> For the complete documentation index, see [llms.txt](https://unsloth.ai/docs/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://unsloth.ai/docs/zh/mo-xing/cosmos-3.md).

# NVIDIA Cosmos 3：如何在本地运行

使用 Unsloth 在本地运行 NVIDIA Cosmos 3 世界模型：文本生成视频、图像生成视频、视频续接和视频风格迁移。

**NVIDIA Cosmos 3** 是面向物理 AI 的全模态世界模型系列。 **Cosmos3-Nano** （16B）和 **Cosmos3-Edge** （4B）可在 Unsloth 中运行，支持 **文本生成视频** 和 **图像生成视频**，Cosmos3-Nano 还可以 **延续视频片段**. **Cosmos3-Nano-Sim-Transfer** 可根据视频边缘为现有视频重新风格化，相关功能位于 **重新风格化** 选项卡中。加载和 LoRA 设置适用于 Unsloth；下文将推理器训练作为未经验证的示例进行介绍。 **推理器** 可与 Unsloth 配合使用；下文将推理器训练作为未经验证的示例进行介绍。

<figure><img src="https://2657992854-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FUUdAGmDpMwHPVOpzFcp4%2Fcosmos-3-nano-t2v.gif?alt=media" alt="Cosmos3-Nano text-to-video: a robot arm places a red box on a pallet beside a conveyor" width="563"><figcaption><p>Cosmos3-Nano，832×480，93 帧，种子 42，约 50 秒</p></figcaption></figure>

Cosmos 3 提供两种运行时接口。NVIDIA 的 **生成器** 模型可以接收文本、视觉、声音和动作作为输入，并生成视频、声音和动作。Unsloth 仅生成视频：它不会加载声音分词器，因此片段没有音轨，也不支持动作输入和输出。 **推理器** 接收文本和视觉输入，并生成文本，用于世界理解、物理推理、任务规划和动作预测。

文本生成视频、图像生成视频和视频延续通过 Cosmos3OmniPipeline diffusers 管线在本地运行。重新风格化则通过 stable-diffusion.cpp 运行 Cosmos3-Nano-Sim-Transfer。

* **Cosmos3-Edge（4B）：** [Hugging Face](https://huggingface.co/nvidia/Cosmos3-Edge)
* **Cosmos3-Nano（16B）：** [Hugging Face](https://huggingface.co/nvidia/Cosmos3-Nano)
* **Cosmos3-Nano-Sim-Transfer：** [Hugging Face](https://huggingface.co/nvidia/Cosmos3-Nano-Sim-Transfer)
* **文档：** [NVIDIA Cosmos 文档](https://docs.nvidia.com/cosmos/latest/cosmos3/model_reference.html) 以及 [Cosmos 仓库](https://github.com/NVIDIA/cosmos)

<figure><img src="https://2657992854-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FwOasrmOzKWt7wJQLju9g%2Fcosmos-3-flow.gif?alt=media" alt="Animation: search Cosmos3 in the Video model picker, pick Cosmos3 Edge, wait for the download and load, add a start frame, click Generate and get a robot arm clip" width="563"><figcaption><p>使用 Cosmos3-Edge 的 Unsloth 工作流，速度更快</p></figcaption></figure>

{% hint style="info" %}
**注意**

Cosmos 3 生成器支持已在 [PR #14554](https://github.com/unslothai/unsloth/pull/14554)中合并。要使用 256p 生成、特定模型的帧率、模型选择器中的 Cosmos3-Nano、Nano 视频延续和重新风格化，请使用 Unsloth v0.1.917-beta 或更高版本。v0.1.918-beta 之后的版本还加入了 [PR #18116](https://github.com/unslothai/unsloth/pull/18116)中的更改：默认关闭安全检查器（第 2 步）、添加 **设置重新风格化** 按钮（第 6 步）、 **低显存** 模式（占用的显存不会超过“均衡”模式），以及让“视频”页面以训练分辨率 832×480 打开。请参阅 [更新 Unsloth](https://unsloth.ai/docs/get-started/install/updating).
{% endhint %}

