A Nvidia lançou o Alpamayo 2 Super para uso comercial na terça-feira, disponibilizando aos fabricantes de automóveis e desenvolvedores de veículos autônomos o maior modelo de raciocínio aberto para robotáxis e sistemas de direção autônoma.
O modelo está disponível por meio do Hugging Face sob a licença OpenMDW 1.1 da Linux Foundation, que permite fine tuning, modelos derivados e redistribuição comercial. A Nvidia informou que também está aplicando a licença aos modelos anteriores da família Alpamayo, que foram inicialmente lançados para pesquisa e desenvolvimento.
Alpamayo 2 Super é um modelo de visão, linguagem e ação com 34 bilhões de parâmetros, composto por uma base Cosmos 3 Super Reasoner com 32 bilhões de parâmetros e um componente de ação baseado em difusão de aproximadamente 2,3 bilhões de parâmetros.
O modelo foi pós-treinado usando aprendizado por reforço e possui aproximadamente três vezes o tamanho dos modelos Alpamayo 1 e Alpamayo 1.5 da Nvidia, com 10 bilhões de parâmetros.
O modelo processa vídeo de câmeras posicionadas ao redor de um veículo, juntamente com instruções de navegação e seu histórico recente de movimento. A Nvidia disse que o sistema completo de visão circundante fornece ao sistema acesso às visões frontal, lateral e traseira ao avaliar situações como mudanças de faixa, integrações, interseções e curvas sem proteção.
Para cada cenário de condução, o Alpamayo 2 Super pode gerar uma trajetória planejada e uma cadeia de rastreamento de causalidade explicando os fatores por trás de sua decisão. Ele também pode produzir ações de nível superior, como ceder a passagem, mudar de faixa ou parar.
Funções adicionais incluem resposta a perguntas visuais, vinculação de respostas a regiões dentro de imagens de câmeras e geração automática de rótulos de raciocínio para dados de treinamento e validação. A Nvidia disse que o modelo pode ser aplicado a vídeos de frota proprietários para converter clipes de direção brutos em material de treinamento rotulado.
O cartão do modelo Hugging Face afirma que o Alpamayo 2 Super foi treinado usando aproximadamente 115.000 horas de vídeo de direção com múltiplas câmeras e cerca de 3,7 milhões de rastros de raciocínio de cadeia de causalidade. Suas saídas incluem texto e trajetórias veiculares planejadas cobrindo até 6,4 segundos.
A Nvidia disse que o Alpamayo 2 Super ficou em primeiro lugar entre quase 40 modelos testados no LingoQA, um benchmark focado em raciocínio sobre cenários de condução autônoma.
Usando a métrica Lingo Judge, a Nvidia relatou que o modelo obteve 17 pontos a mais que o Qwen2.5 VL 72B, 15,1 pontos a mais que o Gemini 2.5 Pro e 23,2 pontos a mais que o GPT-4o. Os resultados foram divulgados com base nos testes realizados pela própria Nvidia.
O cartão do modelo relata uma pontuação Lingo Judge de 79,2, juntamente com resultados da avaliação fechada AlpaSim da Nvidia e uma avaliação de trajetória em loop aberto baseada em amostras de direção desafiadoras.
A Nvidia disse que os desenvolvedores podem usar o Alpamayo 2 Super como um modelo professor baseado em nuvem para gerar dados e saídas de raciocínio para modelos menores. Esses modelos podem ser otimizados posteriormente para processamento em tempo real dentro de veículos em produção.
A plataforma Alpamayo também inclui AlpaSim para simulação em loop fechado, AlpaGym para aprendizado por reforço, conjuntos de dados de condução com IA física e ferramentas de treinamento abertas. A Nvidia afirmou que os modelos Alpamayo superaram coletivamente 500.000 downloads no Hugging Face.