NVIDIA’s Alpamayo 2 Super Opent Robotaxi-ontwikkeling voor Commercieel Gebruik

NVIDIA (NVDA ) heeft Alpamayo 2 Super uitgebracht, een 34-miljard-parameter-redeneringsmodel voor autonoom rijden, voor commercieel gebruik, zo maakte het bedrijf bekend op 4 augustus 2026. De modellen zijn gepubliceerd op Hugging Face onder OpenMDW-1.1, de permissieve licentie van de Linux Foundation voor AI-modeldistributie, die fine-tuning, afgeleide modellen en commerciële redistributie omvat.

De release verwijdert een licentiebarrière die de Alpamayo-familie in onderzoek had gehouden. Eerdere versies werden geïntroduceerd voor R&D-gebruik; NVIDIA zegt dat de OpenMDW-licentie nu van toepassing is op de hele Alpamayo-lijn, zodat ontwikkelaars, autofabrikanten, truckfabrikanten en leveranciers elk van de modellen commercieel kunnen inzetten zonder aanvullende toestemming te hoeven vragen. Het bedrijf beschrijft Alpamayo als de meest geadopteerde open redeneringsmodel familie voor autonoom rijden op Hugging Face, met downloads die de 500.000 zijn gepasseerd.

Alpamayo 2 Super is gebouwd op NVIDIA’s Cosmos 3 Super Reasoner en nageschoold met versterking van het leren. Het is gericht op wat de industrie lange-tailevenementen noemt: de zeldzame, multi-agentverkeerssituaties die moeilijk te anticiperen en te trainen zijn, waar conventionele systemen die zijn gebouwd op objectdetectie en bewegingsvoorspelling, moeite mee hebben.

Een lerarenmodel, niet de in-car stack

De architectuur, die in detail is beschreven in de modelkaart, combineert een 32-miljard-parameter visie-taal-backbone met een 2,3-miljard-parameter diffusie-gebaseerde actiedecoder. Het model verwerkt multi-camera-video, tekst en de bewegingsgeschiedenis van het voertuig en produceert vijf gekoppelde uitvoer voor elke rij situatie: een geplande traject, een keten van oorzakelijkheid die de redenering achter de beslissing verklaart, een hoog niveau meta-actie zoals opgeven of baanverandering, automatisch gegenereerde redeneringslabels voor trainingsgegevens en visuele vraagantwoorden die zijn gekoppeld aan specifieke regio’s in de camera-afbeeldingen.

Dit is een ontwikkelingsgereedschap en niet de software die een productierobotaxi zou besturen. NVIDIA positioneert Alpamayo 2 Super als een lerarenmodel voor cloud-gebaseerde workflows: het genereert redeneringssporen, synthetische trainingsgegevens en lerarenuitvoer die worden gedistilleerd in kleinere modellen, die vervolgens worden geoptimaliseerd voor real-time-inferentie in voertuigen. Het hardwareprofiel in de modelkaart weerspiegelt die verdeling. NVIDIA heeft het model geverifieerd op een enkele H100-datacenter-GPU met 80 gigabyte aan geheugen, waar een zeven-cameraconfiguratie piekte op ongeveer 72 gigabyte apparaatgeheugen, en stelt dat andere GPU-architecturen nog niet zijn geverifieerd. In de familie-lijn zijn de 10-miljard-parameter Alpamayo 1.5 en Alpamayo 1 nog steeds de lagerekostopties voor cloudontwikkeling en destillatie.

De uitlegbaarheidsuitvoer draagt het gewicht van de veiligheidsengineering. NVIDIA zegt dat de keten van oorzakelijkheidssporen wordt geïntegreerd met zijn Halos-veiligheidsvalidatie-workflows en ondersteunt de uitlijning met ISO/PAS 8800, de gepubliceerde veiligheidsstandaard voor AI in wegvoertuigen, waardoor ontwikkelaars een record hebben dat koppelt wat het model heeft waargenomen aan de actie die het heeft geselecteerd. Als een autolabeler op eigen fleetgegevens, zegt het bedrijf, kan het model annotatiecycli van maanden tot dagen inkorten.

Benchmarks en trainingsgegevens

In de eigen tests van NVIDIA behaalde Alpamayo 2 Super een score van 79,2 op de Lingo-Judge-metric van LingoQA, een visuele vraagantwoordbenchmark voor autonoom rijden oorspronkelijk ontwikkeld door Wayve. Het bedrijf zegt dat dit resultaat als eerste staat onder de bijna 40 modellen die het heeft geëvalueerd en Qwen2.5-VL 72B met 17,0 punten, Gemini 2.5 Pro met 15,1 punten en GPT-4o met 23,2 punten overtrof. Dit zijn de eigen cijfers van NVIDIA voor zijn eigen model, zoals gerapporteerd in zijn materiaal.

De modelkaart rapporteert ook een gesloten-lusbeoordeling in NVIDIA’s AlpaSim-simulator over 910 scenario’s uit zijn PhysicalAI-AV-NuRec-dataset, en een open-lus-trajectfout van 0,911 meter bij een horizon van 6,4 seconden op 937 uitdagende monsters. De trainingsgegevens achter het model bestaan uit ongeveer 115.000 uur aan multi-camera-rijvideo met egomotie- en trajectannotaties, plus ongeveer 3,7 miljoen keten van oorzakelijkheid-redeneringstraces, verzameld uit camera’s, inertiasensoren en GPS met een mengsel van geautomatiseerde en handmatige labeling.

Van CES-debuut tot commerciële licentie

De familie is snel verhuisd naar de licentiefase. NVIDIA presenteerde Alpamayo 1 op CES als wat het de eerste keten van gedachten-redeneringsvisie-taal-actiemodel voor AV-onderzoek noemde, een 10-miljard-parameterrelease gericht op de onderzoekscommunity. Het bedrijf introduceerde vervolgens Alpamayo 2 Super op GTC Taipei op 31 mei 2026, met een commerciële beschikbaarheid die voor de zomer was beloofd; de familie was op dat moment ongeveer 400.000 keer gedownload, een cijfer dat sindsdien de 500.000 heeft gepasseerd. Unite.AI onderzocht de redeneringsmodelaanpak voor het edge-caseprobleem toen de familie voor het eerst verscheen.

De licentie die deze week tot de release heeft geleid, is zelf enkele weken oud. De Linux Foundation bracht OpenMDW-1.1 uit op 28 mei 2026, met NVIDIA die het adopteert voor zijn Cosmos-, Isaac GR00T-, Ising- en Nemotron-AI-modellen; Alpamayo voegt zich nu bij die lijst. Rondom de modellen heeft NVIDIA een open ecosysteem voor AV-ontwikkeling opgebouwd: AlpaSim voor gesloten-lus-simulatie, AlpaGym voor versterking van het leren, Physical AI Open Datasets en een open-source auto-labeling-pipeline.

Voor robotaxi- en AV-programma’s is de praktische verandering een directe weg van adaptatie tot inzet op open gewichten: een ontwikkelteam kan Alpamayo fine-tunen op zijn eigen fleetgegevens, die gegevens en de resulterende modellen in huis houden, het resultaat destilleren in iets dat past in de in-voertuigberekening, en het commercieel inzetten, alles onder één licentie, zonder de basisfunctionaliteiten opnieuw op te bouwen.