NVIDIA släpper Alpamayo 2 Super för kommersiellt bruk

NVIDIA (NVDA ) har släppt Alpamayo 2 Super, en 34-miljardersparametrars resonemangsmodell för autonom körning, för kommersiellt bruk, som företaget meddelade den 4 augusti 2026. Modellens vikter är publicerade på Hugging Face under OpenMDW-1.1, Linux Foundations permissiva licens för AI-modellfördelning, som omfattar finjustering, derivatmodeller och kommersiell återförsäljning.

Släppandet avskaffar en licensbarriär som tidigare hindrat Alpamayo-familjen från att användas i kommersiella sammanhang. Tidigare versioner introducerades för FoU-användning; NVIDIA påstår att OpenMDW-licensen nu gäller för hela Alpamayo-sortimentet, så att utvecklare, biltillverkare, lastbilstillverkare och leverantörer kan distribuera valfri modell kommersiellt utan att behöva söka ytterligare tillstånd. Företaget beskriver Alpamayo som den mest antagna öppna resonemangsmodellfamiljen för autonom körning på Hugging Face, med nedladdningar som överstiger 500 000.

Alpamayo 2 Super bygger på NVIDIA:s Cosmos 3 Super Reasoner och post-tränas med förstärkt inlärning. Den riktar sig mot det som branschen kallar långsvanshändelser: de sällsynta, multi-agents trafiksituationer som är svåra att förutse och träna för, där konventionella system som bygger på objektupptäckt och rörelseförutsägelse tenderar att kämpa.

En lärarmodell, inte bilens stack

Arkitekturen, som beskrivs i modellkortet, parar en 32-miljardersparametrars vision-språk-ryggrad med en 2,3-miljardersparametrars diffusionsbaserad åtgärdsavkodare. Modellen tar emot multi-kameravideo, text och fordonets rörelsehistorik, och producerar fem kopplade utgångar för varje körningsläge: en planerad bana, en kedja av orsakssamband som förklarar resonemanget bakom beslutet, en högnivåmetaåtgärd som till exempel ge vika eller körfältsbyte, auto-genererade resonemangsetiketter för träningsdata och visuella frågesvar som är förankrade till specifika områden i kamerabilderna.

Detta är ett utvecklingsverktyg snarare än programvaran som skulle styra en produktionsrobotbil. NVIDIA positionerar Alpamayo 2 Super som en lärarmodell för molnbaserade arbetsflöden: den genererar resonemangsspår, syntetisk träningsdata och lärarutgångar som destilleras till mindre modeller, som sedan optimeras för realtidsinferens i fordon. Hårdvaruprofilen i modellkortet speglar den uppdelningen. NVIDIA validerade modellen på en enda H100 datacenter-GPU med 80 gigabyte minne, där en sju-kamerakonfiguration toppade vid cirka 72 gigabyte enhetsminne, och påstår att andra GPU-arkitekturer ännu inte har validerats. I familjen är den 10-miljardersparametrars Alpamayo 1.5 och Alpamayo 1 fortfarande de lägre kostnadsoptionerna för molnutveckling och destillering.

De förklarande utgångarna bär säkerhetsingenjörernas vikt. NVIDIA påstår att kedjorna av orsakssamband integrerar med dess Halos säkerhetsvalideringsarbetsflöden och stöder anpassning till ISO/PAS 8800, den publicerade säkerhetsstandarden för AI i vägfordon, vilket ger utvecklare en post som kopplar samman vad modellen observerade med den åtgärd den valde. Som en autoetiketterare på egen flottdata, påstår företaget, kan modellen komprimera etiketteringscykler från månader till dagar.

Benchmark och träningsdata

I NVIDIA:s egna tester nådde Alpamayo 2 Super 79,2 på Lingo-Judge-mätningen av LingoQA, en visuell frågesvarsbenchmark för autonom körning ursprungligen utvecklad av Wayve. Företaget påstår att resultatet rankar först bland nästan 40 modeller som utvärderades, och överträffade Qwen2.5-VL 72B med 17,0 poäng, Gemini 2.5 Pro med 15,1 poäng och GPT-4o med 23,2 poäng. Dessa är NVIDIA:s egna siffror för sin egen modell, rapporterade i sina material.

Modellkortet rapporterar också slutna slingor i NVIDIA:s AlpaSim-simulator över 910 scenarier från dess PhysicalAI-AV-NuRec-dataset, och en öppen slinga för banafelet på 0,911 meter vid en 6,4-sekunders horisont på 937 utmanande prover. Träningsdata bakom modellen består av cirka 115 000 timmar multi-kamerabild med egomotion och banaetiketter, plus cirka 3,7 miljoner kedjor av orsakssamband, insamlade från kameror, inertialsensorer och GPS med en blandning av automatiserad och manuell etikettering.

Från CES-debut till kommersiell licensiering

Familjen har flyttat snabbt genom licensieringsstadier. NVIDIA avtäckte Alpamayo 1 på CES som vad de kallade branschens första kedja-av-tankar-resonemangs-vision-språk-åtgärd-modell för AV-forskning, en 10-miljardersparametrars release riktad mot forskarsamhället. Företaget introducerade sedan Alpamayo 2 Super på GTC Taipei den 31 maj 2026, med kommersiell tillgänglighet lovat för sommaren; familjen hade laddats ner nästan 400 000 gånger vid den tidpunkten, en siffra som sedan överstigit 500 000. Unite.AI undersökte resonemangsmodelltillvägagångssättet för kantfallet när familjen först dök upp.

Licensen som möjliggör veckans release är själv flera veckor gammal. Linux Foundation släppte OpenMDW-1.1 den 28 maj 2026, med NVIDIA som antog det över hela sina Cosmos, Isaac GR00T, Ising och Nemotron-modellfamiljer; Alpamayo går nu med på den listan. Runt modellerna har NVIDIA samlat en öppen ekosystem för AV-utveckling: AlpaSim för slutna slingor, AlpaGym för förstärkt inlärning, Physical AI Open Datasets och en öppen källkodsautoetiketteringspipeline.

För robotaxi- och AV-program är den praktiska förändringen en direkt väg från anpassning till distribution på öppna vikter: ett utvecklingsteam kan finjustera Alpamayo på sin egen flottdata, behålla den data och de resulterande modellerna internt, destillera resultatet till något som passar i fordonets beräkningsförmåga och leverera det kommersiellt, allt under en licens, utan att bygga om grundfunktioner från scratch.