Cosmos-Predict2.5-14B
Geen schatting
Geen hardware-eisen voor dit model
De gewichten voor dit model zijn niet gepubliceerd, dus het kan niet worden gedownload of uitgevoerd op je eigen hardware in welke grootte dan ook. Het is alleen bereikbaar via de aanbieder, en geen enkele grafische kaart verandert dat..
Op record
Volledige specificatie
Alles wat geregistreerd is voor dit model. Het merendeel beschrijft hoe het getraind werd in plaats van hoe het draait - nuttige context om te beoordelen hoeveel werk erin is gestoken, en hoe het zich verhoudt tot modellen die op een andere schaal zijn gebouwd..
Oorsprong
Wie heeft dit model gebouwd, waar, en wanneer het gepubliceerd werd.
- Organisatie
- NVIDIA
- Organisatietype
- Industry
- Land
- United States of America
- Gepubliceerd
- 29 September 2025
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.
- Domein
- Video
- Taak
- Video generation, Text-to-video, Image-to-video, Video-to-video
Grootte
Hoe groot het model is en hoeveel data het is getraind. Parameters zijn het cijfer dat bepaalt of het past op een gegeven grafische kaart.
- parameters
- 14B
- Training gegevens
- tokens
"Trained on 200M curated video clips and refined with reinforcement learning–based post-training" "we apply the same 1 × 2 × 2 patchification strategy to compress latent features further. We train our model to generate 93 frames, which corresponds to 24 latent frames, at a time using 16 fps videos. Each of the generated videos is about 5.8 seconds long." 200*10^6 * 5.8 / 3600 = 322222 hours of video
De trainingsrun
Wat het fysiek kostte om te trainen: welke chips, hoeveel, hoe lang, en wat dat van het stopcontact vroeg.
- Training hardware
- NVIDIA H100 SXM5 80GB
- Gebruikte chips
- 4,096
- Hardwaregebruik
- MFU 33.1%
- Stroomverbruik
- 5.6 MW
Beschikbaarheid
Of je het model kunt verkrijgen en het op je eigen hardware kunt draaien, wat bepaalt of een van de grafische kaartcijfers op deze pagina van toepassing is.
- Gewichten
- Closed — provider access only
- Toegang tot model
- Unreleased
- Training code
- Unreleased
Hoe het is geclassificeerd
Labels van de brondataset die worden toegepast bij het volgen van opmerkelijke modellen, en hoe zeker het is van de invoer.
- Record vertrouwen
- Confident
Bronnen
Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.
- Referentie
- World Simulation with Video Foundation Models for Physical AI
- Laatst bijgewerkt
- 28 November 2025
Wat de cijfers betekenen
Waar het vandaan kwam
Cosmos-Predict2.5-14B werd gepubliceerd door NVIDIA, in het land geregistreerd als United States of America, tijdens September 2025. De categorie waaronder de uitgever valt is industry.
Het werkt in het domein van Video, en wordt geregistreerd als het uitvoeren van de taak van video generation, Text-to-video, Image-to-video, Video-to-video.
Dit is een gesloten model: de getrainde waarden zijn bij degene gebleven die ze geproduceerd hebben, en er is geen lokale versie om te draaien.
Antwoorden
Cosmos-Predict2.5-14B — veelgestelde vragen
Cosmos-Predict2.5-14B— Welke GPU heb ik nodig om het te draaien?
Dit is een gesloten model — de gewichten zijn nooit gepubliceerd, dus het kan niet gedownload of uitgevoerd worden op je eigen hardware voor eender welke prijs. Het is alleen bereikbaar via de aanbieder.
Cosmos-Predict2.5-14B— is het open-source?
Nee. De gewichten zijn niet gepubliceerd, dus het bestaat alleen als een dienst die wordt beheerd door de eigenaar.
Cosmos-Predict2.5-14B— hoeveel parameters heeft het?
Het heeft een parameter telling van 14B. Dat cijfer is het totaal, en het bepaalt hoeveel MEMORY het MODEL nodig heeft - ongeveer een halve gigabyte per miljard bij de compressie die de meeste mensen gebruiken.
Cosmos-Predict2.5-14B— wie heeft het gemaakt?
Het werd gepubliceerd door NVIDIA, gebaseerd op United States of America, een organisatie geclassificeerd als industry.
Cosmos-Predict2.5-14B— wanneer is het uitgebracht?
Het werd gepubliceerd in September 2025.
Cosmos-Predict2.5-14B— waarvoor wordt het gebruikt?
Het werkt in het domein van Video, en wordt geregistreerd als het afhandelen van video generation, Text-to-video, Image-to-video, Video-to-video. Dit zijn de gebieden waar het omheen is ontworpen; ze beschrijven intentie eerder dan een harde grens.
De andere richting
Van de andere kant bekijken?
Deze pagina begint met het model. Als je al een kaart bezit en alles wilt weten wat het zal draaien, begin in plaats van de hardware.