# NVIDIA 开源 Cosmos 3 Edge：一个 40 亿参数的机器人世界模型，能在边缘设备上实时推理并生成动作

> 原标题：NVIDIA 发布 Cosmos 3 Edge：4B 参数开源世界模型，为机器人及边缘 AI 提供实时推理与动作生成

- 来源：AI HOT 精选
- 发布时间：2026-07-20T15:58:51.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/45487
- 原文：https://huggingface.co/blog/nvidia/cosmos3edge

## 摘要

NVIDIA 在 Hugging Face 上开源了 Cosmos 3 Edge，一个 40 亿参数的世界模型，把场景理解和动作生成合在了一起。它能在 Jetson Thor 上以 15Hz 的频率实时跑，一次推理输出 32 个机器人动作。模型用了两套 Transformer 架构：一套自回归模型负责推理，一套扩散模型负责预测，中间共享注意力层来对齐信...

## 推荐理由

NVIDIA 把一个 4B 的世界模型开源了，而且明确能在 Jetson Thor 上 15Hz 实时跑，一次推理给 32 个动作，这对边缘机器人来说门槛很低。双 Transformer 架构（自回归推理 + 扩散预测）共享注意力层，设计上挺聪明，但正文没给出这套架构相比纯自回归或纯扩散的具体消融实验数据，实际增益有多大还得等第三方验证。另外，模型只在 NVIDIA 自家硬件上报了性能，跨平台表现和不同机器人形态的泛化能力都没提，这点先别太激动。整体看，实用性和时效性都够，但缺独立基准测试，所以分数没给更高。

## 锐评

NVIDIA 这次开源了一个 40 亿参数的世界模型，把看场景和生成动作这两件事合在一个模型里了。它能在 Jetson Thor 这种边缘小电脑上跑到 15Hz，一次推理输出 32 个机器人动作，对机器人来说算是够用的控制频率。架构上用了两套 Transformer，一套自回归模型负责理解推理，一套扩散模型负责预测，中间共享注意力层来对齐信息，思路是把理解和行动打通，而不是各干各的。

在 40 亿参数这个量级里，它在 VANTAGE-Bench 视觉分析榜上拿了第一，机器人策略学习也自称最优。但正文只说“实时推理”，没给出端到端延迟的具体毫秒数，也没说不同硬件上的功耗和掉帧情况。实际部署时，延迟稳不稳、散热扛不扛得住，比跑分重要得多。另外，训练数据、泛化到新环境的成功率这些关键信息也没披露，所以目前只能当它是一个有潜力的开源基座，离直接上产线还有距离。