¿Y si un solo modelo de IA pudiera entender el mundo, predecir lo que va a pasar y luego actuar en consecuencia? NVIDIA acaba de lanzar la respuesta a esa pregunta, y es tan ambiciosa como suena.

NVIDIA Cosmos 3: El cerebro y las manos en un solo sistema

NVIDIA acaba de presentar Cosmos 3, una familia de modelos de IA de código abierto que combina razonamiento físico, generación de mundos y generación de acciones en un único sistema. Suena a ciencia ficción, pero ya está disponible para desarrolladores. Como explicó la compañía en un blog post:

«El desafío central en la investigación de IA física no es simplemente desarrollar modelos más fuertes. Es construir un flujo de trabajo completo en torno a ellos.»

El dúo dinámico: Una torre para pensar, otra para actuar

La magia de Cosmos 3 radica en su arquitectura de «Torres Gemelas». El cerebro es una torre razonadora, un modelo de visión y lenguaje (VLM) que interpreta imágenes, vídeos y texto para entender el contexto físico. El ejecutor es una torre generadora, que usa un proceso basado en difusión para producir vídeos y acciones futuras, condicionadas por la comprensión de la primera torre.

Es decir, una parte piensa y la otra actúa, pero ambas están unidas en un solo modelo. ¡Todo para robots, vehículos autónomos y sistemas que necesitan interactuar con el mundo real!

Una familia para gobernarlos a todos

No hay un solo Cosmos 3, sino una gama para diferentes necesidades de hardware:

  • Cosmos3-Nano (16B parámetros): Diseñado para GPUs de estación de trabajo como la NVIDIA RTX PRO 6000. Es el elegido para robótica en tiempo real.
  • Cosmos3-Super (64B parámetros): Pensado para las bestias del centro de datos, las GPUs Hopper y Blackwell. Ideal para generar datos sintéticos a gran escala y razonamiento avanzado.

Y esto no es solo teoría. El modelo maneja texto, imágenes, vídeo y hasta arrays JSON de acciones como entradas. Puede devolver imágenes, vídeo con sonido sincronizado, estados de acción y más.

Pero espera, hay más: El kit completo de herramientas

El anuncio de Cosmos 3 es solo una parte de una oleada más grande de novedades de IA física presentadas en la conferencia CVPR en Denver. NVIDIA está lanzando un surtido de herramientas para automatizar el desarrollo de sistemas de IA para el mundo real.

Aquí está lo más destacado:

  • Nuevas «habilidades de agente» integradas en Omniverse, Isaac Sim, Isaac Lab y Cosmos para automatizar tareas como la reconstrucción de escenas y la generación de entornos.
  • Herramientas para vehículos autónomos que abordan el «problema de la larga cola»: esos escenarios de conducción raros pero críticos. Sus agentes de IA pueden ahora reconstruir entornos de conducción del mundo real a partir de datos de flotas y generar escenarios sintéticos de casos límite para pruebas.
  • Alpamayo 2 Super, un modelo visión-lenguaje-acción de 32 mil millones de parámetros diseñado específicamente para la conducción autónoma, con capacidades de razonamiento avanzado.
  • Actualizaciones para la plataforma Metropolis con herramientas de búsqueda, resumen y generación de datos sintéticos en vídeo.

Todo este ecosistema está pensado para un objetivo: crear flujos de trabajo escalables para entrenar y probar IA de forma virtual antes de desplegarla en el mundo real.

¿Cómo de bueno es? Los benchmarks hablan

NVIDIA no se anda con rodeos. Según sus evaluaciones, Cosmos 3 lidera varios rankings. En razonamiento, sus versiones Nano y Super encabezan VANTAGE-Bench y también TAR, el ranking oficial del AI City Challenge 2026. En generación, reportan resultados state-of-the-art de código abierto en R-Bench, PAI-Bench, Physics-IQ y RoboLab.

Y para asegurarse de que las cosas funcionan como deben, han creado HUE (Cosmos Human Evaluation), un marco que descompone cada vídeo generado en preguntas de sí/no para evaluar alineación semántica, leyes físicas y más.

Ya puedes empezar a experimentar

Lo mejor de todo es que no tienes que esperar. El conjunto de herramientas de IA física ya está disponible en GitHub. Además, las herramientas de generación de datos sintéticos (Reconstrucción Neural, Aumento de Vídeo y Generación de Imágenes de Defectos) están en NVIDIA Brev con créditos de prueba gratuitos para investigadores.

Es un movimiento claro de NVIDIA para consolidar su posición en un área clave de crecimiento: la IA que no solo piensa, sino que también actúa en nuestro mundo. El futuro de la robótica y la autonomía podría estar a punto de acelerarse.