## 显存和速度

在 Unsloth（main，11 月 16 日）中使用 NVIDIA RTX PRO 6000（96 GB）测量，一次生成一个片段，种子 42，模型默认设置（Edge：20 步，Nano：35 步，引导系数 6，24 FPS）。峰值显存为 `nvidia-smi`报告的整块 GPU 显存，测量时在刚启动的环境中读取。这些是实测配置，并非最低硬件要求。

| 模型                            | 模式                | 内存            | 设置                   | 时间      | 峰值 VRAM   |
| ----------------------------- | ----------------- | ------------- | -------------------- | ------- | --------- |
| **Cosmos3-Edge (4B)**         | 文本生成视频            | 自动（常驻）        | 832×480，53 帧         | 6.8 秒   | 13.6 GiB  |
| **Cosmos3-Edge (4B)**         | 文本生成视频            | 自动（常驻）        | 832×480，121 帧        | 16.6 秒  | 14.0 GiB  |
| **Cosmos3-Edge (4B)**         | 文本生成视频            | 自动（常驻）        | 832×480，149 帧        | 20.4 秒  | 13.7 GiB  |
| **Cosmos3-Edge (4B)**         | 图像生成视频            | 自动（常驻）        | 832×480，121 帧        | 15.9 秒  | 约 15 GiB  |
| **Cosmos3-Edge (4B)**         | 文本生成视频            | 均衡（INT8，流式传输） | 832×480，121 帧        | 23.5 秒  | 7.6 GiB   |
| **Cosmos3-Nano (16B)**        | 文本生成视频            | 自动（常驻）        | 832×480，93 帧         | 49.8 秒  | 36.4 GiB  |
| **Cosmos3-Nano (16B)**        | 文本生成视频            | 自动（常驻）        | 832×480，189 帧        | 118.8 秒 | 36.8 GiB  |
| **Cosmos3-Nano (16B)**        | 文本生成视频            | 自动（常驻）        | 1280×720，189 帧       | 394.9 秒 | 44.8 GiB  |
| **Cosmos3-Nano (16B)**        | 图像生成视频，续接         | 自动（常驻）        | 832×480，49 帧         | 23.8 秒  | 低于 43 GiB |
| **Cosmos3-Nano (16B)**        | 文本生成视频            | 均衡（INT8，流式传输） | 832×480，49 帧         | 41.6 秒  | 9.0 GiB   |
| **Cosmos3-Nano-Sim-Transfer** | 重新风格化（BF16）       | sd.cpp        | 832×480，121 帧，30 FPS | 37.5 秒  | 39.8 GiB  |
| **Cosmos3-Nano-Sim-Transfer** | 重新风格化（Q8\_0 GGUF） | sd.cpp        | 832×480，121 帧，30 FPS | 37.2 秒  | 29.0 GiB  |

在这台机器上，从本地缓存加载任一模型约需 8 秒；首次下载 Edge（9.2 GB）约需 1 分钟，Nano（约 33 GB，跳过声音分词器）约需 3 分钟。使用 **内存：自动** 如果 GPU 放不下权重，Unsloth 会自动选择卸载模式。 **平衡** 会流式处理 Transformer，并在加载时将其量化为 INT8：Edge 在 121 帧时的显存占用从 14.0 GiB 降至 7.6 GiB；Nano 在 49 帧时占用 9.0 GiB，而其常驻权重本身约占 31 GiB，每步耗时约为原来的 1.5 倍。在 v0.1.918-beta 及更早版本中， **低显存** 运行 Cosmos 3 时的内存占用高于平衡模式（Nano 为 18.9 GiB）。从下一个版本开始，它会流式处理 Transformer 和文本编码器，因此峰值内存不会超过平衡模式：在同一 GPU 上，Nano 低显存模式的峰值从 18.9 GiB 降至 8.4 GiB，Edge 则从 8.6 GiB 降至 7.6 GiB，速度与平衡模式相同。

NVIDIA 已分享 Cosmos3-Nano、Cosmos3-Super 和 Cosmos3-Edge 的预量化 FP8 检查点。Unsloth Desktop v0.1.920-beta 支持在 Video 页面加载 Nano-FP8 和 Edge-FP8，无需额外安装 NVIDIA 软件包。Studio 中的 Super-FP8 加载尚未验证。Unsloth 会在加载时应用 INT8 量化，默认精度为 BF16。关闭速度优化后，在相同随机种子下，Unsloth 的输出与原版 diffusers 流水线的差异仅在视频编码噪声范围内；使用默认速度设置时，场景和动作相同，但细节略有差异。

