NVIDIA、40億パラメータの端末向け世界モデル「Cosmos 3 Edge」とAI動画検知ツールを発表

NVIDIAはSIGGRAPHにおいて、端末上でリアルタイム動作する40億パラメータのオープン世界モデル「Cosmos 3 Edge」を発表しました。あわせてAI生成動画をフレーム単位で判定する「Synthetic Video Detector」NIMマイクロサービスや、AdobeやBlenderなどの制作環境にAIエージェントを組み込むMCP連携ツールも公開されています。

何ができるのか

Cosmos 3 Edgeは、世界基底モデルの規模を40億パラメータ（4B）に抑え、ロボットや自動運転車などのエッジデバイス上でリアルタイムに物理挙動の予測や行動制御を行えるようにしたオープンモデルです。

同時に公開された閉ループシミュレータ「Cosmos-Dreams」は、わずか1枚の静止画から完全な3次元走行環境を生成可能です。NVIDIA RTX PRO 6000 GPUを1基積んだワークステーション上でリアルタイムに稼働し、実車を走らせることなく自動運転AIの検証を行えます。

報道やコンテンツ監視向けには、AI生成動画をフレームごとに分析するSynthetic Video Detector NIMマイクロサービスが提供されます。1080pの映像をRTX搭載システムなら約22ミリ秒、L40 GPUなら約30ミリ秒で高速スキャンします。

SNS等での再エンコードにも強く、無圧縮映像での検出精度92%に対し、15%圧縮時で87%、50%の強い圧縮をかけた場合でも82%の精度を維持します。

動作環境と仕組み

Cosmos 3のベースにはMixture-of-Transformers（MoT）アーキテクチャが採用されており、人型ロボット、グリッパー、車両といった異なるハードウェア形態に対して共通の物理概念を持たせる設計になっています。

制作現場向けには、NVIDIA Agent ToolkitがMCP（Model Context Protocol）のクライアントおよびサーバー機能をサポートしました。外部クラウドを介さず、ローカルのRTX PROやDGX上で安全にエージェントを走らせることができます。

現在、AdobeがExpress向け開発用MCPサーバーを公開したほか、Blender LabがPython APIを叩く軽量MCPサーバーを提供しています。Unreal EngineやSideFX HoudiniもMCPに対応し、AIによるシーン検証やリギング用APEXスクリプトの自動生成が可能になっています。

なぜ重要か

ロボティクスや自動運転、エッジAIの開発者にとって、Cosmos 3 Edgeは手元のGPU環境で手軽に動かせる貴重なオープン世界モデルです。通信遅延が許されない制御システムやオフライン環境を想定しているなら、今すぐ試す価値があります。

NVIDIAのアプローチとして巧みなのは、物理AIモデルの推論とMCPによる制作自動化の双方を、ローカルのワークステーションにしっかりと引き戻した点にあります。クラウド任せにせず手元のハードウェアで高速かつ安全に処理を完結させる道を示したことで、クリエイティブ業界や製造業のAI導入を大きく後押ししそうです。