CARI4D Commercial: NVIDIA đã âm thầm mở mô hình tương tác 4D của mình cho doanh nghiệp

Vào khoảng ngày 30 tháng 8 năm 2026, một kho lưu trữ có kiểm soát truy cập mang tên nvidia/cari4d_commercial đã xuất hiện trên Hugging Face. Thẻ mô hình của nó mô tả một checkpoint mà nhà cung cấp gọi là "CARI4D CoCoNet Native Momentum Human Rig (MHR)" — một mạng 231 triệu tham số, nhận một video MP4 thông thường và trả về, theo từng khung hình, tư thế của một người và một vật thể cứng mà người đó đang cầm nắm, cùng hai logit tiếp xúc bàn tay. Dòng giấy phép ghi là nvidia-open-model-agreement, và thẻ nêu rõ mô hình đã sẵn sàng cho mục đích thương mại hoặc phi thương mại. Đó là một thay đổi đáng kể so với vòng đời trước đây của CARI4D. Kho lưu trữ nghiên cứu, nvidia/CARI4D, phát hành cùng dòng mô hình — CoCoNet, 194 triệu tham số — theo Giấy phép NVIDIA với dòng chữ "chỉ dành cho nghiên cứu và phát triển" in trên thẻ. Đó là sự khác biệt giữa một bài báo bạn có thể đọc và một thành phần bạn có thể đưa vào sản phẩm.

Điều khiến điều này đáng đưa tin không phải là bản phát hành. Mà là sự im lặng xung quanh nó. Đây không phải là một màn ra mắt: NVIDIA đã không công bố bài blog nào, không có mục newsroom nào, không có bảng benchmark nào và không có giá cho cari4d_commercial, và vào thời điểm viết bài, kho lưu trữ chỉ có thể truy cập sau khi chấp nhận điều khoản và chia sẻ thông tin liên hệ. Mọi nội dung dưới đây được đọc ra từ hai model card và bản phát hành mã công khai. Ở đâu có tuyên bố là của chính NVIDIA và chưa được tái lập, bài viết này nói rõ như vậy.

Điều gì thực sự đã thay đổi vào ngày 30 tháng 8?

Điều dễ khiến ta muốn xếp việc này vào loại thay đổi giấy phép. Nhưng nó còn hơn thế. Đọc hai thẻ đối chiếu với nhau, và ba thứ đã dịch chuyển cùng lúc — giấy phép, quy mô của điểm kiểm soát, và mô hình cơ thể người bên dưới nó.

• Tham số — bản phát hành nghiên cứu CARI4D 194M so với CARI4D CoCoNet MHR 231M

• Checkpoint — step031397.pth (31.397 bước huấn luyện) so với chuỗi phiên bản 2026-08-25-09-35-57, bước 200.000, trạng thái "Training completed"

• Rig cơ thể — tư thế và hình dạng SMPL / SMPL-H so với các tham số của Native Momentum Human Rig (MHR)

• Giấy phép — Giấy phép NVIDIA, "chỉ dành cho nghiên cứu và phát triển" so với Thỏa thuận Mô hình Mở NVIDIA, được phép sử dụng cho mục đích thương mại

• Truy cập — tải xuống mở so với hạn chế, các điều kiện phải được chấp nhận

• Đầu ra — tư thế, hình dạng và độ dịch chuyển SMPL đã cập nhật; độ quay và độ dịch chuyển của vật thể; tiếp xúc bàn tay nhị phân so với tư thế vật thể theo từng khung hình và phần dư MHR; cùng hai logit tiếp xúc bàn tay

Số bước là dòng đáng được chú ý. Một checkpoint nghiên cứu bị đóng băng ở khoảng 31k bước và một checkpoint sản xuất đã chạy đến 200.000 không phải là cùng một đối tượng với một tiêu đề giấy phép khác được ghim thêm vào. NVIDIA cũng báo cáo con số 231M là "được đo từ trạng thái mô hình ở bước 84.000, không bao gồm các bộ đệm đã đăng ký", điều này cho bạn biết thẻ đang mô tả một phả hệ huấn luyện chứ không phải một tạo tác đóng băng duy nhất.

Việc thay rig cơ thể cũng quan trọng không kém đối với bất kỳ ai đã xây dựng dựa trên CARI4D. Nhánh nghiên cứu hoàn toàn dựa trên SMPL — các số hạng tối ưu hóa trong bài báo hồi quy tư thế, hình dạng và phép dịch của SMPL, còn mã nguồn phụ thuộc vào các tệp pickle SMPL-H cùng một bản vá VolumetricSMPL. MHR là một cách tham số hóa khác. Nếu bạn đã viết mã tích hợp dựa trên các tensor đầu ra của checkpoint nghiên cứu, thì hình dạng đầu ra của card thương mại không phải là thứ có thể thay thế trực tiếp.

Bản phát hành nghiên cứu mà thứ này được xây dựng dựa trên đã ra mắt được tám tháng.