## 支持的生成设置

| 设置         | 支持的值                                                                                      |
| ---------- | ----------------------------------------------------------------------------------------- |
| **分辨率档位**  | Nano：256p、480p、720p。Edge：256p、480p。未指定尺寸时，Nano 使用 1280×720，Edge 使用 832×480。               |
| **宽高比**    | 480p 和 720p 支持 16:9、4:3、1:1、3:4、9:16。256p 尺寸包括 320×192、192×320、256×256、320×256 和 256×320。 |
| **帧率**     | Nano：10、16、24 或 30 FPS。Edge：12–30 FPS。默认值：两者均为 24 FPS。                                    |
| **帧数**     | Nano：5–397（默认 189）。Edge：53–149（默认 121）。两者的帧数均采用 4k+1 的形式。                                 |
| **精度**     | BF16，或由平衡和低显存内存模式在加载时应用的 INT8                                                             |
| **GPU 架构** | 此处的测量结果是在 NVIDIA RTX PRO 6000（Blackwell）上取得的。这些测量结果不涵盖其他 GPU。                             |

如果设置超出这些范围，Unsloth 会拒绝执行，并提示最接近的受支持值。例如，在 Edge 上请求生成 50 帧时，建议值为 53。

{% hint style="warning" %}
**重要**

**Cosmos3-Edge** 在 Unsloth 中支持 256p 和 480p、12–30 FPS，以及 53–149 帧（默认 121）。它不支持续接片段。Nano 可使用五帧条件帧续接片段。Restyle 使用独立的 Cosmos3-Nano-Sim-Transfer 模型。
{% endhint %}

对于 16:9 输出， **视觉条件输入** 在 720p 下使用 1280×720，在 480p 下使用 832×480。流水线会将条件图像缩放并裁剪至输出尺寸，因此让条件图像与输出宽高比一致可以避免裁剪。Nano 视频续接会保留五帧条件帧。世界生成提示词请控制在约 300 个词以内。

## 快速入门

### 第 1 步：设置 Unsloth

最简单的入门方式是下载 [Unsloth Desktop 应用](https://unsloth.ai/docs/desktop)。支持 [macOS](https://unsloth.ai/docs/get-started/install/mac), [Windows](https://unsloth.ai/docs/get-started/install/windows-installation)和 [Linux](https://unsloth.ai/docs/get-started/install/linux).

或者手动安装。MacOS、Linux、WSL：

```bash
curl -fsSL https://unsloth.ai/install.sh | sh
```

Windows PowerShell：

```powershell
irm https://unsloth.ai/install.ps1 | iex
```

Unsloth 会安装可运行 Cosmos 3 的 diffusers 版本，因此运行 Cosmos3-Edge 无需其他操作。如果 diffusers 版本低于 0.41，Unsloth 会拒绝运行 Cosmos 3，并提示如何更新。

### 第 2 步。（可选）启用安全检查器

Cosmos 3 模型仓库无需授权即可访问，而 NVIDIA 的内容安全过滤器（Cosmos guardrail）在 Unsloth 中对所有 Cosmos 3 模型均 **默认关闭** ，因此可以跳过此步骤。加载日志会提示该过滤器是否已关闭。此默认设置需要 v0.1.918-beta 之后的版本；更早版本会为 Cosmos3-Nano 启用该过滤器，并拒绝加载，除非先完成设置或设置 `UNSLOTH_COSMOS3_SAFETY_CHECKER=0` 。

启用安全检查器的方法：

1. 启用安全检查器后启动 Unsloth：

```bash
UNSLOTH_COSMOS3_SAFETY_CHECKER=1 unsloth studio
```

