El Alpamayo 2 Super de NVIDIA abre el desarrollo de robotaxis al uso comercial

NVIDIA (NVDA ) ha lanzado Alpamayo 2 Super, un modelo de razonamiento de 34 mil millones de parámetros para conducción autónoma, para uso comercial, la empresa anunció el 4 de agosto de 2026. Los pesos del modelo se publican en Hugging Face bajo OpenMDW-1.1, la licencia permisiva de la Linux Foundation para distribuciones de modelos de inteligencia artificial, que cubre el ajuste fino, los modelos derivados y la redistribución comercial.

El lanzamiento elimina una barrera de licencia que había mantenido a la familia Alpamayo en investigación. Las versiones anteriores se introdujeron para uso de investigación y desarrollo; NVIDIA dice que la licencia OpenMDW ahora se aplica a toda la línea Alpamayo, por lo que los desarrolladores, los fabricantes de automóviles, los fabricantes de camiones y los proveedores pueden implementar cualquiera de los modelos comercialmente sin necesidad de permiso adicional. La empresa describe Alpamayo como la familia de modelos de razonamiento abiertos más adoptada para conducción autónoma en Hugging Face, con descargas que superan las 500.000.

Alpamayo 2 Super se basa en el Cosmos 3 Super Reasoner de NVIDIA y se ha capacitado con aprendizaje por refuerzo. Está dirigido a lo que la industria llama eventos de cola larga: las situaciones de tráfico raras y multiagentes que son difíciles de anticipar y entrenar, donde los sistemas convencionales basados en la detección de objetos y la predicción de movimiento tienden a tener dificultades.

Un modelo de enseñanza, no la pila del vehículo

La arquitectura, detallada en la tarjeta del modelo, combina una columna vertebral de visión-lenguaje de 32 mil millones de parámetros con un decodificador de acción basado en difusión de 2,3 mil millones de parámetros. El modelo ingiere video de multicámara, texto y la historia de movimiento del vehículo, y produce cinco salidas acopladas para cada situación de conducción: una trayectoria planificada, una traza de cadena de causalidad que explica el razonamiento detrás de la decisión, una meta-acción de alto nivel como ceder o cambiar de carril, etiquetas de razonamiento generadas automáticamente para datos de entrenamiento y respuestas a preguntas visuales ancladas a regiones específicas en las imágenes de la cámara.

Este es una herramienta de desarrollo en lugar del software que conduciría un robotaxi de producción. NVIDIA posiciona Alpamayo 2 Super como un modelo de enseñanza para flujos de trabajo basados en la nube: genera trazas de razonamiento, datos de entrenamiento sintéticos y salidas de enseñanza que se destilan en modelos más pequeños, que luego se optimizan para inferencia en tiempo real en los vehículos. El perfil de hardware en la tarjeta del modelo refleja esa división. NVIDIA validó el modelo en una sola GPU de centro de datos H100 con 80 gigabytes de memoria, donde una configuración de siete cámaras alcanzó un pico de aproximadamente 72 gigabytes de memoria del dispositivo, y afirma que otras arquitecturas de GPU no han sido validadas aún. En la línea de la familia, los modelos Alpamayo 1.5 y Alpamayo 1 de 10 mil millones de parámetros siguen siendo las opciones de menor costo para el desarrollo y la destilación en la nube.

Las salidas de explicabilidad llevan el peso de la ingeniería de seguridad. NVIDIA dice que las trazas de cadena de causalidad se integran con sus flujos de trabajo de validación de seguridad Halos y respaldan el cumplimiento con la norma de seguridad publicada ISO/PAS 8800 para la inteligencia artificial en vehículos de carretera, lo que da a los desarrolladores un registro que vincula lo que el modelo observó con la acción que seleccionó. Como una herramienta de etiquetado automático en datos de flota propietarios, la empresa dice que el modelo puede comprimir los ciclos de anotación de meses a días.

Benchmark y datos de entrenamiento

En las propias pruebas de NVIDIA, Alpamayo 2 Super obtuvo una puntuación de 79,2 en la métrica Lingo-Judge de LingoQA, un benchmark de preguntas visuales para conducción autónoma originalmente desarrollado por Wayve. La empresa dice que este resultado ocupa el primer lugar entre casi 40 modelos que evaluó, y superó a Qwen2.5-VL 72B en 17,0 puntos, a Gemini 2.5 Pro en 15,1 puntos y a GPT-4o en 23,2 puntos. Estos son los propios números de NVIDIA para su propio modelo, informados en sus materiales.

La tarjeta del modelo también informa la evaluación de bucle cerrado en el simulador AlpaSim de NVIDIA en 910 escenarios de su conjunto de datos PhysicalAI-AV-NuRec, y un error de trayectoria de bucle abierto de 0,911 metros en un horizonte de 6,4 segundos en 937 muestras desafiantes. Los datos de entrenamiento detrás del modelo comprenden aproximadamente 115.000 horas de video de conducción multicámara con anotaciones de egomoción y trayectoria, más alrededor de 3,7 millones de trazas de razonamiento de cadena de causalidad, recopilados de cámaras, sensores inerciales y GPS con una mezcla de etiquetado automático y manual.

Desde su debut en CES hasta la licencia comercial

La familia ha avanzado rápidamente en las etapas de licencia. NVIDIA presentó Alpamayo 1 en CES como lo que llamó el primer modelo de razonamiento de visión-lenguaje-acción de la industria para la investigación de vehículos autónomos, una versión de 10 mil millones de parámetros dirigida a la comunidad de investigación. La empresa luego presentó Alpamayo 2 Super en GTC Taipei el 31 de mayo de 2026, con disponibilidad comercial prometida para el verano; la familia había sido descargada casi 400.000 veces en ese momento, una cifra que desde entonces ha superado las 500.000. Unite.AI examinó el enfoque de modelo de razonamiento para el problema de caso de borde cuando la familia apareció por primera vez.

La licencia que permite este lanzamiento de esta semana es en sí misma de hace varias semanas. La Linux Foundation lanzó OpenMDW-1.1 el 28 de mayo de 2026, con NVIDIA adoptándolo en sus familias de modelos Cosmos, Isaac GR00T, Ising y Nemotron; Alpamayo ahora se une a esa lista. Alrededor de los modelos, NVIDIA ha reunido un ecosistema abierto para el desarrollo de vehículos autónomos: AlpaSim para simulación de bucle cerrado, AlpaGym para aprendizaje por refuerzo, conjuntos de datos abiertos de inteligencia artificial física y una tubería de etiquetado automático de código abierto.

Para los programas de robotaxi y vehículos autónomos, el cambio práctico es una ruta directa desde la adaptación hasta la implementación en pesos abiertos: un equipo de desarrollo puede ajustar Alpamayo en sus propios datos de flota, mantener esos datos y los modelos resultantes en casa, destilar el resultado en algo que quepa en la computación del vehículo y enviarlo comercialmente, todo bajo una licencia, sin reconstruir las capacidades de base desde cero.