NVIDIA prezentuje Cosmos 3 Edge – otwarty model frontier do wdrożeń lokalnych
NVIDIA udostępniła nowy model Cosmos 3 Edge, zaprojektowany z myślą o lokalnym uruchamianiu na różnych urządzeniach. Model wspiera szkolenie robotów i autonomicznych pojazdów oraz zadania związane z wizją komputerową.
NVIDIA wprowadza Cosmos 3 Edge
NVIDIA ogłosiła premierę modelu Cosmos 3 Edge – swojego otwartego modelu typu frontier, przeznaczonego do wdrażania bezpośrednio na urządzeniach końcowych.
Cosmos 3 Edge umożliwia robotom uczenie się i podejmowanie działań, pozwala autonomicznym pojazdom rozumieć sceny drogowe oraz przewidywać intencje uczestników ruchu, a także daje agentom AI zajmującym się wizją możliwość wnioskowania na podstawie strumieni wideo w czasie rzeczywistym dla potrzeb inteligentnej infrastruktury.
Model posiada 4 miliardy parametrów i zawiera moduł wnioskujący (reasoner) oparty na architekturze Nemotron, liczący 2 miliardy parametrów. Można go wdrożyć na platformach takich jak DGX Spark, NVIDIA Jetson oraz innych kompatybilnych urządzeniach.
Architektura Cosmos 3 Edge łączy bloki transformera autoregresyjnego i dyfuzyjnego poprzez współdzielony mechanizm uwagi multimodalnej, integrując w jednym modelu procesy rozumienia, predykcji, symulacji oraz działania.
Wśród modeli otwartych o porównywalnej wielkości, Cosmos 3 Edge zajmuje pierwsze miejsce w rankingu VANTAGE-Bench pod kątem analizy danych wizualnych.
Zgodnie z filozofią firmy, Cosmos 3 Edge jest w pełni otwarty. Wagi modelu, przepisy post-treningowe oraz kod źródłowy są dostępne publicznie.
Model jest już dostępny na platformie Hugging Face.
Dlaczego to ważne
AnalizaTen model otwiera nowe możliwości dla systemów autonomicznych, zwiększając ich zdolność do uczenia się i adaptacji w czasie rzeczywistym. Stanowi również istotny wkład w rozwój technologii wizji komputerowej i sztucznej inteligencji.
Dyskutuj w społeczności
Dziel się swoimi pytaniami i spostrzeżeniami z programistami
Powiązane w ekosystemie
Praktyczne poradniki, kluczowa terminologia i skille agentów
Badacze z MIT pokazali, że GPT-6 Astra może ulepszać inne modele AI przez bezpośrednią zmianę wag
W eksperymencie Astra zwiększyła dokładność Qwen3.5-0.8B w benchmarku MATH-500 z 7,9% do 48,1%, zmieniając zaledwie 0,016% wag modelu.
JSON — dane ustrukturyzowane dla aplikacji, API i agentów AI
Kompletny praktyczny przewodnik po formacie JSON: zasady składniowe, serializacja za pomocą parse/stringify, praca z REST API, JSON Schema oraz strukturalne wyjście dla sztucznej inteligencji.
Formaty DOCX i XLSX: kiedy potrzebny jest pełnoprawny dokument końcowy od AI
Kompletny praktyczny przewodnik po generowaniu i przetwarzaniu dokumentów DOCX oraz arkuszy XLSX za pomocą AI: porównanie z Markdown i CSV, inżynieria promptów, praca z formułami oraz automatyzacja w kodzie.
Monopol Nvidii i platforma CUDA
Analiza technologicznej i ekonomicznej dominacji korporacji Nvidia na rynku sztucznej inteligencji. Jak stworzona w 2006 roku platforma programistyczna CUDA (Compute Unified Device Architecture) przekształciła zwykłe karty graficzne do gier w główny narzędzie obliczeniowe świata oraz dlaczego konkurenci (AMD, Intel) mają tak duże trudności z przełamaniem tego monopolu.