2. 安装 `cosmos-guardrail` 到 Unsloth 自己的环境中。如果加载 Cosmos 3 模型时未安装该组件，Unsloth 会显示一条消息，其中有一个 **安装护栏** 按钮（仅限拥有该安装的账户），点击后即可安装，无需重启。也可以运行消息中显示的命令；直接运行 `pip install` 会安装到另一个 Python 环境中，而 Unsloth 并不使用该环境：

```bash
uv pip install --python ~/.unsloth/studio/unsloth_studio/bin/python cosmos-guardrail
```

<figure><img src="https://2657992854-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FauTn508CXQokJ7s4B9Yd%2Fcosmos-3-guardrail-install.png?alt=media" alt="Message: the Cosmos safety checker needs cosmos-guardrail, with the install command, the licence link and an Install guardrail button" width="400"><figcaption><p>已启用安全检查器，但缺少 cosmos-guardrail</p></figcaption></figure>

3. 使用你的 Hugging Face 账户接受 [nvidia/Cosmos-1.0-Guardrail](https://huggingface.co/nvidia/Cosmos-1.0-Guardrail) 的许可协议。该仓库设有访问限制，接受许可后即可获准访问。
4. 在 Unsloth 的 **设置**中添加该账户的 Hugging Face 令牌。首次加载 Cosmos 3 模型时，护栏会从该仓库下载自己的权重。

启用安全检查器后，Unsloth 会在下载模型之前检查你的令牌是否有权读取护栏仓库。如果没有访问权限，加载会在几秒内停止，而不是等到约 33 GB 的 Nano 模型下载完成后才停止。

### 第 3 步：生成视频

在侧边栏中打开 **更多 → 视频** 。点击模型选择器，搜索 **Cosmos3** （或 **Cosmos3-Edge** / **Cosmos3-Nano**），然后点击某个模型。Unsloth 会下载并加载该模型，下载进度会显示在“下载”面板中。

<div><figure><img src="https://2657992854-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FzV5LPOvMdCtYikhCnqrC%2Fcosmos-3-more-video.png?alt=media" alt="Sidebar with the More menu open and Video in the list" width="240"><figcaption><p>更多 → 视频</p></figcaption></figure> <figure><img src="https://2657992854-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FPxq0J6cSeQsu6uDm6RMl%2Fcosmos-3-picker-search.png?alt=media" alt="Video model picker search results with Cosmos3 Nano and Cosmos3 Edge" width="560"><figcaption><p>搜索结果</p></figcaption></figure></div>

描述场景，然后点击 **生成**。建议从 **480p、16:9、24 FPS** 开始，先使用较少的帧数，确认片段能放入内存后再增加。视频页面会以 **832 × 480**的训练尺寸打开 Cosmos3-Edge 和 Cosmos3-Nano； **训练尺寸** 会显示当前使用的尺寸（在 v0.1.918-beta 及更早版本中，请打开 **训练尺寸** 并选择 **832 × 480**）。然后选择时长。请使用训练过的尺寸；如果所选尺寸不在训练尺寸范围内，页面会发出警告。

生成结果会显示在预览下方的图库中。 **配方** 会显示片段的设置，也可以恢复这些设置； **下载** 会保存 MP4 文件。

<div><figure><img src="https://2657992854-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FQt4SWKQvNu2g1kT1cvZW%2Fcosmos-3-result.png?alt=media" alt="Video page with a finished Cosmos3-Edge clip of a robot arm and a box in a warehouse, and the gallery below"><figcaption><p>Cosmos3-Edge，832×480，121 帧，约 16 秒</p></figcaption></figure> <figure><img src="https://2657992854-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FzAEkzEaTWgMGtnMo5fz6%2Fcosmos-3-recipe.png?alt=media" alt="Generation settings card with prompt, model, size 832 by 480, 121 frames at 24 fps, 20 steps, guidance 6 and seed 42" width="326"><figcaption><p>配方卡片</p></figcaption></figure></div>

### 第 4 步：图像转视频

在 **创建**，将图像文件拖到 **起始帧** 提示词下方的框中，并描述你希望的动作。Cosmos 3 会以图像为条件，并从该图像开始向前生成；片段的第一帧会重现该图像。

<figure><img src="https://2657992854-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2F3BphTOcb5eLWnkPv0ksE%2Fcosmos-3-settings.png?alt=media" alt="Create settings with a start frame, the aspect ratio set to Match source, 832 by 480, 121 frames, 24 FPS, 20 steps and guidance 6" width="400"><figcaption><p>在 Cosmos3-Edge 上配置起始帧</p></figcaption></figure>

