Nvidia ने मंगलवार को Alpamayo 2 Super को व्यावसायिक उपयोग के लिए जारी किया, जिससे ऑटोमेकर और स्वयंचालित वाहन विकासकर्ताओं को रोबोटैक्सी और स्वयंचालित प्रणालियों के लिए इसका सबसे बड़ा खुला तर्क मॉडल प्राप्त हुआ।
मॉडल Hugging Face के माध्यम से Linux Foundation के OpenMDW 1.1 लाइसेंस के तहत उपलब्ध है, जो फाइन-ट्यूनिंग, डेरिवेटिव मॉडल और वाणिज्यिक पुनर्वितरण की अनुमति देता है। Nvidia ने कहा कि यह लाइसेंस Alpamayo परिवार के पिछले मॉडल्स पर भी लागू किया जा रहा है, जिन्हें प्रारंभ में अनुसंधान और विकास के लिए जारी किया गया था।
अल्पमायो 2 सुपर एक 34 बिलियन पैरामीटर विजन भाषा क्रिया मॉडल है, जिसमें एक 32 बिलियन पैरामीटर कॉस्मोस 3 सुपर रीजनर बैकबोन और लगभग 2.3 बिलियन पैरामीटर डिफ्यूजन आधारित क्रिया घटक शामिल हैं।
मॉडल को प्रवर्धन शिक्षण का उपयोग करके पोस्ट ट्रेन किया गया था और यह Nvidia के 10 अरब पैरामीटर वाले Alpamayo 1 और Alpamayo 1.5 मॉडल्स का लगभग तीन गुना आकार का है।
मॉडल एक वाहन के चारों ओर स्थित कैमरों से वीडियो, नेविगेशन निर्देशों और अपने हालिया गति इतिहास को प्रोसेस करता है। नविडिया ने कहा कि पूर्ण सराउंड सेटअप सिस्टम को लेन चेंज, मर्ज, क्रॉसिंग और अनप्रोटेक्टेड टर्न जैसी स्थितियों का आकलन करते समय सामने, पार्श्व और पीछे के दृश्य तक पहुंच प्रदान करता है।
प्रत्येक ड्राइविंग परिदृश्य के लिए, अल्पमायो 2 सुपर एक योजनाबद्ध ट्रैजेक्टरी और अपने निर्णय के पीछे के कारकों की कारण-परिणाम श्रृंखला उत्पन्न कर सकता है। यह उच्च स्तरीय क्रियाएँ जैसे रास्ता देना, लेन बदलना या रुकना भी उत्पन्न कर सकता है।
अतिरिक्त कार्यों में दृश्य प्रश्न उत्तर देना, कैमरा छवियों के भीतर क्षेत्रों के साथ उत्तरों को जोड़ना और प्रशिक्षण और मान्यता डेटा के लिए स्वचालित रूप से तर्क लेबल उत्पन्न करना शामिल है। नविडिया ने कहा कि मॉडल को स्वामित्व वाली बेड़े की फुटेज पर लागू किया जा सकता है ताकि कच्ची ड्राइविंग क्लिप्स को लेबल किए गए प्रशिक्षण सामग्री में रूपांतरित किया जा सके।
हगिंग फेस मॉडल कार्ड के अनुसार, अल्पामायो 2 सुपर को लगभग 115,000 घंटे के बहु-कैमरा ड्राइविंग वीडियो और लगभग 3.7 मिलियन कारण-परिणाम तर्क ट्रेस का उपयोग करके प्रशिक्षित किया गया था। इसके आउटपुट में टेक्स्ट और 6.4 सेकंड तक के योजनाबद्ध वाहन ट्रैजेक्टरी शामिल हैं।
Nvidia ने कहा कि Alpamayo 2 Super, LingoQA पर लगभग 40 मॉडलों में से पहले स्थान पर रहा, जो स्वायत्त ड्राइविंग परिदृश्यों के बारे में तर्क करने पर केंद्रित एक बेंचमार्क है।
लिंगो जज मेट्रिक का उपयोग करते हुए, नविडिया ने रिपोर्ट किया कि मॉडल ने Qwen2.5 VL 72B से 17 अंक अधिक, Gemini 2.5 Pro से 15.1 अंक अधिक और GPT 4o से 23.2 अंक अधिक स्कोर किया। परिणाम नविडिया के स्वयं के परीक्षण से रिपोर्ट किए गए।
मॉडल कार्ड में एक लिंगो जज स्कोर 79.2 दर्ज है, जिसके साथ-साथ Nvidia के क्लोज्ड लूप AlpaSim मूल्यांकन और चुनौतीपूर्ण ड्राइविंग नमूनों के आधार पर ओपन लूप ट्रैजेक्टरी मूल्यांकन के परिणाम भी शामिल हैं।
Nvidia ने कहा कि डेवलपर्स Alpamayo 2 Super का उपयोग एक क्लाउड-आधारित शिक्षक मॉडल के रूप में कर सकते हैं ताकि छोटे मॉडल्स के लिए डेटा और तर्क आउटपुट उत्पन्न किया जा सके। फिर इन मॉडल्स को उत्पादन वाहनों के भीतर रियल-टाइम प्रोसेसिंग के लिए अनुकूलित किया जा सकता है।
अल्पामायो प्लेटफॉर्म में बंद लूप सिमुलेशन के लिए अल्पासिम, प्रवर्धन शिक्षा के लिए अल्पागिम, भौतिक AI ड्राइविंग डेटासेट और खुले प्रशिक्षण उपकरण शामिल हैं। नविडिया ने कहा कि अल्पामायो मॉडल्स ने हगिंग फेस पर मिलाकर 500,000 से अधिक डाउनलोड पार कर लिए हैं।