В репозитории представлены варианты, включая модели на 2B и 14B параметров; в метаданных базовой моделью указана nvidia/Cosmos-Predict2-2B-Text2Image.
Модель предназначена прежде всего для генерации изображений по текстовому описанию и интеграции с ComfyUI через gguf-node. В примерах показана генерация сцен с людьми, атмосферой, дождём, городскими и кинематографичными сюжетами; также приведены видеопримеры, однако точные возможности, архитектура, поддерживаемые языки и размер контекста не указаны.
Для работы требуются GGUF-файлы модели, текстового энкодера t5xxl-old и VAE pig, размещённые в соответствующих каталогах ComfyUI. Использование полностью в формате GGUF позволяет отказаться от safetensors и ориентировано на совместимость с gguf-node. Лицензия указана как NVIDIA Open Model License; условия следует уточнять по официальному тексту лицензии NVIDIA.
