NVIDIA hat auf der GTC Taipei im Rahmen der COMPUTEX 2026 ein Modell vorgestellt, das die Entwicklung physischer KI grundlegend verändern könnte. Cosmos 3 vereint erstmals visuelles Reasoning, Videogenerierung und Aktionsvorhersage in einem einzigen offenen Modell und zielt auf den wachstumsstärksten Sektor der Branche: Roboter, autonome Fahrzeuge und industrielle Bild-KI.
Was ist NVIDIA Cosmos 3?
Cosmos 3 ist ein sogenanntes World Foundation Model, das auf einer neuartigen Mixture-of-Transformers-Architektur basiert. Anders als bisherige Ansätze, die separate Modelle für Reasoning, Videogenerierung und Robotersteuerung benötigen, fasst Cosmos 3 alle diese Fähigkeiten in einem einzigen System zusammen. Das Modell kann Text, Bilder, Videos, Umgebungsgeräusche und Aktionsdaten gleichzeitig verarbeiten und erzeugen.
Damit positioniert NVIDIA das Modell als erstes vollständig offenes Omni-Modell für physische KI. Entwickler können Cosmos 3 als Vision-Language-Model, als Videogenerator für synthetische Trainingsdaten oder als Backbone für Roboter-Policys nutzen, ohne zwischen verschiedenen Architekturen wechseln zu müssen.
Mixture-of-Transformers: Zwei Experten in einem Modell
Die Architektur von Cosmos 3 teilt sich in zwei funktionale Bereiche auf. Ein Reasoning-Transformer analysiert zunächst, was in einer Szene passiert: Welche Objekte bewegen sich, welche Ursachen hat die Bewegung und wie werden sich die Dinge voraussichtlich entwickeln. Ein separater Generation-Transformer nutzt diese Analyse dann, um physikalisch plausible Videos, Aktionssequenzen oder Szenarien zu erzeugen.
Diese Trennung ermöglicht es dem Modell, vor dem Handeln zu denken. Ein autonomes Fahrzeug kann beispielsweise erst verstehen, dass ein Fußgänger zwischen geparkten Autos hervortritt, und dann die passende Reaktion berechnen. Ein Lagerroboter erkennt ungewöhnliche Objektkonfigurationen und plant entsprechend seine Greifbewegungen.
Cosmos 3 Nano und Super: Zwei Größen für unterschiedliche Einsatzzwecke
NVIDIA bietet Cosmos 3 in zwei Varianten an. Cosmos 3 Nano mit 8 Milliarden Parametern zielt auf Workstation-Klasse-Rechenleistung wie die RTX PRO 6000 und eignet sich für schnelle Inferenz in Echtzeit. Cosmos 3 Super mit 32 Milliarden Parametern richtet sich an groß angelegte synthetische Datengenerierung und Forschung und läuft auf NVIDIA Hopper- und Blackwell-GPUs.
Eine dritte Variante, Cosmos 3 Edge, ist für Echtzeit-Inferenz am Rand gedacht und wurde für kommende Veröffentlichung angekündigt.
Benchmark-Ergebnisse setzen Maßstäbe
Cosmos 3 führt mehrere Leaderboards an. Unter den offenen Modellen erreicht es Platz 1 auf Artificial Analysis für World Generation sowie auf Physics-IQ, PAI-Bench und R-Bench. Für Aktions-Policys führt es auf RoboLab und RoboArena. Bei der Szenenverständnis-Task führt es auf VANTAGE-Bench und dem TAR-Challenge-Leaderboard.
Damit übertrifft Cosmos 3 nicht nur frühere Cosmos-Versionen, sondern auch konkurrierende offene Modelle in der physischen KI-Generation und im Reasoning über reale Umgebungen.
Cosmos Coalition: Offene Zusammenarbeit für World Models
Zusammen mit Cosmos 3 startete NVIDIA die Cosmos Coalition, eine globale Kooperation von World-Model-Buildern und KI-Entwicklern. Zu den Gründungsmitgliedern gehören Agile Robots, Black Forest Labs, Generalist, LTX, Runway und Skild AI. Die Coalition zielt darauf ab, offene World Models schneller voranzubringen und Interoperabilität zwischen verschiedenen Ansätzen zu verbessern.
Entwickler können Cosmos 3 über build.nvidia.com testen, offene Gewichte von Hugging Face herunterladen und über GitHub anpassen. Das Modell steht unter der OpenMDW-1.1-Lizenz der Linux Foundation, die Training, Modifikation und Weiterverbreitung erlaubt.
Physische KI wird zum Kerngeschäft
Der Launch von Cosmos 3 fällt in eine Zeit, in der physische KI rasant an Bedeutung gewinnt. Jensen Huang betonte auf der GTC Taipei, dass nützliche KI angekommen sei. GitHub verzeichnete in den ersten Monaten des Jahres 2026 fast dreimal so viele Entwickler-Commits wie im Vorjahr. KI-Agenten, die autonom und kontinuierlich arbeiten, werden zum neuen Standard.
Mit Cosmos 3 liefert NVIDIA das Fundament, damit Roboter, autonome Fahrzeuge und industrielle Bild-KI-Systeme die reale Welt nicht nur sehen, sondern verstehen und vorhersehen können. Die Fähigkeit, seltene und gefährliche Szenarien synthetisch zu generieren, reduziert Trainingszyklen von Monaten auf Tage. Wer mehr über die Rolle von KI-Agenten erfahren möchte, findet in unserem Artikel über KI-Agenten und ihre wachsende Bedeutung weiterführende Informationen.
Jensen Huang: KI ist jetzt ein Profit-Generator
Auf der Bühne in Taipeh machte Huang deutlich, dass sich die Branche vom Experimentierstadium verabschiedet hat. KI generiere mittlerweile Profit und trage zum Bruttoinlandsprodukt bei. Die Nachfrage nach Rechenleistung wächst entsprechend. NVIDIA arbeite mit Partnern wie CoreWeave, Nebius und NAVER Cloud an dem Ausbau der Infrastruktur.
Huang kündigte zudem an, dass die NVIDIA Vera Rubin in Vollproduktion geht. Die Lieferkette sei doppelt so groß wie bei der vorherigen Generation Grace Blackwell. Über 350 Fabriken in 30 Ländern produzieren die neue Plattform, davon 150 allein in Taiwan. Auch zum Thema Chip-Design hat NVIDIA Neues vorgestellt: Zusammen mit Cadence entwickelt das Unternehmen einen Chip-Design-Super-Agenten, der Überprüfungszyklen um den Faktor 40 beschleunigt. Details dazu lesen Sie in unserem Beitrag über NVIDIAs Chip-Architektur-Entwicklungen.
Fazit: Cosmos 3 als Wendepunkt für physische KI
Mit Cosmos 3 bringt NVIDIA ein Modell auf den Markt, das die fragmentierte Landschaft physischer KI vereinheitlicht. Statt separater Tools für Reasoning, Simulation und Robotersteuerung bietet ein einziges offenes Modell alle drei Fähigkeiten. Die Benchmark-Ergebnisse und die Industriepartnerschaften der Cosmos Coalition sprechen dafür, dass Cosmos 3 zum neuen Standard für physische KI werden könnte.
Für Entwickler bedeutet das vor allem eines: weniger Infrastruktur, weniger Komplexität und deutlich kürzere Entwicklungszyklen. Wenn sich Cosmos 3 in der Praxis bewährt, könnte der nächste große Sprung in der Robotik und autonomen Fahrt nicht mehr auf fehlenden Trainingsdaten beruhen, sondern auf einem Modell, das die Welt versteht, bevor es handelt.
