NVIDIA Cosmos 3 Super、Nano与Edge对比

NVIDIA Cosmos 3 Super、Nano和Edge并非简单的大、中、小三个版本。2026年5月31日发布公告把Super定位于需要最高物理精度和生成质量的后训练与合成数据，把Nano定位于快速视频和动作推理，并称两者当时即可使用。

Edge在5月还是coming soon，但7月15日后续公告已将其作为4B设备端模型介绍，并提供官方模型链接。因此不能用旧表永久标为未发布，也不能把合作伙伴的“计划加入”或“探索”写成生产部署。

先确定运行位置和输出，候选模型自然会减少

若在数据中心生成大规模合成视频并处理复杂物理推理，先测试Super；若在工作站追求快速迭代，先测试Nano；若感知与动作必须靠近机器人或摄像头并控制延迟，优先评估Edge。

仅看参数量会导致成本和延迟偏离目标。要先写明输入是文本、视频还是动作，输出是解释、未来视频还是动作序列，以及允许的延迟、显存、功耗和成本。

模型	公开规模	官方主要用途	代表运行位置
Cosmos 3 Super	64B	最高质量、合成数据和高级物理推理	Hopper或Blackwell数据中心
Cosmos 3 Nano	16B	高效视频与动作推理	RTX PRO 6000级工作站
Cosmos 3 Edge	4B	设备端视觉推理和动作生成	RTX、DGX与Jetson边缘端

NVIDIA技术说明描述了处理文本、图像、视频、音频和动作的reasoner，以及生成未来观测和动作的扩散式generator。这个家族的重点是把理解与生成放入统一结构。

模态广并不表示每个检查点在每种输入输出上质量相同。机器人数据格式、相机视角、动作表达、后训练方案和评估环境仍会改变结果。基础概念可参考物理人工智能世界模型。

Super是64B模型，目标是最大能力，并面向Hopper和Blackwell GPU数据中心。适合候选任务包括机器人或自动驾驶模型后训练、大规模合成数据生成和复杂物理推理。

供应商基准领先不代表在某台机器人上成功率或回报最高。必须用相同提示、视频和动作，将生成质量、物理错误、处理时间和GPU成本与Nano及任务专用基线比较。

Nano以16B追求高效推理，NVIDIA给出的例子是RTX PRO 6000级工作站。它适合快速视频与动作推理及重复实验，但“Nano”这个名字不保证在笔记本或小型机器人电脑上实时运行。

视频长度、分辨率、量化、批处理和输出长度都会改变延迟。应在真实负载上记录p50、p95延迟、显存、功耗和质量损失，并像机器人VLA评估一样分类失败。

选择问题	Super	Nano	Edge
第一目标	质量与规模	效率与迭代	本地延迟与动作
运行位置	数据中心	工作站	机器人或摄像头附近
核心指标	单位GPU成本的质量	延迟与质量权衡	功耗、延迟和安全边界
常见误区	必然回报最高	任何边缘端都实时	发布就等于生产验证

7月公告将Edge描述为基于Nemotron的4B模型，用于在本地理解环境、实时推理和生成机器人动作。NVIDIA列出的部署目标包括RTX、DGX和Jetson，包括T2000与T3000模块。

这比5月coming soon状态更新，但官方模型链接不等于某台机器人已经通过生产安全批准。不同机身、传感器和动作空间仍需重新验证适配时间与性能。

从真实数据中固定代表、稀有和失败场景，让三款候选处理相同输入，并比较解释、未来观测与动作。记录质量、吞吐、p95延迟、GPU时间、能耗、安全过滤后的有效动作比例和人工修正次数。

合作伙伴公告中的使用、构建、探索和计划加入代表不同证据等级。用物理人工智能概念验证指南设定升级门槛，并分开后训练、验证和最终部署数据。

不一定。最大质量和大规模生成优先时从Super开始，工作站效率和快速迭代优先时从Nano开始，并用同一批真实数据比较质量、延迟和成本。

5月31日公告写的是coming soon，但NVIDIA在7月15日已单独介绍4B Edge并给出官方模型链接。可访问并不自动证明某个产品已生产部署或认证。

不会。延迟取决于视频、精度、硬件和动作周期，真正自主运行还需要后训练、控制器、安全层和真机验证。

最后核查：2026-08-07