Cosmos-Predict2.5
월드 모델발표일 2025.10가중치 공개 · NVIDIA Open Model License
Text2World·Image2World·Video2World를 하나로 통합한 플로우 기반 월드 모델로, Cosmos-Reason1을 텍스트 인코더로 써 물리 정합성을 높였어요. 2B·14B 체크포인트와 로봇 정책 평가용 후학습 레시피를 제공해요.
- 파라미터
- 14공식
- 제어 빈도
- —값 없음 (미공개이거나 아직 확인하지 못함)
- 적용 로봇
- —
- 벤치마크 결과
- —
B (10억 개)
Hz · 행동 출력 빈도
윙치키에 연결된 로봇
수록된 점수
공식 자료프로젝트 페이지 research.nvidia.com논문 arxiv.org코드 저장소 github.com가중치 huggingface.co
한눈에 읽기
무엇인가
- 월드 모델 — 다음 장면을 영상으로 상상하는 AI. 학습용 가상 영상을 만들거나 동작 결과를 미리 평가하는 데 써요.
- 발표일 2025-10
- 가중치 공개 (NVIDIA Open Model License) — 내려받아 직접 실행·추가 학습할 수 있음
확인된 정보
- 사양 9개 항목 중 3개에 값이 있음
- 공식 공식 3개: 구조, 파라미터 (B), 학습용 데이터셋
- 값 확인일 2025-10 – 2025-12 · 값마다 출처는 아래 '구조와 학습' 표
확인이 필요한 정보
- 값 없는 기본 사양 (공개 자료에서 찾지 못함): 입력
어떤 모델인가
Cosmos-Predict2.5는 엔비디아가 2025년 10월 공개한 Cosmos 월드 모델의 2.5세대로, 로봇·자율주행용 미래 장면 영상을 생성한다. 텍스트→영상(Text2World), 이미지→영상(Image2World), 영상→영상(Video2World)을 하나의 flow 기반 모델로 통합했다. 텍스트 인코더로는 엔비디아의 물리 추론용 이해·계획 (VLM) 모델인 Cosmos-Reason1을 썼다.
개선된 데이터 파이프라인으로 고른 약 2억 개 영상 클립으로 사전학습한 뒤, 피지컬 AI 도메인 데이터 후학습, 모델 병합, 새 강화학습 알고리즘 기반 후학습을 거쳤다. 2B·14B 기본 모델 외에 7카메라 자율주행 멀티뷰, 로봇 행동 조건부 예측, AgiBot 3카메라 멀티뷰, LIBERO·RoboCasa로 후학습한 로봇 정책 체크포인트도 제공한다. 엔비디아는 PAI-Bench에서 Wan2.2-A14B와 대등한 점수를 냈고, 행동 조건부 로봇 영상 예측에서는 Predict1보다 PSNR·FVD가 개선됐다고 발표했다.
가중치는 NVIDIA Open Model License, 코드는 Apache 2.0으로 공개됐다. 저장소는 현재 제한적 유지보수만 받으며, 후속 개발은 Cosmos 3로 옮겨갔다.
회사 공식 페이지와 논문을 바탕으로 정리했어요. 성공률·최초 같은 표현은 회사 발표예요.
구조와 학습
| 구조 | 플로우 매칭 기반 통합 비디오 월드 모델, Cosmos-Reason1 텍스트 인코더공식 |
|---|---|
| 파라미터 (B) | 14공식 |
| 학습용 데이터셋 | 약 2억 개 큐레이션 영상 클립 + 강화학습 후학습공식 |