA sofort verfügbar, „Cosmos 3 Edge“ folgt für Real-Time-Inferenz. Entwickler können laut Ankündigung auf build.nvidia.com zugreifen, offene Modelle bei Hugging Face beziehen, Cosmos 3 anpassen und synthetische Daten mit Hugging Face Diffusers generieren; Deployments sollen zudem als NVIDIA NIM Microservices möglich sein. Für Softwareanbieter und Modellintegratoren entsteht damit ein klarer Weg: Cosmos-Logik lässt sich mit Inferenzservices und Cloud-Partnerschaften wie Microsoft Azure, CoreWeave, Nebius und weiteren Infrastrukturanbietern verbinden, was die Hürde senken dürfte, Physical-AI-Funktionalität in bestehende Entwickler- und Qualitätsprozesse zu integrieren.
Gleichzeitig bleiben Regulierungs- und Sicherheitsfragen ein entscheidender Faktor, gerade weil synthetische Daten und multimodale Generierung direkt in Trainings- und Evaluationspipelines einfließen. Je nachdem, in welchen Domänen Unternehmen tätig sind—z. B. autonome Systeme in sicherheitskritischen Umgebungen—müssen Nachweise über Datenherkunft, Modellverhalten und reproduzierbare Evaluationen stärker dokumentiert werden. Offene Modelle können dabei helfen, weil Teams Prüf- und Monitoring-Workflows aufbauen und kontrollieren können, wie Trainingsdaten entstehen und wie Benchmarks definiert sind. In den kommenden Monaten wird entscheidend sein, ob Cosmos 3 und die Coalition nicht nur technische Genauigkeit steigern, sondern auch praktikable Governance-Mechanismen für Auditierbarkeit, Robustheitstests und Datenschutz-by-Design etablieren. Wie Jensen Huang es formuliert: „The big bang of physical AI is just around the corner“, und Cosmos 3 verschaffe Entwicklern einen „generational leap“ beim Perceive-Reason-Plan-Act in der physischen Welt.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- NIEDLICHER BEGLEITER: Eilik ist der ideale Begleiter für Kinder und Erwachsene, die Haustiere, Spiele und intelligente Roboter lieben. Mit vielen Emotionen, Bewegungen und interaktiven Funktionen.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "NVIDIA Cosmos 3: Offenes Physical-AI-Omnimodell mit World- und Action-Generierung" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "NVIDIA Cosmos 3: Offenes Physical-AI-Omnimodell mit World- und Action-Generierung" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »NVIDIA Cosmos 3: Offenes Physical-AI-Omnimodell mit World- und Action-Generierung« bei Google Deutschland suchen, bei Bing oder Google News!