此流水线会将条件图像调整大小并裁剪至输出尺寸。请匹配目标宽高比以避免裁剪；在 16:9 下，480p 为 832×480，Nano 的 720p 为 1280×720。

### 第 5 步：续接片段（Nano）

加载 Cosmos3-Nano 后，将视频拖到 **续接片段**，选择 **从最后几帧开始** （或其前几帧），描述接下来会发生什么，然后点击 **生成**。Nano 会保留片段中的五帧，并从那里开始生成。Edge 不会显示此部分。

<figure><img src="https://2657992854-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FVAYRy5lq1iqte46gtG88%2Fcosmos-3-continue.png?alt=media" alt="Continue a clip with an uploaded clip and Continue set to From its last frames" width="400"><figcaption><p>延续片段</p></figcaption></figure>

### 步骤 6：为视频重新设定风格（Cosmos3-Nano-Sim-Transfer）

“ **重新设定风格** ”选项卡会将片段的形状和运动保留下来，并以 Canny 边缘的形式描绘出来，再根据你的提示词，使用 stable-diffusion.cpp 上的 Cosmos3-Nano-Sim-Transfer 重新绘制。它最多使用前 4 秒的视频，分辨率为 832×480、帧率为 30 FPS；需要配备约 40 GB 显存的 NVIDIA GPU（使用 Q8\_0 GGUF 时约需 30 GB），且目前仅在 Linux 上经过测试。

<figure><img src="https://2657992854-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2Fw7cDhGvQh2TocbZHDhyA%2Fcosmos-3-restyle.png?alt=media" alt="Restyle tab with the input clip, its edges and the restyled clip side by side"><figcaption><p>输入、边缘和结果</p></figcaption></figure>

<figure><img src="https://2657992854-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FpftrDXCfsdtBfKbKZRv4%2Fcosmos-3-restyle-strip.gif?alt=media" alt="Animation: the input clip, its Canny edges and the restyled clip playing side by side" width="563"><figcaption><p>在 RTX PRO 6000 上，37.5 秒生成 121 帧</p></figcaption></figure>

在选项卡中只需设置一次 Restyle：点击 **设置 Restyle**。此操作会下载模型（约 35 GB）；下载过程中需要约 67 GB 的可用磁盘空间，完成后占用 31 GB。Unsloth 会安装其 stable-diffusion.cpp 服务器、合并 transformer 分片、转换 Wan2.2 VAE 并显示进度；你可以取消后再继续。只有拥有该安装的账户才能运行它。在 macOS 上、没有 NVIDIA GPU 或 GPU 内存少于 31 GB 时，安装程序会直接拒绝运行；GPU 内存为 31 至 42 GB 时会使用 Q8\_0 版本，可减少约 11 GB 的内存占用。设置 Restyle 需要使用 v0.1.918-beta 之后的版本。

<figure><img src="https://2657992854-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2Fhg78J2NonBoxrafLzovl%2Fcosmos-3-restyle-setup.png?alt=media" alt="Restyle tab: Restyle is not set up yet, with the download and disk sizes and a Set up Restyle button" width="400"><figcaption><p>设置 Restyle</p></figcaption></figure>

在 v0.1.918-beta 及更早版本中，请手动设置：

1. 从以下位置下载 transformer： [nvidia/Cosmos3-Nano-Sim-Transfer](https://huggingface.co/nvidia/Cosmos3-Nano-Sim-Transfer) 并使用以下脚本合并其分片： [`scripts/convert_cosmos3.py`](https://github.com/unslothai/stable-diffusion.cpp/blob/master/scripts/convert_cosmos3.py) 该脚本来自 unslothai/stable-diffusion.cpp：

```bash
python convert_cosmos3.py Cosmos3-Nano-Sim-Transfer/transformer cosmos3_nano_sim_transfer_bf16.safetensors
```

