NVIDIA stellt Cosmos 3 Edge vor: Ein offenes Frontier-Modell für lokale Bereitstellung
NVIDIA hat das neue Modell Cosmos 3 Edge vorgestellt, das speziell für die lokale Ausführung auf verschiedenen Geräten entwickelt wurde. Es unterstützt das Training von Robotern und autonomen Fahrzeugen sowie anspruchsvolle Aufgaben im Bereich Computer Vision.
NVIDIA stellt Cosmos 3 Edge vor
NVIDIA hat die Veröffentlichung von Cosmos 3 Edge angekündigt – einem offenen Frontier-Modell, das für die lokale Bereitstellung auf Endgeräten konzipiert ist.
Cosmos 3 Edge ermöglicht es Robotern, zu lernen und zu handeln, versetzt autonome Fahrzeuge in die Lage, Straßenszenen zu verstehen und die Absichten anderer Verkehrsteilnehmer vorherzusagen, und erlaubt KI-Vision-Agenten, auf Basis von Echtzeit-Videostreams für Aufgaben der intelligenten Infrastruktur zu schlussfolgern.
Das Modell verfügt über 4 Milliarden Parameter und umfasst einen auf Nemotron basierenden Reasoner mit 2 Milliarden Parametern. Es kann auf DGX Spark, NVIDIA Jetson und anderen Geräten bereitgestellt werden.
Cosmos 3 Edge kombiniert autoregressive und Diffusion-Transformer-Blöcke durch einen gemeinsamen multimodalen Aufmerksamkeitsmechanismus (Attention Mechanism). Dies verknüpft Verständnis, Vorhersage, Simulation und Handlung innerhalb eines einzigen Modells.
Unter den offenen Modellen vergleichbarer Größe belegt Cosmos 3 Edge den ersten Platz im VANTAGE-Bench für die Analyse visueller Daten.
Wie immer ist Cosmos 3 Edge vollständig offen. Modellgewichte, Post-Training-Rezepte und Code sind verfügbar.
Das Modell ist bereits auf Hugging Face erhältlich.
Warum das wichtig ist
AnalyseDieses Modell eröffnet neue Möglichkeiten für autonome Systeme, indem es deren Fähigkeit zum Lernen und zur Echtzeit-Anpassung verbessert. Zudem leistet es einen wichtigen Beitrag zur Weiterentwicklung von Technologien im Bereich Computer Vision und künstliche Intelligenz.
In der Community diskutieren
Teile deine Fragen und Erkenntnisse mit Entwicklern
Verwandt im Ökosystem
Praktische Leitfäden, Terminologie und Agenten-Skills
Nvidias Monopolstellung und die CUDA-Plattform
Eine Analyse der technologischen und wirtschaftlichen Dominanz von Nvidia auf dem Markt für künstliche Intelligenz. Wie die im Jahr 2006 eingeführte Softwareplattform CUDA (Compute Unified Device Architecture) gewöhnliche Gaming-Grafikkarten zum wichtigsten Rechenwerkzeug der Welt machte und warum es Konkurrenten wie AMD und Intel so schwerfällt, dieses Monopol zu brechen.
MIT-Forschende zeigen, dass GPT-6 Astra andere KI-Modelle durch direkte Gewichtsänderungen verbessern kann
In einem Experiment erhöhte Astra die Genauigkeit von Qwen3.5-0.8B auf MATH-500 von 7,9 % auf 48,1 %, indem nur 0,016 % der Modellgewichte geändert wurden.
JSON – strukturierte Daten für Anwendungen, APIs und KI-Agenten
Ein umfassender praktischer Leitfaden zum JSON-Format: Syntaxregeln, Serialisierung über parse/stringify, Arbeit mit REST-APIs, JSON Schema und strukturierter Output für künstliche Intelligenz.
DOCX- und XLSX-Formate: Wann ein vollwertiges finales Dokument von KI erforderlich ist
Ein umfassender praktischer Leitfaden zur Generierung und Verarbeitung von DOCX-Dokumenten und XLSX-Tabellen mit KI: Vergleich mit Markdown und CSV, Prompt-Engineering, Arbeit mit Formeln und Automatisierung im Code.