Cần phải nói chính xác về mốc thời gian, bởi vì cụm từ "mô hình mới" sẽ sai trong trường hợp này và cụm từ "mô hình cũ" cũng sẽ sai.

Bài báo CARI4D — Tái tạo 4D không phân biệt hạng mục cho Tương tác Người - Vật thể, của Xianghui Xie, Bowen Wen, Yan Chang, Hesam Rabeti, Jiefeng Li, Ye Yuan, Gerard Pons-Moll và Stan Birchfield — đã được đăng lên arXiv vào ngày 16 tháng 12 năm 2025 với mã 2512.11988, và đã được chấp nhận tại CVPR 2026. Bản phát hành mã nguồn của NVlabs tiếp theo vào ngày 28 tháng 2 năm 2026. Mã huấn luyện và tiền xử lý video tùy chỉnh đã có vào ngày 4 tháng 4. Theo mọi cách đánh giá thông thường, hướng nghiên cứu này là một công trình đã ổn định, đã tám tháng tuổi, với danh sách TODO đã hoàn tất.

Vậy cách diễn đạt trung thực là thế này: phương pháp thì đã là chuyện cũ, còn sản phẩm thương mại mới chỉ ba tuần tuổi. Nếu bạn tìm kiếm CARI4D vào tháng Ba và kết luận rằng đó là một thứ gây tò mò trong nghiên cứu với giấy phép hạn chế, thì kết luận đó đúng vào lúc đó và giờ đã lỗi thời. Đó chính là toàn bộ lý do nội dung này thuộc về một vị trí tin tức.

Mô hình thực sự làm gì, và làm tốt đến mức nào

CARI4D tái dựng tương tác giữa người và vật thể trong không gian 4D — ba chiều không gian cộng với thời gian — ở tỉ lệ mét, chỉ từ một video RGB đơn mắt. Ràng buộc cuối cùng đó mới là điều thú vị. Khôi phục tỉ lệ mét của một vật thể mà một người đang cầm, từ một camera thông thường, không có cảm biến độ sâu và không có dàn quay đa góc nhìn, chính là bài toán mà bài báo lấy làm trọng tâm.

Pipeline này là một chuỗi các mô hình nền tảng chứ không phải một mạng đầu-cuối duy nhất: UniDepth cho độ sâu theo hệ mét, NLF và GENMO cho tư thế người, Hunyuan3D cho lưới đối tượng từ một ảnh đơn, FoundationPose cho việc theo dõi đối tượng, VolumetricSMPL cho mô hình cơ thể dựa trên hàm khoảng cách có dấu. CoCoNet — phần mà NVIDIA thực sự phát hành — nằm ở giữa và đảm nhiệm việc suy luận tiếp xúc. Nó kết xuất ước lượng hiện tại về người và đối tượng thành RGB, độ sâu và mặt nạ, sau đó so sánh bản kết xuất đó với quan sát thực tế bằng một bộ mã hóa RGB DINOv2 ViT-B/14 và một bộ mã hóa sáu kênh XYZ-và-mặt-nạ ViT-S/14, chạy hai khối chú ý không gian - thời gian, rồi hồi quy các hiệu chỉnh theo từng khung hình thông qua các đầu MLP.

Các con số được báo cáo, từ bài báo và tài liệu của chính nhà cung cấp: lỗi tái tạo thấp hơn 38% so với công trình trước đó trên các bộ dữ liệu cùng phân phối, 36% trên các bộ dữ liệu chưa từng thấy. Phép ablation giúp kiến trúc trở nên dễ hiểu đặt khoảng cách Chamfer của vật thể ở mức 1.565,42 cm từ NLF thô cộng với theo dõi FoundationPose, 16,85 cm sau khởi tạo CARI4D, và 11,59 đến 11,57 cm khi bật tinh chỉnh CoCoNet và tối ưu hóa ghép nối đầy đủ. Đó là các số liệu của nhà cung cấp từ một bài báo đã được bình duyệt — nguồn gốc đáng tin cậy hơn một trang tiếp thị, vẫn không phải là một bản tái lập độc lập, và chưa có bên thứ ba nào công bố một bản như vậy.

Thẻ mô hình thương mại bổ sung một chi tiết mà bài báo không thể: mô hình được huấn luyện trên FORM-HOI, được mô tả là 2.126 chuỗi nội bộ, và thẻ nêu rõ rằng không có tập kiểm thử riêng — đánh giá là một tập demo định tính. Nó cũng lưu ý rằng kho ngữ liệu huấn luyện nội bộ "Daniel" không được phân phối. Đọc cùng nhau, đó là một nhà cung cấp đang nói với bạn rằng phân phối huấn luyện là của họ và bằng chứng tổng quát hóa mỏng hơn so với bảng ablation gợi ý.

