NVIDIA 发布 Cosmos3-H-Dreams 用于生成外科手术视频

NVIDIA 在 HuggingFace 上发布了模型 nvidia/Cosmos3-H-Dreams，任务为 image-to-video。该模型发布于 19.10.2026，用于根据单帧摄像头画面和机器人指令流生成内窥镜视频。这是面向手术机器人 CMR Surgical Versius 的世界模型，基于胆囊切除术的临床数据训练。

这意味着什么

该模型在仓库中占用 56.5 GB，最大的权重文件为 28.3 GB，格式为 safetensors。许可证为 NVIDIA Open Model License：允许商业使用，可以创建和分发衍生模型，分发时需附上许可证文本和注明作者身份的 Notice 文件。禁止绕过模型的技术限制和保护机制。 架构为 autoregressive，通过 nv-medtech 运行。这是用于手术模拟的专用工具，而非通用视频生成器。在我们的视频生成器栏目中，任务最接近的 image-to-video 工具是 LTX-Video 和 Maestro，但它们解决的是其他任务：LTX-Video 生成通用视频，需要至少 1 GB 显存；Maestro 是用于本地视频、图像和音乐的工作室，显存需求为 12—24 GB。Cosmos3-H-Dreams 并不适用于这类场景。 开发者未说明运行该模型所需的显存要求。对于在自己的硬件上进行视频生成的人来说，这个模型恐怕不会成为实用工具——它的应用范围仅限于手术模拟和机器人策略评估。