CARI4D מסחרי: NVIDIA פתחה בשקט את מודל האינטראקציה הארבע-ממדי שלה לעסקים

מתישהו בסביבות 30 באוגוסט 2026, מאגר עם גישה מוגבלת בשם nvidia/cari4d_commercial הופיע ב-Hugging Face. כרטיס המודל שלו מתאר צ'קפוינט שהיצרן מכנה "CARI4D CoCoNet Native Momentum Human Rig (MHR)" — רשת בת 231 מיליון פרמטרים שלוקחת סרטון MP4 רגיל ומחזירה, פריים אחר פריים, את התנוחה של אדם אחד ושל עצם קשיח אחד שהאדם מטפל בו, בתוספת שני לוגיטים של מגע יד. שורת הרישיון מציינת nvidia-open-model-agreement, והכרטיס מציין שהמודל מוכן לשימוש מסחרי או לא-מסחרי. זהו שינוי משמעותי מחייו הקודמים של CARI4D. מאגר המחקר, nvidia/CARI4D, מספק את אותה משפחת מודלים — CoCoNet, 194 מיליון פרמטרים — תחת רישיון NVIDIA, עם המילים "למחקר ולפיתוח בלבד" הכתובות על הכרטיס. זה ההבדל בין מאמר שאפשר לקרוא לבין רכיב שאפשר לשלוח.

מה שהופך את זה לבעל ערך חדשותי אינו השחרור. זהו השקט סביבו. זו אינה השקה: NVIDIA לא פרסמה פוסט בבלוג, לא רשומה בחדר החדשות, לא טבלת בנצ'מרקים ולא תמחור עבור cari4d_commercial, ובזמן כתיבת שורות אלה המאגר נגיש רק לאחר קבלת תנאים ושיתוף פרטי קשר. כל מה שלהלן נקרא משני כרטיסי המודל ומהשחרור הציבורי של הקוד. כאשר טענה היא של NVIDIA עצמה ואינה משוחזרת, מאמר זה מציין זאת.

מה בעצם השתנה ב-30 באוגוסט

הפיתוי הוא לסווג את זה כשינוי רישיון. זה יותר מזה. קראו את שני הכרטיסים זה מול זה, ושלושה דברים זזו בבת אחת — הרישיון, הגודל של נקודת הביקורת, ומודל גוף האדם שמתחתיה.

• פרמטרים — מהדורת המחקר של CARI4D 194M לעומת CARI4D CoCoNet MHR 231M

• נקודת ביקורת — step031397.pth (31,397 צעדי אימון) לעומת מחרוזת הגרסה 2026-08-25-09-35-57, צעד 200,000, סטטוס "האימון הושלם"

• ריג גוף — תנוחה וצורה של SMPL / SMPL-H לעומת פרמטרים של Native Momentum Human Rig (MHR)

• רישיון — NVIDIA License, "למחקר ופיתוח בלבד" לעומת NVIDIA Open Model Agreement, שימוש מסחרי מותר

• גישה — הורדה פתוחה לעומת מוגבלת, יש לאשר את התנאים

• פלטים — תנוחת SMPL, צורה, הזזה, סיבוב והזזה של אובייקט לאחר עדכון, מגע יד בינארי לעומת תנוחת אובייקט לפי פריים ושאריות MHR, בתוספת שני לוגיטים של מגע יד

מספר הצעדים הוא השורה שראויה לתשומת לב. צ'קפוינט מחקרי שקפא בערך ב-31 אלף צעדים וצ'קפוינט ייצור שהגיע ל-200,000 אינם אותו אובייקט עם כותרת רישיון שונה שהוצמדה לו. NVIDIA גם מדווחת על הנתון של 231M כ"נמדד ממצב המודל בצעד 84,000, לא כולל באפרים רשומים", מה שאומר שהכרטיס מתאר שושלת אימון ולא ארטיפקט קפוא בודד.

החלפת ריג הגוף חשובה לא פחות לכל מי שכבר בנה מול CARI4D. קו המחקר מבוסס SMPL לכל אורכו — מונחי האופטימיזציה של המאמר מבצעים רגרסיה של תנוחת SMPL, צורה ותרגום, והקוד תלוי בקבצי pickle של SMPL-H בתוספת תיקון VolumetricSMPL. MHR הוא פרמטריזציה שונה. אם כתבת קוד אינטגרציה מול טנסורי הפלט של הצ'ק-פוינט המחקרי, צורת הפלט של הכרטיס המסחרי אינה מהווה תחליף ישיר.

מהדורת המחקר שעליה זה מבוסס היא בת שמונה חודשים

כדאי לדייק לגבי ציר הזמן, כי הביטוי "מודל חדש" יהיה שגוי כאן, וגם הביטוי "מודל ישן" יהיה שגוי.