2. 下载 Wan2.2 VAE，保存为单个 `wan2.2_vae.safetensors` 文件，链接见 [stable-diffusion.cpp Cosmos 3 指南](https://github.com/unslothai/stable-diffusion.cpp/blob/master/docs/cosmos3.md).
3. 同时设置这两个路径后启动 Unsloth：

```bash
UNSLOTH_COSMOS3_TRANSFER_MODEL=/path/to/cosmos3_nano_sim_transfer_bf16.safetensors \
UNSLOTH_COSMOS3_TRANSFER_VAE=/path/to/wan2.2_vae.safetensors \
unsloth studio
```

手动设置还需要 Unsloth 的 stable-diffusion.cpp 服务器。Unsloth 首次使用 stable-diffusion.cpp 运行模型时（例如 GGUF 图像模型）会下载该服务器；在此之前，该选项卡会显示尚未设置。使用以下工具制作的 Q8\_0 GGUF `sd-cli -M convert --type q8_0` 也可以使用，并且大约少占用 11 GB 内存。在较新的版本中，这两个变量仍优先于 Set up Restyle 管理的文件。

## 微调 Cosmos 3 Reasoner

NVIDIA 报告称，他们使用 Unsloth 在公开的机器人 VQA 数据集上微调 Cosmos3-Nano Reasoner，并使其与内部训练流程相匹配。下面的示例加载 Cosmos3-Edge 的 Reasoner 并附加 LoRA 适配器。该示例在 RTX PRO 6000 上使用 Unsloth 2026.11.5 和 transformers 5.17 按原样运行：模型通过 Unsloth 的 Cosmos3\_Edge 补丁加载，LoRA 适配器成功附加（可训练参数为 25.2M），且模型能够回答文本提示。目前尚未验证训练和导出。

```python
from unsloth import FastVisionModel

model, processor = FastVisionModel.from_pretrained(
    "nvidia/Cosmos3-Edge",
    max_seq_length = 4096,
    load_in_4bit = False,
)

model = FastVisionModel.get_peft_model(
    模型，
    r = 16，
    lora_alpha = 16，
    finetune_vision_layers   = True，
    finetune_language_layers = True，
)
```

在使用自己的视频或图像问答数据集进行训练之前，请先验证 LoRA 训练和 [导出](https://unsloth.ai/docs/new/studio/export) 是否适用于 Cosmos 3。请参阅 [视觉微调](https://unsloth.ai/docs/basics/vision-fine-tuning) 了解通用数据集格式和超参数方面的指导；这些说明本身并不能确认 Cosmos 3 支持训练。

典型用途：机器人视觉问答、基于录制视频的物理推理、任务规划和视频动作预测。

## 目前支持的功能

| 工作流                               | 状态                                                                                                               |
| --------------------------------- | ---------------------------------------------------------------------------------------------------------------- |
| 文本生成视频（Edge、Nano）                 | 支持                                                                                                               |
| 图像生成视频（Edge、Nano）                 | 支持                                                                                                               |
| 视频续写（Nano）                        | 支持                                                                                                               |
| 视频风格重塑（Cosmos3-Nano-Sim-Transfer） | 支持；请从“风格重塑”选项卡进行设置（v0.1.918-beta 及更早版本需手动设置）；已在搭载 NVIDIA GPU 的 Linux 系统上测试                                       |
| Reasoner 加载、LoRA 设置和推理            | 可使用上面的示例                                                                                                         |
| Reasoner LoRA 训练和导出               | 尚未验证                                                                                                             |
| 视频（生成器）LoRA 训练                    | 暂不支持                                                                                                             |
| 预量化的 Cosmos 3 检查点                 | NVIDIA 已提供 Nano、Super 和 Edge FP8 检查点。Nano-FP8 和 Edge-FP8 可在 Desktop v0.1.920-beta 的“视频”页面加载；Super-FP8 的加载情况仍未验证。 |
| Cosmos3-Super（64B）                | 目前不在 Unsloth 中                                                                                                   |

## 故障排除

### 模型无法加载，并提示需要 guardrail

启用安全检查器时（`UNSLOTH_COSMOS3_SAFETY_CHECKER=1`），请点击提示中的 **安装 guardrail** （或运行提示中显示的命令），接受 [nvidia/Cosmos-1.0-Guardrail](https://huggingface.co/nvidia/Cosmos-1.0-Guardrail) 的许可协议，并按照步骤 2 的说明，在设置中添加该账户的 Hugging Face 令牌。如果令牌无权访问该仓库，加载将在模型下载前停止，并显示这些步骤；在 v0.1.918-beta 及更早版本中，此检查会在下载后进行。在默认设置更改之前发布的 Unsloth 版本中，即使未设置该变量，Cosmos3-Nano 也会要求安装 guardrail：请完成设置、更新 Unsloth，或使用以下设置启动 Unsloth： `UNSLOTH_COSMOS3_SAFETY_CHECKER=0`.

