Mózg, który NVIDIA sprzedaje robotom, jest pod spodem modelem Alibaby — a jej własne liczby pokazują, co dało dotrenowanie

Stos Cosmos NVIDII dla fizycznej AI ma dwie połowy. Jedna wyobraża sobie: Cosmos 3 Super, Nano i Edge przyjmują ruch i przewidują, jak scena będzie po nim wyglądać. Druga myśli: Cosmos Reason ogląda wideo i pisze tekstem, co się dzieje, czy jest to fizycznie możliwe i co robot powinien zrobić dalej. To właśnie na myślącą połowę NVIDIA wskazuje, gdy mówi o planowaniu dla robotów, analityce wideo i opisywaniu danych, na których uczy się cała reszta. Karta modelu wprost podaje, z czego on powstał. Wszystkie trzy poziomy — 2 mld, 8 mld i 32 mld parametrów — są dotrenowane z Qwen3-VL-Instruct, otwartego modelu wizyjno-językowego opublikowanego przez Alibabę, a NVIDIA zaznacza, że architektura nie różni się od bazowej. Amerykańska firma sprzedająca warstwę rozumującą zachodniej robotyce dostarcza pod spodem chiński model otwarty z amerykańskim dotrenowaniem na wierzchu. Ciekawsza jest liczba mówiąca, ile to dotrenowanie jest warte, bo NVIDIA porównuje swój model dokładnie z tym modelem bazowym, od którego zaczynała. Na ogólnych zadaniach wizyjnych zysk jest prawie żaden: 75,85 wobec 73,07 dla poziomu 32 mld. Na pytaniach robotycznych umiarkowany: 60,60 wobec 55,06. Ale w testach jazdy autonomicznej wynik idzie z 48,08 na 70,15, a w rozumieniu przestrzeni magazynowej z 47,55 na 77,79. Ten sam układ powtarza się na każdym rozmiarze. Dotrenowanie nie zrobiło modelu mądrzejszego — zrobiło model, który zna dwa konkretne światy, samochody i magazyny, a poza nimi jest z grubsza modelem, który opublikowała Alibaba. Liczby pobrań opowiadają trzecią historię. W 30 dniach do 26 sierpnia 2026 r. najmniejszy poziom, Cosmos Reason 2 2B, pobrano z Hugging Face 969 959 razy — najwięcej ze wszystkich modeli całej linii Cosmos i mniej więcej osiem razy częściej niż flagowy model świata Cosmos 3 Super o 64 mld parametrów, który ma około 121 tysięcy. Rozumujący model 32 mld, ten pokazywany na pierwszym planie, pobrano 3194 razy. Cokolwiek mówi hierarchia marketingowa, praca nad fizyczną AI dzieje się na małym końcu. Jeden zapis licencji warto przeczytać przed wdrożeniem. NVIDIA Open Model License dopuszcza użycie komercyjne, modele pochodne i swobodne korzystanie z wyników — ale prawa wygasają automatycznie, jeśli użytkownik wyłączy albo osłabi zabezpieczenia modelu, nie stawiając w ich miejsce porównywalnego mechanizmu. Wagi 2 mld i 8 mld leżą dodatkowo za automatyczną bramką licencyjną na Hugging Face; wersja 32 mld nie. wujec.ai założył profile wszystkim trzem poziomom.