המאמר CARI4D — שחזור 4D אגנוסטי לקטגוריה של אינטראקציית אדם-אובייקט, מאת שיאנגחוי שי, בואון וון, יאן צ'אנג, חסאם ראבטי, ג'יפנג לי, יה יואן, ג'רארד פונס-מול וסטן בירצ'פילד — עלה ל-arXiv ב-16 בדצמבר 2025 בתור 2512.11988, והתקבל ל-CVPR 2026. שחרור הקוד של NVlabs הגיע לאחר מכן ב-28 בפברואר 2026. קוד אימון ועיבוד מקדים של וידאו מותאם אישית פורסמו ב-4 באפריל. לפי כל קנה מידה מקובל, קו המחקר הזה הוא עבודה סגורה בת שמונה חודשים עם רשימת TODO שהושלמה.

אם להיות כנים, הניסוח הוא כזה: השיטה היא כבר לא חדשה, ואילו הארטיפקט המסחרי הוא בן שלושה שבועות. אם חיפשתם CARI4D במרץ והסקתם שמדובר בסקרנות מחקרית עם רישיון מגביל, המסקנה הזאת הייתה נכונה אז והיא מיושנת כיום. זו כל הסיבה לכך שזה שייך למשבצת חדשות.

מה המודל באמת עושה, ועד כמה טוב

CARI4D משחזר אינטראקציית אדם-אובייקט ב-4D — שלושה ממדי מרחב ועוד זמן — בקנה מידה מטרי, מתוך סרטון RGB מונוקולרי בודד. האילוץ האחרון הוא המעניין. שחזור קנה המידה המטרי של אובייקט שאדם מחזיק, ממצלמה רגילה אחת, בלי חיישן עומק ובלי מערך רב-מבטי, הוא הבעיה שהמאמר בנוי סביבה.

הפייפליין הוא שרשרת של מודלי בסיס ולא רשת אחת מקצה לקצה: UniDepth עבור עומק מטרי, NLF ו-GENMO עבור תנוחת אדם, Hunyuan3D עבור רשתות אובייקטים מתמונה בודדת, FoundationPose עבור מעקב אחר אובייקטים, VolumetricSMPL עבור מודל גוף מבוסס מרחק מסומן. CoCoNet — החלק ש-NVIDIA למעשה משחררת — יושב באמצע ועושה את הסקת המגע. הוא מרנדר את האומדן הנוכחי של האדם והאובייקט ל-RGB, עומק ומסכות, ואז משווה את הרינדור הזה לתצפית האמיתית באמצעות מקודד RGB מסוג DINOv2 ViT-B/14 ומקודד XYZ-ומסכה בעל שישה ערוצים מסוג ViT-S/14, מריץ שני בלוקים של קשב מרחבי-זמני, ומבצע רגרסיה של תיקונים לכל פריים דרך ראשי MLP.

המספרים המדווחים, מתוך המאמר ומהכרטיס של הספק עצמו: שגיאת שחזור נמוכה ב-38% לעומת הטכנולוגיה הקודמת במערכי נתונים בתוך ההתפלגות, וב-36% במערכי נתונים שלא נראו. האבלציה שהופכת את הארכיטקטורה למובנת מציבה את מרחק ה-Chamfer של האובייקט על 1,565.42 ס"מ מ-NLF גולמי בתוספת מעקב FoundationPose, 16.85 ס"מ לאחר אתחול CARI4D, ו-11.59 עד 11.57 ס"מ כאשר מפעילים את עידון CoCoNet ואת האופטימיזציה המשותפת המלאה. אלו נתוני ספק מתוך מאמר שעבר ביקורת עמיתים — מקור מהימן יותר מדף שיווקי, ועדיין לא רפרודוקציה עצמאית, ואף צד שלישי לא פרסם כזו.

הכרטיס המסחרי מוסיף פרט שהמאמר לא יכול היה: המודל אומן על FORM-HOI, המתואר כ-2,126 רצפים פנימיים, והכרטיס מציין במפורש שאין מערך בדיקה נפרד — ההערכה היא מערך הדגמה איכותני. הוא גם מציין שקורפוס האימון הפנימי "Daniel" אינו מופץ. בקריאה משותפת, זהו ספק שאומר לך שהתפלגות האימון היא שלו והראיות להכללה דקות יותר ממה שטבלת האבליישן מרמזת.

