NVIDIA представила Alpamayo 2 Super: открытое решение для разработки роботакси

NVIDIA (NVDA ) выпустила Alpamayo 2 Super, модель рассуждения с 34 миллиардами параметров для автономного вождения, для коммерческого использования, объявила компания 4 августа 2026 года. Весы модели опубликованы на Hugging Face под лицензией OpenMDW-1.1, пермиссивной лицензией Linux Foundation для распространения моделей ИИ, которая покрывает дообучение, производные модели и коммерческое распространение.

Выпуск снимает лицензионный барьер, который ранее ограничивал использование Alpamayo в исследованиях. Ранее версии были представлены для использования в исследованиях и разработке; NVIDIA заявляет, что лицензия OpenMDW теперь применяется ко всей линейке Alpamayo, поэтому разработчики, автопроизводители, производители грузовиков и поставщики могут развертывать любую из моделей коммерчески без дополнительного разрешения. Компания описывает Alpamayo как наиболее широко используемую открытую модель рассуждения для автономного вождения на Hugging Face, с количеством загрузок более 500 000.

Alpamayo 2 Super построена на основе Cosmos 3 Super Reasoner и дообучена с помощью обучения с подкреплением. Она ориентирована на так называемые длиннохвостые события: редкие, многоагентные ситуации в дорожном движении, которые трудно предвидеть и подготовиться, где традиционные системы, построенные на основе обнаружения объектов и прогнозирования движения, часто испытывают трудности.

Модель учителя, а не стека в автомобиле

Архитектура, описанная в карте модели, объединяет 32-миллиардный параметровый визуально-языковой бэкбон с 2,3-миллиардным параметровым диффузионным декодером действий. Модель принимает видео с нескольких камер, текст и историю движения автомобиля и производит пять связанных выходов для каждой ситуации вождения: запланированную траекторию, цепочку причинно-следственных связей, объясняющую рассуждения за принятием решения, высокоуровневое мета-действие, такое как уступление или смена полосы, автоматически сгенерированные метки рассуждений для обучающих данных и визуальные ответы на вопросы, привязанные к конкретным регионам в изображениях с камер.

Это инструмент разработки, а не программное обеспечение, которое будет управлять производственным роботакси. NVIDIA позиционирует Alpamayo 2 Super как модель учителя для облачных рабочих процессов: она генерирует следы рассуждений, синтетические обучающие данные и выходы учителя, которые затем дистиллируются в более мелкие модели, которые оптимизируются для реального времени в автомобилях. Профиль оборудования в карте модели отражает это разделение. NVIDIA проверила модель на одном дата-центровом GPU H100 с 80 гигабайтами памяти, где конфигурация из семи камер достигла примерно 72 гигабайт устройственной памяти, и заявляет, что другие архитектуры GPU пока не проверены. В линейке моделей Alpamayo 1.5 и Alpamayo 1 остаются более дешевыми вариантами для облачной разработки и дистилляции.

Выходы, объясняющие рассуждения, несут вес безопасности. NVIDIA заявляет, что цепочки причинно-следственных связей интегрируются с рабочими процессами безопасности и поддерживают соответствие с ISO/PAS 8800, опубликованным стандартом безопасности для ИИ в дорожных транспортных средствах, давая разработчикам запись, связывающую то, что модель наблюдала, с действием, которое она выбрала. Как автоаннотатор на проприетарных данных флота, компания заявляет, что модель может сжать циклы аннотации с месяцев до дней.

Бенчмарки и обучающие данные

В собственных тестах NVIDIA Alpamayo 2 Super набрала 79,2 балла по метрике Lingo-Judge в LingoQA, бенчмарке визуального ответа на вопросы для автономного вождения первоначально разработанном Wayve. Компания заявляет, что этот результат занимает первое место среди почти 40 моделей, которые она оценила, и превосходит Qwen2.5-VL 72B на 17,0 баллов, Gemini 2.5 Pro на 15,1 баллов и GPT-4o на 23,2 баллов. Это собственные данные NVIDIA для своей модели, сообщенные в ее материалах.

Карта модели также сообщает о закрытой петле оценки в симуляторе AlpaSim от NVIDIA по 910 сценариям из набора данных PhysicalAI-AV-NuRec и ошибка траектории в открытом контуре 0,911 метра на горизонте 6,4 секунды на 937 сложных образцах. Обучающие данные, лежащие в основе модели, включают примерно 115 000 часов видео вождения с несколькими камерами с аннотациями эго-движения и траектории, плюс около 3,7 миллионов следов рассуждений, собранных из камер, инерциальных датчиков и GPS с помощью автоматического и ручного маркирования.

От дебюта на CES до коммерческой лицензии

Линейка моделей продвинулась быстро по стадиям лицензирования. NVIDIA представила Alpamayo 1 на CES как первую в отрасли модель рассуждения на основе цепочки мыслей для исследований автономного вождения, 10-миллиардную параметровую версию, ориентированную на исследовательское сообщество. Затем компания представила Alpamayo 2 Super на GTC Taipei 31 мая 2026 года, с обещанием коммерческой доступности летом; линейка была загружена почти 400 000 раз на тот момент, количество, которое с тех пор превысило 500 000. Unite.AI изучила подход, основанный на модели рассуждений, к проблеме краевых случаев, когда семейство первой появилось.

Лицензия, позволяющая выпустить модель на этой неделе, сама по себе уже несколько недель. Linux Foundation выпустила OpenMDW-1.1 28 мая 2026 года, с NVIDIA, принявшей ее для своих моделей Cosmos, Isaac GR00T, Ising и Nemotron; Alpamayo теперь присоединяется к этому списку. Вокруг моделей NVIDIA собрала открытую экосистему для разработки автономного вождения: AlpaSim для закрытой петли симуляции, AlpaGym для обучения с подкреплением, Physical AI Open Datasets и открытый pipeline автоаннотации.

Для программ роботакси и автономного вождения практическая разница заключается в прямом пути от адаптации к развертыванию на открытых весах: команда разработки может дообучить Alpamayo на своих собственных данных флота, сохранить эти данные и полученные модели внутри компании, дистиллировать результат в что-то, что поместится в вычислительные ресурсы автомобиля, и выпустить коммерчески, все под одной лицензией, без перестройки базовых возможностей с нуля.