Giấy phép thực sự cấp những gì, và những gì nó không cấp

Thỏa thuận Mô hình Mở NVIDIA là một giấy phép thương mại mang tính rộng mở, nhưng “được phép sử dụng thương mại” không đồng nghĩa với “không có nghĩa vụ”. Thẻ mô hình liệt kê mô hình này là dành cho các nhà phát triển và nhà nghiên cứu đang xây dựng hệ thống thị giác thương mại hoặc phi thương mại cho ước lượng tư thế người-vật thể 3D/4D, phân tích chuyển động, trực quan hóa, quản lý dữ liệu và nhận thức robot, đồng thời loại trừ rõ ràng việc truyền động tự động trực tiếp hoặc các quyết định ảnh hưởng đến tính mạng.

Hai lưu ý thực tế cho bất kỳ ai đang đánh giá điều này. Thứ nhất, kho lưu trữ được kiểm soát truy cập: bạn chấp nhận các điều kiện và chia sẻ thông tin liên hệ trước khi các tệp xuất hiện, nên việc thu mua và xem xét pháp lý diễn ra trước khi tải xuống, chứ không phải sau đó. Thứ hai, mô hình được triển khai không khép kín. CoCoNet có 231 triệu tham số, nhưng nó không chạy một mình — pipeline rộng hơn vẫn tải về trọng số NLF torchscript, trọng số FoundationPose, tài nguyên SMPL-H, một `kid_template.npy`, và nó vẫn cần Hunyuan3D để tạo ra các mesh đối tượng ngay từ đầu. Giấy phép thương mại bao gồm phần mà NVIDIA đang phát hành. Nó không bao gồm các phụ thuộc bên thứ ba xung quanh nó, và mỗi phụ thuộc trong số đó đều có các điều khoản riêng. Đó là cách phổ biến nhất mà một bản phát hành như thế này gây bất ngờ cho đội ngũ pháp lý.

Điều này có ý nghĩa thế nào đối với những người xây dựng bằng mô hình

Nói thẳng về phạm vi: CARI4D là một mô hình tái tạo thị giác máy tính, không phải mô hình ngôn ngữ, và OrcaRouter không phục vụ nó. Không có gì trong bài viết này nên được hiểu là nói điều ngược lại — tự lưu trữ nó bằng PyTorch trên GPU lớp Ampere, đây là cấu hình mà thẻ cho biết nó đã được xác thực, là cách duy nhất để chạy nó hiện nay.

Lý do nó vẫn đáng một đoạn ở đây là thẻ nêu tên quản trị dữ liệu như một mục đích sử dụng chính dự kiến, và đó là phần của một pipeline 4D nơi các mô hình ngôn ngữ thực sự hiện diện. Xây dựng một bộ dữ liệu tương tác người – vật thể nghĩa là tạo chú thích cho clip, gán nhãn các sự kiện tiếp xúc, viết prompt QC và lọc các trường hợp lỗi — công việc chạy xuyên qua các mô hình thị giác - ngôn ngữ và mô hình ngôn ngữ, và công việc đó khó mở rộng nếu mỗi thứ là một hợp đồng riêng và một khóa riêng. Định tuyến hơn 200 mô hình đằng sau một API duy nhất tại OrcaRouter, với giá niêm yết của nhà cung cấp được chuyển nguyên ở mức markup 0% và tự động chuyển đổi dự phòng khi một nhà cung cấp suy giảm, chính là diện mạo của lớp đó khi nó không được may đo riêng. Các đợt giảm giá của nhà cung cấp đến được endpoint ngay trong cùng ngày, vì không có markup nào phải tính lại. Đó là một công việc khác với việc CARI4D làm, và nó là công việc bao quanh việc đó.

Điều gì sẽ thay đổi cách đọc này?

Bốn điều. Một thông báo từ NVIDIA sẽ biến một kho lưu trữ ít được chú ý thành một sản phẩm được hỗ trợ, và đi kèm với đó sẽ là các điều khoản về giá và hỗ trợ vốn hiện đang thiếu. Một đánh giá được công bố trên một bộ dữ liệu không do NVIDIA xây dựng sẽ khép lại câu hỏi về khả năng tổng quát hóa mà thẻ để ngỏ. Tài liệu về những gì MHR thay đổi so với SMPL sẽ cho các nhà tích hợp CARI4D hiện hữu biết việc di chuyển thực sự tốn kém đến mức nào — hiện tại thẻ chỉ nêu tên rig mà không giải thích mức khác biệt. Và một kết luận rõ ràng về các phụ thuộc bên thứ ba sẽ quyết định liệu "được cấp phép thương mại" có mang đúng nghĩa mà một đội thu mua sẽ mặc định hiểu hay không.

Cho đến lúc đó, cách mô tả đúng là hẹp và không hào nhoáng, và đó là cách mà bằng chứng ủng hộ: dòng CARI4D của NVIDIA đã có một checkpoint được cấp phép thương mại, lớn hơn, được huấn luyện lâu hơn, sẵn có từ ngày 30 tháng 8 năm 2026, và nhà cung cấp vẫn chưa nói một lời nào về nó. Nếu bạn cần tương tác người-vật thể 4D ở tỉ lệ mét và bạn đã gạt nó đi như thứ chỉ dành cho nghiên cứu, thì rào cản mà bạn đang tìm cách vượt qua đã không còn.