Cosmos Reason

英伟达面向物理 AI 的推理视觉语言模型，看视频后先推理再回答。

Cosmos Reason 是英伟达 Cosmos 家族中负责理解和推理的视觉语言模型。Cosmos-Reason1 于 2025 年 3 月发布，训练分两步：先用物理 AI 数据监督微调，再做强化学习，让模型先写思维链再作答；论文有 7B、56B 两档，开源的是基于 Qwen2.5-VL 的 7B。它关注物理常识（空间、时间、基本物理）和具身推理（机器人下一步该做什么）。Cosmos-Reason2 于 2025 年 12 月发布，改用 Qwen3-VL，有 2B、8B，2026 年 4 月加入 32B。常见用法是给生成视频挑物理错误、筛选和标注训练数据、做机器人的规划模块；Cosmos-Predict2.5 用它当文本编码器，驾驶模型 Alpamayo 也以它为骨干。

例子给它一段 AI 生成的机器人操作视频，问「画面是否符合物理规律」，它会先输出推理过程（如物体是否凭空移动、是否穿模），再给出判断，可用来自动筛掉不合格的合成数据。

也叫

Cosmos-Reason1、Cosmos-Reason2

相关

视觉语言模型、具身推理模型、思维链、Cosmos、通义千问 Qwen-VL、英伟达 Alpamayo（驾驶推理 VLA）

来源

Cosmos-Reason1: From Physical Common Sense To Embodied Reasoning (arXiv 2503.15558)
nvidia-cosmos/cosmos-reason2 GitHub 仓库
nvidia-cosmos/cosmos-reason1 GitHub 仓库

信息截至

2026-04