Cosmos-Predict1 (Cosmos WFM 1.0)

엔비디아🇺🇸 미국NVIDIA Cosmos 계열

월드 모델발표일 2025.01가중치 공개 · NVIDIA Open Model License

엔비디아가 CES 2025에서 공개한 1세대 월드 파운데이션 모델로, 확산·자기회귀 비디오 월드 모델과 토크나이저를 오픈 가중치로 배포해 로봇·자율주행 합성 데이터 생성에 쓰여요. 현재는 유지보수 축소 상태예요.

파라미터: 14공식
제어 빈도: —값 없음 (미공개이거나 아직 확인하지 못함)
적용 로봇: —
벤치마크 결과: —

공식 자료프로젝트 페이지 research.nvidia.com 논문 arxiv.org 코드 저장소 github.com 가중치 huggingface.co

무엇인가

월드 모델 — 다음 장면을 영상으로 상상하는 AI. 학습용 가상 영상을 만들거나 동작 결과를 미리 평가하는 데 써요.
발표일 2025-01
가중치 공개 (NVIDIA Open Model License) — 내려받아 직접 실행·추가 학습할 수 있음

확인된 정보

사양 9개 항목 중 4개에 값이 있음
공식 공식 4개: 구조, 입력, 파라미터 (B), 학습용 데이터셋
값 확인일 2025-01 · 값마다 출처는 아래 '구조와 학습' 표

확인이 필요한 정보

이 모델 데이터에서 따로 확인이 필요한 항목은 없어요.

어떤 모델인가

Cosmos-Predict1은 엔비디아가 2025년 1월 Cosmos 월드 파운데이션 모델 플랫폼과 함께 내놓은 1세대 월드 모델 제품군이다. 피지컬 AI를 실제 세계에 투입하기 전에 디지털 환경에서 학습·평가할 수 있도록 미래 영상을 생성한다. 텍스트나 앞부분 영상을 받아 이어질 장면을 출력하며, 두 갈래 모델로 구성된다.

하나는 Cosmos 토크나이저의 연속 토큰을 디노이징하는 diffusion 모델(Text2World·Video2World 7B·14B, 텍스트는 T5-XXL로 인코딩)이고, 다른 하나는 이산 토큰을 다음 토큰 예측으로 생성하는 Llama3 계열 자기회귀 모델(기본 4B·12B, Video2World 5B·13B)이다. 논문에 따르면 약 2,000만 시간 분량의 원본 영상에서 약 1억 개 클립을 추출해 학습했고, H100 GPU 1만 개 클러스터를 3개월간 썼다. 카메라 시점 제어, 로봇 지시·행동 조건부 영상 예측, 자율주행 멀티뷰 생성 등 후학습 예시도 함께 제공한다.

가중치는 NVIDIA Open Model License, 코드는 Apache 2.0으로 공개됐다. 저장소는 현재 제한적 유지보수만 받으며, 엔비디아는 후속작 Cosmos 3로 옮길 것을 권한다.

회사 공식 페이지와 논문을 바탕으로 정리했어요. 성공률·최초 같은 표현은 회사 발표예요.

구조와 학습

공식보도루머추정— 값 없음

구조	확산 및 자기회귀 비디오 월드 모델 + Cosmos 토크나이저공식
입력	텍스트, 이미지, 영상(Video2World)공식
파라미터 (B)	14공식
학습용 데이터셋	약 2,000만 시간 영상에서 큐레이션한 클립공식

출처 5건

arxiv.org [1][2]
research.nvidia.com [1]
github.com [1]
huggingface.co [1]

한눈에 읽기