Classmethod Dgx Spark Cosmos3 Family Usecase Map
NVIDIA Cosmos 3 ファミリーの使い分けマップを整理してみた
- URL: https://dev.classmethod.jp/articles/dgx-spark-cosmos3-family-usecase-map/
- 日付: 2026-06-02
- Tier: Tier 3
- 要旨: NVIDIA Cosmos 3（Nano/Super）の使い分けを、DGX SparkでのReasonerTower実測（Heron-Bench・JMMMU・Robot CoT）を交えて整理。Cosmos Reason 2との精度差はほぼなく、乗り換え判断軸は「Cosmos 3にしかない性質（因果推論・CoT・多モーダル・物理推論）」になると結論。
詳細
Cosmos 3ファミリー早見表:
| モデル | パラメータ | メモリ目安 | DGX Spark単体 |
|---|---|---|---|
| Cosmos Reason 2 | 8B | ~17GB | ✅ |
| Cosmos 3 Nano | 16B | ✅ | |
| Cosmos 3 Super | 64B | ~120GB+ | ⚠️ |
| Cosmos 3 Edge | 4B | ~8GB | ✅（coming soon） |
| Nano-Policy-DROID | 16B | ~30GB | ✅ |
実測結果（DGX Spark GB10上）:
- Heron-Bench（日本語視覚推論）: Cosmos 3 Nano 2.777 ≒ Cosmos Reason 2（拮抗）
- JMMMU（多肢選択 exact match）: Cosmos 3 Nano 0.498（わずかに上回る程度）
- Robot CoT: 有効JSON割合 0.62、1枚あたり平均8.3秒（小型アームへの組み込みが現実的な速度）
Cosmos Reason 2を継続すべき場面: 既存VSSパイプライン、Jetsonエッジ環境、多並列ストリーム監視、構造化JSON完結の事象検出
Cosmos 3 Nanoに乗り換える価値がある場面: 因果推論・CoT・多モーダル入力・ロボット軌道計画・合成データ生成
omnimodel として使う場面: 観察→計画→生成→制御の一気通貫ワークフロー（VLA）、合成データ生成でのSim2Real拡張
結論: 精度差は誤差レベル。DGX Spark単体では Nano + Reason 2 の切り替え運用が現実解。Super系は別環境前提。