Cosmos-Predict2.5-14B
Brak oszacowania
Brak wymagań sprzętowych dla tego modelu
Wagi dla tego modelu nie zostały opublikowane, więc nie można ich pobrać ani uruchomić na własnym sprzęcie w żadnym rozmiarze. Jest dostępny tylko za pośrednictwem swojego dostawcy, a zmiana karty graficznej tego nie zmienia..
Na nagranie
Pełna specyfikacja
Wszystko na rekord dla tego modelu. Większość z tego opisuje, jak był trenowany, a nie jak działa — użyteczny kontekst do oceny, ile pracy włożono w to, i jak wypada w porównaniu z modelami budowanymi w innym skali..
Pochodzenie
Kto zbudował ten model, gdzie i kiedy został opublikowany.
- Organizacja
- NVIDIA
- Typ organizacji
- Industry
- Kraj
- United States of America
- Opublikowany
- 29 September 2025
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Video
- Zadanie
- Video generation, Text-to-video, Image-to-video, Video-to-video
Rozmiar
Jak duży jest model i na ile danych był trenowany. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.
- parametry
- 14B
- Dane treningowe
- 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
Przebieg szkolenia
Co fizycznie było potrzebne do treningu: jakie chipy, ile, na jak długo i co to pobierało z sieci.
- Sprzęt do trenowania
- NVIDIA H100 SXM5 80GB
- Zastosowane chipy
- 4,096
- Wykorzystanie sprzętu
- MFU 33.1%
- Pobór mocy
- 5.6 MW
Dostępność
Czy możesz zdobyć model i uruchomić go na swoim sprzęcie, co decyduje o tym, czy którakolwiek z cyfr karty graficznej na tej stronie ma zastosowanie.
- Wagi
- Closed — provider access only
- Dostęp do modelu
- Unreleased
- Kod treningowy
- Unreleased
Jak jest klasyfikowane
Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.
- Zapisz pewność
- Confident
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- World Simulation with Video Foundation Models for Physical AI
- Ostatnio zaktualizowane
- 28 November 2025
Co oznaczają liczby
Skąd to pochodzi
Cosmos-Predict2.5-14B został opublikowany przez NVIDIA, w kraju zapisanym jako United States of America, podczas September 2025. Kategoria, do której należy wydawca, to industry.
Działa w dziedzinie Video, i jest zapisany jako wykonujący zadanie video generation, Text-to-video, Image-to-video, Video-to-video.
To jest model zamknięty: wytrenowane wartości pozostały u tego, kto je wyprodukował, a lokalna wersja do uruchomienia nie istnieje.
Odpowiedzi
Cosmos-Predict2.5-14B — częste pytania
Cosmos-Predict2.5-14B— Jaką GPU potrzebuję, aby ją uruchomić?
Żaden. To jest zamknięty model — jego wagi nigdy nie zostały opublikowane, więc nie można go pobrać ani uruchomić na własnym sprzęcie za żadną cenę. Jest dostępny tylko przez jego dostawcę.
Cosmos-Predict2.5-14B— czy jest open weight?
Nie. Jego wagi nie zostały opublikowane, więc istnieje tylko jako usługa kontrolowana przez jego właściciela.
Cosmos-Predict2.5-14B— ile ma parametrów?
Ma liczbę parametrów równą 14B. Ta liczba to całkowita, i to ona decyduje o tym, ile pamięci potrzebuje model — mniej więcej pół gigabajta na miliard przy kompresji, którą używa większość ludzi.
Cosmos-Predict2.5-14B— kto to stworzył?
Zostało opublikowane przez NVIDIA, oparty na United States of America, organizacja sklasyfikowana jako industry.
Cosmos-Predict2.5-14B— kiedy to zostało wydane?
Zostało opublikowane w September 2025.
Cosmos-Predict2.5-14B— do czego to służy?
Działa w dziedzinie Video, i jest zarejestrowany jako realizujący zadanie video generation, Text-to-video, Image-to-video, Video-to-video. To są obszary, wokół których został zaprojektowany; opisują zamiar, a nie twardą granicę.
Druga strona
Patrząc na to z drugiej strony?
Ta strona zaczyna się od modelu. Jeśli już posiadasz kartę i chcesz wiedzieć, co wszystko będzie działać., Zacznij od sprzętu zamiast.