### Unsloth 因 diffusers 版本问题而拒绝加载 Cosmos 3

Cosmos 3 需要 diffusers 0.41 或更高版本；加载时，Unsloth 会拒绝使用旧版本。请更新 Unsloth，更新过程会安装可用版本。

### 模型运行时内存不足

Desktop v0.1.920-beta 支持在“视频”页面加载 NVIDIA 的 Nano-FP8 和 Edge-FP8；Super-FP8 的加载情况仍未验证。若要降低内存用量：

* 将 **内存** 设为 **均衡** 。此设置会以 INT8 流式处理 Transformer：根据上述测量结果，Nano 在 832×480、49 帧的设置下使用了 9.0 GiB。从 v0.1.918-beta 之后的版本开始， **低显存** 不高于 Balanced；在较早版本中选择 Balanced。
* 降至更低的分辨率档位，范围为 480p 到 256p。
* 减少帧数。Unsloth 支持 Edge 使用 53–149 帧，Nano 使用 5–397 帧，步长为 4。
* 使用 Cosmos3-Edge (4B)，而不是 Cosmos3-Nano (16B)。

### 缺少“继续视频片段”

视频续接功能仅在 **创建** 加载 Cosmos3-Nano 时才会显示。Cosmos3-Edge 不支持续接视频片段。

### Restyle 提示尚未完成设置

点击 **设置 Restyle** 选项卡中的按钮（第 6 步）。如果看不到该按钮，提示会说明原因：安装归其他账户所有、GPU 显存少于 31 GB、没有 NVIDIA GPU，或使用的是 macOS。在 v0.1.918-beta 及更早版本中，按第 6 步所述设置 `UNSLOTH_COSMOS3_TRANSFER_MODEL` 和 `UNSLOTH_COSMOS3_TRANSFER_VAE` 并重启 Unsloth；如果提示指出尚未安装 stable-diffusion.cpp 服务器，请在“图像”页面运行一次 GGUF 图像模型，Unsloth 就会下载该服务器。

## 常见问题

### Generator 和 Reasoner 有什么区别？

NVIDIA 的 **Generator** 模型可以生成视频、声音和动作。Unsloth 可根据文本、图像或视频片段生成视频，并使用 Cosmos3-Nano-Sim-Transfer 对视频进行风格转换；目前未开放声音和动作生成功能。 **Reasoner** 可根据文本和视觉内容生成文本；Unsloth 支持加载和设置 LoRA，但其训练流程尚未经过验证。

### 我应该从哪个模型开始？

建议从 **Cosmos3-Edge (4B)**&#x5F00;始；它更小、速度更快。可参考内存表中经过实测的配置，但请勿将其视为最低配置保证。选择 **Cosmos3-Nano (16B)** 则适用于需要 720p 输出或视频续接的情况。

### 我能训练视频生成器，而不仅仅是 Reasoner 吗？

目前还不行。Unsloth 目前不支持训练 Cosmos 3 生成器的 LoRA。

### Cosmos 3 能生成声音吗？

NVIDIA 的模型支持在生成视频的同时生成声音。Unsloth 不会加载声音分词器，因此生成的视频片段没有音频。

### 所有操作都在本地运行吗？

模型下载完成后，生成过程会在你的设备上运行。启用安全检查器后，Unsloth 还会在首次加载 Cosmos 3 模型时，从 Hugging Face 下载安全防护模型的权重。


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation by asking a question.

Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:

```
GET https://unsloth.ai/docs/zh/mo-xing/cosmos-3.md?ask=<question>&goal=<user_goal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.
