第二部署目标 Cosmos3-Edge（4B 全模态世界模型）的 2B VL reasoner，部署在 Jetson Orin，对真实驾驶视频帧做自由场景描述。
4 个真实驾驶 clip（各均匀采样 6 帧，前视广角相机）。点击场景切换，点击帧放大。
测试数据集：自建驾驶域基准 n=184——PhysicalAI-AV 真实帧 + 人工校验的 8 选 1 单选标注（随机基线 12.5%），单一评测集、无训练/测试划分。上方演示是自由描述（定性），这里是 reasoner 在同一基准下的定量精度。完整口径与诚实边界见 Phase W 报告 §W.2。
| 模型 | n=184 精度 | 说明 |
|---|---|---|
| Cosmos3-Edge 2B FP16（本页演示模型） | 42.4% | Wilson 95% CI [35.5, 49.6] · 3.4× 随机基线（12.5%） |
| Cosmos-Reason2-8B FP16 | 51.6% | 上代 8B 基线 |
| Cosmos-Reason2-8B INT8 | 47.8% | −3.8 pts |
| Cosmos-Reason2-8B INT4 | 50.5% | −1.1 pts |
跨代对比：Cosmos3-Edge 2B 比上代 Cosmos-Reason2-8B FP16 低 9.2 pts（McNemar p=0.0115，显著）——缩小模型不免费；而 8B 的量化版（INT8/INT4）相对 FP16 掉点很小——量化几乎免费。Cosmos3-Edge 2B 仍达随机基线 3.4×、具备真实场景理解；184/184 全部 EOS、零解析失败。
图 1 · Cosmos3-Edge 2B reasoner 的 Orin 推理链：6 帧 + prompt → visual / llm 双引擎（分解注意力补丁绕开 TRT-11-only 算子墙）→ 自由描述（演示）与 8 选 1 单选（评测 n=184）两种输出
| 项 | 值 |
|---|---|
| 模型 | Cosmos3-Edge（4B 全模态 = 2B VL reasoner + rectified-flow 扩散专家），本页用 reasoner |
| 引擎 | FP16，llm 3.7G + visual 940M（分解注意力版，K4/K6 绕过 TRT-11-only 算子墙） |
| 硬件 / 运行时 | Jetson Orin sm_87 · JetPack 6.2 · TensorRT 10.7 · TRTEdge v0.10.1 |
| 输入 | 自由描述（演示）：6 帧 @448×256 + 自由描述 prompt（maxInputLen 2048）；8 选 1 单选（评测 n=184）：6 帧（前视广角 120° 相机）+ 问题与 8 个选项 |
| 输出 | 自由描述：自由场景描述文本（greedy，max 200 tokens）；单选：选项字母（如 "B"，经 parse_choice 解析，n=184 上 unparsed=0） |
| 延迟 | ~0.9 s / 请求（n=184 基准口径） |