NVIDIA Cosmos 3 Super、Nano 與 Edge 比較

NVIDIA Cosmos 3 Super、Nano 和 Edge 並非簡單的大、中、小三個版本。2026 年 5 月 31 日釋出公告把 Super 定位於需要最高物理精度和生成質量的後訓練與合成資料，把 Nano 定位於快速影片和動作推論，並稱兩者當時即可使用。

Edge 在 5 月還是 coming soon，但7 月 15 日後續公告已將其作為 4B 裝置端模型介紹，並提供官方模型連結。因此不能用舊錶永久標為未釋出，也不能把合作伙伴的“計劃加入”或“探索”寫成生產部署。

先確定執行位置和輸出，候選模型自然會減少

若在資料中心生成大規模合成影片並處理複雜物理推論，先測試 Super；若在工作站追求快速迭代，先測試 Nano；若感知與動作必須靠近機器人或攝影機並控制延遲，優先評估 Edge。

僅看參數量會導致成本和延遲偏離目標。要先寫明輸入是文字、影片還是動作，輸出是解釋、未來影片還是動作序列，以及允許的延遲、視訊記憶體、功耗和成本。

模型	公開規模	官方主要用途	代表執行位置
Cosmos 3 Super	64B	最高質量、合成資料和高階物理推論	Hopper 或 Blackwell 資料中心
Cosmos 3 Nano	16B	高效影片與動作推論	RTX PRO 6000 級工作站
Cosmos 3 Edge	4B	裝置端視覺推論和動作生成	RTX、DGX 與 Jetson 邊緣端

NVIDIA 技術說明描述了處理文字、影像、影片、音訊和動作的 reasoner，以及生成未來觀測和動作的擴散式 generator。這個家族的重點是把理解與生成放入統一結構。

模態廣並不表示每個檢查點在每種輸入輸出上質量相同。機器人資料格式、相機視角、動作表達、後訓練方案和評估環境仍會改變結果。基礎概念可參考物理 AI 世界模型。

Super 是 64B 模型，目標是最大能力，並面向 Hopper 和 Blackwell GPU 資料中心。適合候選任務包括機器人或自動駕駛模型後訓練、大規模合成資料生成和複雜物理推論。

供應商基準領先不代表在某台機器人上成功率或回報最高。必須用相同提示、影片和動作，將生成質量、物理錯誤、處理時間和 GPU 成本與 Nano 及任務專用基線比較。

Nano 以 16B 追求高效推論，NVIDIA 給出的例子是 RTX PRO 6000 級工作站。它適合快速影片與動作推論及重複實驗，但“Nano”這個名字不保證在筆記本或小型機器人電腦上即時執行。

影片長度、解析度、量化、批處理和輸出長度都會改變延遲。應在真實負載上記錄 p50、p95 延遲、視訊記憶體、功耗和質量損失，並像機器人 VLA 評估一樣分類失敗。

選擇問題	Super	Nano	Edge
第一目標	質量與規模	效率與迭代	本地延遲與動作
執行位置	資料中心	工作站	機器人或攝影機附近
核心指標	單位 GPU 成本的質量	延遲與質量權衡	功耗、延遲和安全邊界
常見誤區	必然回報最高	任何邊緣端都即時	釋出就等於生產驗證

7 月公告將 Edge 描述為基於 Nemotron 的 4B 模型，用於在本地理解環境、即時推論和生成機器人動作。NVIDIA 列出的部署目標包括 RTX、DGX 和 Jetson，包括 T2000 與 T3000 模組。

這比 5 月 coming soon 狀態更新，但官方模型連結不等於某台機器人已經透過生產安全批准。不同機身、感測器和動作空間仍需重新驗證適配時間與效能。

從真實資料中固定代表、稀有和失敗場景，讓三款候選處理相同輸入，並比較解釋、未來觀測與動作。記錄質量、吞吐、p95 延遲、GPU 時間、能耗、安全過濾後的有效動作比例和人工修正次數。

合作伙伴公告中的使用、構建、探索和計劃加入代表不同證據等級。用物理 AI 概念驗證指南設定升級門檻，並分開後訓練、驗證和最終部署資料。

不一定。最大質量和大規模生成優先時從 Super 開始，工作站效率和快速迭代優先時從 Nano 開始，並用同一批真實資料比較質量、延遲和成本。

5 月 31 日公告寫的是 coming soon，但 NVIDIA 在 7 月 15 日已單獨介紹 4B Edge 並給出官方模型連結。可存取並不自動證明某個產品已生產部署或認證。

不會。延遲取決於影片、精度、硬體和動作週期，真正自主執行還需要後訓練、控制器、安全層和真機驗證。

最後查核：2026-08-07