NVIDIA Cosmos3-H-Dreams 发布临床胆囊切除生成式仿真模型
NVIDIA 发布 Cosmos3-H-Dreams,将基于临床胆囊切除录像和机器人运动学训练的交互式生成仿真带入体内手术场景。模型基于 Cosmos 3,可通过 FlashDreams 在单张 NVIDIA RTX PRO 6000 GPU 上实时运行,并提供四步与两步两个检查点,后者推理更快但视觉质量较低。
NVIDIA 发布 Cosmos3-H-Dreams,将基于临床胆囊切除录像和机器人运动学训练的交互式生成仿真带入体内手术场景。模型基于 Cosmos 3,可通过 FlashDreams 在单张 NVIDIA RTX PRO 6000 GPU 上实时运行,并提供四步与两步两个检查点,后者推理更快但视觉质量较低。
Google DeepMind 发布 Gemini 4 Argon,面向复杂工程、科研和智能体任务,并提供 1M 统一输入输出 token 限制。模型在 Vals Index 排名第一,API 首发价格为每百万输入 token $2、每百万输出 token $10,已面向开发者、企业和部分消费者全球推出。
推荐理由:模型提供复杂编码、科研与网络安全等任务的实践案例,并公开基准表现、定价和使用入口,便于评估其应用价值。
Qwen 发布 Qwen-Drive-1.0-4B,以 Qwen3.5-4B 视觉语言模型为基础,在统一框架中实现 3D 感知、驾驶场景问答和运动规划。模型外接 BEV 感知头与 Planning Expert,分别完成 3D 目标检测、语义占用预测、BEV 地图分割及未来车辆轨迹生成。
推荐理由:Qwen-Drive-1.0 将 3D 感知、驾驶问答与运动规划整合到同一多模态框架,并公开权重和推理代码。