NVIDIA Cosmos 3 Super, Nano, Edge의 차이는 단순히 큰 모델·중간 모델·작은 모델이 아닙니다. 2026년 5월 31일 출시 발표는 Super를 최고 물리 정확도와 생성 품질이 필요한 후학습·합성데이터용, Nano를 빠른 비디오·행동 추론용으로 설명했고 두 모델을 즉시 사용 가능하다고 밝혔습니다.
Edge는 같은 발표 당시 coming soon이었지만 2026년 7월 15일 후속 발표에서 4B 온디바이스 모델로 소개되고 공식 모델 링크가 제시됐습니다. 따라서 오래된 5월 표만 보고 Edge를 미출시로 고정해서도, 파트너의 ‘도입 의향’을 생산 배치로 바꿔 써서도 안 됩니다.
실행 위치와 결과물부터 정하면 모델 후보가 줄어든다
대규모 합성 비디오와 고난도 물리 추론을 데이터센터에서 수행하면 Super가 출발점입니다. 워크스테이션에서 빠른 추론과 반복 개발을 원하면 Nano, 센서와 로봇 가까이에서 지연을 줄이고 행동 출력을 만들려면 Edge를 먼저 검토합니다.
모델 크기만 보고 결정하면 비용이나 지연이 목표와 어긋납니다. 필요한 입력이 텍스트·영상·행동 중 무엇인지, 출력이 설명·미래 영상·행동 시퀀스 중 무엇인지, 허용 지연과 GPU 메모리·전력은 얼마인지 적어야 합니다.
| 모델 | 공개 파라미터 | 공식 주요 용도 | 대표 실행 위치 |
|---|---|---|---|
| Cosmos 3 Super | 64B | 최대 품질·합성데이터·고급 물리 추론 | Hopper·Blackwell 데이터센터 |
| Cosmos 3 Nano | 16B | 효율적 비디오·행동 추론 | RTX PRO 6000급 워크스테이션 |
| Cosmos 3 Edge | 4B | 온디바이스 시각 추론·행동 생성 | RTX·DGX·Jetson 엣지 |
세 모델은 추론과 생성을 잇는 Cosmos 3 계열이다
NVIDIA 기술 설명은 Cosmos 3를 텍스트·이미지·비디오·오디오·행동을 처리하는 reasoner와, 미래 관측·행동을 생성하는 diffusion 기반 generator가 연결된 구조로 설명합니다. 하나의 계열 안에서 이해와 생성 작업을 묶는 것이 핵심입니다.
지원 모달리티가 넓다고 모든 체크포인트가 모든 입출력에서 같은 품질을 낸다는 뜻은 아닙니다. 로봇 데이터 형식, 카메라 시점, 행동 표현, 후학습 레시피와 평가 환경이 다르면 결과도 달라집니다. 기본 개념은 피지컬 AI 세계 모델에서 확인할 수 있습니다.
Super는 품질을 위해 데이터센터 비용을 감수하는 선택이다
Super는 64B 모델로, NVIDIA는 최대 품질과 능력을 목표로 하며 Hopper·Blackwell GPU 데이터센터 배치를 제시합니다. 로보틱스·자율주행 모델 후학습, 대규모 합성데이터 생성, 어려운 물리 추론이 주요 후보 작업입니다.
공식 벤치마크가 높아도 특정 로봇의 성공률을 보장하지 않습니다. 동일한 프롬프트·영상·행동 데이터에서 생성 품질, 물리 위반, 처리 시간과 GPU 비용을 Nano 및 작업 전용 기준선과 비교해야 합니다.
.jpg){kind=link}
Nano는 16B 효율형이지만 저사양 임베디드 모델은 아니다
Nano는 16B로 줄여 효율적인 추론을 목표로 하며 NVIDIA는 RTX PRO 6000급 워크스테이션을 예시로 듭니다. 빠른 비디오·행동 추론과 반복 실험에 유리하지만, 이름이 Nano라고 노트북이나 소형 로봇 컴퓨터에서 자동으로 실시간이 되는 것은 아닙니다.
입력 영상 길이, 해상도, 양자화, 배치와 출력 토큰이 지연을 바꿉니다. 실제 워크로드의 p50·p95 지연, 메모리, 전력과 품질 하락을 기록하고 로봇 VLA 평가 기준처럼 성공과 실패를 함께 봐야 합니다.
| 선택 질문 | Super | Nano | Edge |
|---|---|---|---|
| 최우선 목표 | 품질·대규모 생성 | 효율·반복 속도 | 현장 지연·로컬 행동 |
| 실행 위치 | 데이터센터 | 워크스테이션 | 로봇·카메라 근처 |
| 핵심 측정 | 품질 대비 GPU 비용 | 지연 대비 품질 | 전력·지연·안전 경계 |
| 피해야 할 오해 | 항상 최고 ROI | 모든 엣지에서 실시간 | 생산 배치가 자동 검증됨 |
Edge는 7월에 소개된 4B 온디바이스 행동 모델이다
7월 발표는 Edge를 Nemotron 기반 4B 모델로 소개하며 환경 이해, 실시간 추론과 로봇 행동 생성을 로컬에서 수행하도록 설계됐다고 설명합니다. RTX, DGX와 Jetson, 새 T2000·T3000 모듈을 배치 대상으로 제시합니다.
5월의 coming soon 문구보다 최신 상태지만, 모델 링크가 있다는 사실과 특정 현장의 생산 승인·안전 검증은 별개입니다. 기체별 후학습 시간이나 벤치마크도 NVIDIA의 조건을 다른 로봇에 그대로 일반화하지 말아야 합니다.
작은 파일럿에서 세 모델을 같은 기준으로 비교한다
실제 데이터의 대표·희귀·실패 장면을 고정하고 세 후보가 같은 입력에서 내는 설명, 미래 관측과 행동을 비교합니다. 품질뿐 아니라 처리량, p95 지연, GPU 시간, 에너지, 안전 필터 후 유효 행동 비율과 사람이 수정한 횟수를 기록합니다.
파트너 발표의 ‘사용 중’, ‘구축 중’, ‘탐색 중’, ‘가입 의향’은 서로 다른 증거 수준입니다. 피지컬 AI PoC 가이드로 승격 조건을 정하고, 학습·평가·배치 데이터가 겹치지 않도록 해야 합니다.
자주 묻는 질문
Cosmos 3 Super와 Nano 중 어느 것이 더 좋은가요?
최대 품질과 대규모 생성이 우선이면 Super, 워크스테이션 효율과 빠른 반복이 우선이면 Nano가 출발점입니다. 같은 실제 데이터로 품질, 지연과 비용을 비교해야 합니다.
Cosmos 3 Edge는 아직 coming soon인가요?
5월 31일 발표에는 coming soon이었지만 7월 15일 NVIDIA는 4B Edge를 별도 소개하고 공식 모델 링크를 제시했습니다. 다만 접근 가능과 특정 제품의 생산 배치·인증은 별개입니다.
Nano나 Edge를 쓰면 로봇이 바로 실시간 자율 동작하나요?
아닙니다. 지연은 영상, 모델 정밀도, 하드웨어와 행동 주기에 따라 달라지고, 실제 자율 동작에는 후학습, 제어기, 안전 계층과 실기 검증이 필요합니다.
확인한 공식 자료
최종 확인: 2026-08-07