Cosmos 在近期报道中指向两个不同但同名的主体：一是 NVIDIA 面向物理世界与视觉 AI 的 Cosmos 世界模型家族（含 Cosmos 3 Nano 等版本），二是 Augment Code 旗下用于运行 AI 智能体的 Cosmos 平台。两者都处于快速迭代期，核心议题围绕视频物理推理、智能体任务编排与模型接入成本。
NVIDIA Cosmos 的物理推理进展
在视频物理推理方向，NVIDIA 发布了 Physis-Lang 视频物理推理框架，并称其登上物理视频生成榜首；同期 Cosmos 3 Nano 获得 AI City Challenge 奖项，显示该系列在城市场景与物理一致性任务中的落地意图。NVIDIA发布Physis-Lang视频物理推理框架、Physis-Lang登上物理视频生成榜首、NVIDIA Cosmos 3 Nano 获 AI City Challenge 奖。
在工具链层面，NVIDIA Cosmos 与 VSS 3.3 结合，可用提示构建视觉 AI 智能体；同时 Google DeepMind 向所有人开放 SynthID Detector 水印检测工具，为生成内容的可追溯性提供配套能力。NVIDIA Cosmos 和 VSS 3.3 可通过提示构建视觉 AI 智能体、Google DeepMind 向所有人开放 SynthID Detector 水印检测工具。
Augment Code Cosmos 平台的模型接入与成本变化
在智能体平台侧，Augment Code 的 Cosmos 平台陆续上线 Anthropic Claude Opus 5.5、GPT-6 Sol 与 Luna、GPT-6.1 Sol 等模型。官方称，接入 Claude Opus 5.5 后，智能体任务成本降至 Opus 5 的 40%，并把这一模式描述为“软件工厂”：通过一个提示词和两个屏幕即可快速搭建。Augment Code Cosmos 平台上线 Anthropic Claude Opus 5.5，智能体任务成本降至 Opus 5 的 40%、GPT-6 Sol 和 Luna 现已登陆 Cosmos 平台、GPT-6.1 Sol在Cosmos平台上线、Cosmos 的软件工厂：通过一个提示词和两个屏幕快速搭建。
当前焦点与观察点
两个 Cosmos 的焦点并不相同：NVIDIA 一侧关注物理一致性与视频生成的可验证性，Physis-Lang 的榜首成绩与 SynthID 检测工具形成“生成—检测”的组合；Augment Code 一侧关注多模型接入与单位任务成本，40% 的成本数字是其主要卖点之一。观察点在于：Cosmos 3 Nano 的奖项能否转化为通用场景表现、Physis-Lang 的物理推理是否可复现，以及智能体平台在模型快速更替下如何维持成本优势与任务稳定性。