Cosmos 3 vs Wan 2.2 비교: 어떤 오픈 비디오 모델을 선택할까?

Cosmos 3는 NVIDIA의 로봇·자율주행용 월드 모델로 4B Edge 크기가 있습니다. Wan 2.2는 알리바바의 Apache 2.0 텍스트·이미지→비디오 계열로 24 GB GPU용 5B 모델이 있습니다.

  • 업데이트

결론. 용도에 따라 선택하세요. Cosmos 3(Edge 4B는 9.2 GB, Nano 16B는 35 GB, Super 64B는 133 GB)은 피지컬 AI를 위해 만들어졌습니다. 짧은 물리 장면 영상을 생성하고, 두 개의 큰 크기는 오디오도 포함하며, 로봇 행동을 예측하고 영상에 대한 질문에 텍스트로 답하지만, 최대 해상도는 720p이고 NVIDIA GPU가 있는 Linux에서 실행되며 공식적으로는 BF16만 검증되었습니다. Wan 2.2는 범용 텍스트→비디오·이미지→비디오 계열로, 오프로딩으로 24 GB GPU에 들어가는 5B 모델과 80 GB가 필요한 총 27B mixture-of-experts 모델 두 개가 있습니다. 클립은 약 5초이고 베이스 모델은 무음 영상을 만들며, 출시한 지 1년이 넘었지만 커뮤니티 도구가 풍부합니다. Cosmos 3는 OpenMDW-1.1, Wan 2.2는 Apache 2.0이며 어느 쪽도 매출 상한이 없습니다. NVIDIA와 알리바바는 각자 자체 벤치마크에서 우위를 보고하고, 독립적인 정면 비교는 찾지 못했으므로 직접 만든 클립으로 판단하세요.

사양

사양 Cosmos 3Wan 2.2
개발사NVIDIAAlibaba Wan
출시일2026년 5월 31일2025년 7월 28일
총 파라미터64.6B (Cosmos3-Super)27B (T2V-A14B (text to video))
활성 파라미터전체14B
아키텍처하이브리드디퓨전
컨텍스트 윈도우––
입력텍스트, 이미지, 영상, 오디오텍스트, 이미지
라이선스 OpenMDW-1.1 (허용적) Apache 2.0 (허용적)
최소 버전 메모리(4비트)11 GB (Cosmos3-Edge)24 GB (TI2V-5B (text or image to video))

성능 주장은 개발사가 제공한 것이며 독립적으로 검증되지 않았습니다.

Cosmos 3(이)가 적합한 경우

  • 로보틱스나 자율주행 분야에서 영상, 행동 또는 결과를 예측하는 모델이 필요한 경우.
  • 영상을 생성하고 그에 대한 질문에 답하며 점과 박스도 표시하는 하나의 모델을 원하는 경우.
  • NVIDIA 하드웨어가 있고 한 장의 GPU에서 4B 모델을 돌리고 싶은 경우. NVIDIA에 따르면 H100에서 189프레임 480p 클립을 약 28초 만에 만듭니다.
  • 생성된 영상에 동기화된 오디오를 원하는 경우. 16B와 64B 크기가 제공합니다.

Wan 2.2(이)가 적합한 경우

  • 범용 텍스트→비디오나 이미지→비디오(예: 크리에이티브 클립)를 5B 모델로 24 GB GPU에서 만들고 싶은 경우.
  • 더 큰 커뮤니티를 원하는 경우. ComfyUI, Diffusers, LightX2V, DiffSynth-Studio 같은 도구가 양자화 빌드와 오프로딩을 제공합니다.
  • Apache 2.0과 같은 팀의 오디오 기반 영상, 캐릭터 애니메이션, 댄스용 자매 모델을 원하는 경우.
  • 추론 기능이나 로봇 행동이 필요 없고 짧은 무음 클립이면 충분한 경우.

Cosmos 3 · Wan 2.2