NVIDIA выпускает Cosmos3 Super Text2Image: открытая модель генерации изображений с весами 64B

Введение: Новый этап в генеративном искусстве от NVIDIA

1 мая 2026 года компания NVIDIA совершила неожиданный, но мощный рывок в сегменте генеративного визуального контента, представив модель Cosmos3 Super Text2Image. В то время как индустрия была сосредоточена на закрытых API, NVIDIA сделала ставку на open-weights подход, выложив веса модели на Hugging Face.

Эта модель не просто очередной генератор картинок. Она является частью амбициозной экосистемы Cosmos3 — семейства 'world-models' (мировых моделей), предназначенных для понимания физики и пространственных отношений. Это один из немногих случаев, когда NVIDIA напрямую вступает в конкуренцию с лидерами рынка text-to-image, предлагая инструменты профессионального уровня для разработчиков и исследователей.

• Дата релиза: 1 мая 2026 года
• Тип модели: Open-weights (открытые веса)
• Платформа: Hugging Face
• Семейство: Cosmos3 World Models

Архитектура и ключевые особенности

Cosmos3 Super Text2Image базируется на массивной архитектуре с количеством параметров порядка 64 миллиардов (64B). Это ставит её в один ряд с самыми тяжеловесными и качественными моделями современности. В отличие от более легких версий, таких как Cosmos3-nano, версия Super ориентирована на максимальную детализацию и глубокое понимание сложных промптов.

Модель тесно интегрирована с концепцией 'Physical AI'. Благодаря обучению на данных, описывающих физические взаимодействия, Cosmos3 лучше справляется с освещением, тенями и текстурами, которые в предыдущих поколениях моделей часто выглядели неестественно. Архитектура позволяет модели не просто 'рисовать', а 'конструировать' сцену согласно законам визуальной логики.

• Параметры: 64B (64 миллиарда)
• Тип: Text-to-Image (Super-размер)
• Связь с физическим миром: Интеграция с концепциями Cosmos3 World Models
• Оптимизация: Поддержка высокоточного рендеринга текстур и освещения

Производительность и бенчмарки

Качество модели подтверждается результатами на платформе Artificial Analysis. Согласно текущим данным, базовая версия Cosmos3 Super Text2Image демонстрирует впечатляющий показатель Elo — 989. Это ставит её в высшую лигу генеративных моделей. Особого внимания заслуживает агентная вариация (agentic variant), чей Elo достигает 995, что указывает на превосходную способность модели следовать сложным, многоэтапным инструкциям.

В июле 2026 года была представлена оптимизированная версия Cosmos3-Super-Text2Image-4Step. Несмотря на значительное ускорение генерации (всего 4 шага диффузии), её Elo составляет 973, что делает её невероятно эффективным инструментом для real-time приложений без критической потери качества. Оценка проводилась с использованием методологии слепого тестирования экспертами и автоматизированных систем оценки визуального соответствия промпту.