מה שהרישיון למעשה מעניק, ומה שהוא אינו מעניק

הסכם המודל הפתוח של NVIDIA הוא רישיון מסחרי מתירני, אך "שימוש מסחרי מותר" אינו זהה ל"ללא התחייבויות". הכרטיס מפרט את המודל כמיועד למפתחים ולחוקרים הבונים מערכות ראייה מסחריות או לא-מסחריות לאומדן תנוחת אדם-אובייקט בתלת-ממד/ארבע-ממד, ניתוח תנועה, ויזואליזציה, אוצרות נתונים ותפיסה רובוטית, ובאופן מפורש שולל הפעלה אוטונומית ישירה או החלטות קריטיות לחיים.

שתי הערות מעשיות לכל מי שבוחן את זה. ראשית, המאגר חסום בגישה מבוקרת: יש לאשר תנאים ולמסור פרטי קשר לפני שהקבצים מופיעים, כך שבדיקת הרכש והבדיקה המשפטית מתרחשות לפני ההורדה, לא אחריה. שנית, המודל הפרוס אינו עצמאי. CoCoNet הוא 231 מיליון פרמטרים, אך הוא אינו פועל לבד — הצינור הרחב יותר עדיין מושך משקולות NLF torchscript, משקולות FoundationPose, נכסי SMPL-H, קובץ `kid_template.npy`, והוא עדיין זקוק ל-Hunyuan3D כדי לייצר מלכתחילה את ה-meshes של האובייקטים. הרישיון המסחרי מכסה את החלק ש-NVIDIA משחררת. הוא אינו מכסה את תלויות הצד השלישי שסביבו, וכל אחת מאלה נושאת תנאים משלה. זו הדרך הנפוצה ביותר שבה שחרור כזה מפתיע צוות משפטי.

איפה זה נוחת עבור אנשים שבונים עם מודלים

כדי להיות ישירים לגבי ההיקף: CARI4D הוא מודל שחזור בראייה ממוחשבת, לא מודל שפה, ו-OrcaRouter לא מגיש אותו. אין לקרוא שום דבר במאמר הזה כאומר אחרת — אירוח עצמי שלו עם PyTorch על GPU בדרגת Ampere, שהיא התצורה שהכרטיס אומר שהוא אומת עליה, הוא הדרך היחידה להריץ אותו היום.

הסיבה שזה עדיין ראוי לפסקה כאן היא שהכרטיס מגדיר את אוצרות הנתונים כשימוש מיועד עיקרי, וזה בדיוק החלק בצינור עיבוד נתונים תלת-ממדי-ארבע-ממדי שבו מודלי שפה באמת חיים. בניית מערך נתונים של אינטראקציית אדם-אובייקט משמעה כתיבת כיתובים לקליפים, תיוג אירועי מגע, ניסוח פרומפטים לבקרת איכות וסינון כשלים — עבודה שעוברת דרך מודלים של ראייה-שפה ומודלים של שפה, ועבודה שמתרחבת בצורה גרועה אם כל אחת מהן היא חוזה נפרד ומפתח נפרד. ניתוב של יותר מ-200 מודלים מאחורי API יחיד ב-OrcaRouter, כשמחיר המחירון של הספק מועבר הלאה בתוספת של 0% ומעבר אוטומטי לגיבוי כאשר ספק מתדרדר, הוא המראה של השכבה הזו כשהיא אינה מותאמת אישית. הורדות מחירים של ספקים מגיעות לנקודת הקצה באותו יום, כי אין תוספת מחיר שצריך לגזור מחדש. זו עבודה שונה מזו ש-CARI4D עושה, והיא העבודה שמקיפה אותה.

מה ישנה את הקריאה הזו?

ארבעה דברים. הכרזה של NVIDIA תהפוך מאגר שקט למוצר נתמך, ואיתה יגיעו תנאי התמחור והתמיכה שכרגע חסרים. הערכה מפורסמת על מערך נתונים שלא נבנה על ידי NVIDIA תכריע את שאלת ההכללה שהכרטיס מותיר פתוחה. תיעוד של מה ש-MHR משנה ביחס ל-SMPL יאמר לאינטגרטורים קיימים של CARI4D עד כמה ההגירה יקרה בפועל — נכון לעכשיו הכרטיס נוקב בשם הריג בלי להסביר את הדלתא. והכרעה לגבי תלויות צד שלישי תקבע אם "ברישיון מסחרי" פירושו מה שצוות רכש יניח שזה אומר.

עד אז, התיאור הנכון הוא צר ולא זוהר, והוא זה שהראיות תומכות בו: בסדרת CARI4D של NVIDIA זמין מאז 30 באוגוסט 2026 צ'קפוינט גדול יותר, שאומן זמן רב יותר, ברישיון מסחרי, והספק לא אמר על כך מילה. אם אתה זקוק לאינטראקציית אדם–אובייקט ב-4D בקנה מידה מטרי, ואם פסלת את זה כ"מחקרי בלבד", החסם שעקפת נעלם.