Nvidia выпустила Alpamayo 2 Super для коммерческого использования во вторник, предоставив автопроизводителям и разработчикам автономных транспортных средств доступ к своей самой большой открытой модели рассуждений для роботакси и систем автопилота.
Модель доступна через Hugging Face по лицензии OpenMDW 1.1 Фонда Linux, которая позволяет дообучение, создание производных моделей и коммерческое распространение. Nvidia сообщила, что также применяет эту лицензию к более ранним моделям семейства Alpamayo, которые изначально были выпущены для исследований и разработок.
Alpamayo 2 Super — это модель зрения, языка и действий с 34 миллиардами параметров, состоящая из ядра Cosmos 3 Super Reasoner с 32 миллиардами параметров и компонента действия на основе диффузии с примерно 2,3 миллиардами параметров.
Модель была дообучена с использованием обучения с подкреплением и примерно в три раза больше по размеру, чем модели Nvidia Alpamayo 1 и Alpamayo 1.5 с 10 миллиардами параметров.
Модель обрабатывает видео с камер, установленных вокруг транспортного средства, а также инструкции навигации и историю недавних перемещений. Nvidia заявила, что полная окружающая система обеспечивает доступ к передним, боковым и задним видам при оценке таких ситуаций, как смена полосы, слияние, перекрестки и повороты без приоритета.
Для каждого сценария вождения Alpamayo 2 Super может сгенерировать запланированную траекторию и цепочку причинно-следственных связей, объясняющую факторы, повлиявшие на его решение. Он также может выполнять действия более высокого уровня, такие как уступление, смена полосы или остановка.
Дополнительные функции включают визуальный ответ на вопросы, связывание ответов с регионами внутри изображений камеры и автоматическую генерацию меток рассуждений для обучающих и проверочных данных. Nvidia заявила, что модель можно применять к собственным видеозаписям автопарка для конвертации сырых видеоклипов в размеченный обучающий материал.
Карточка модели Hugging Face говорит, что Alpamayo 2 Super был обучен с использованием примерно 115 000 часов видео с многокамерной съемки вождения и около 3,7 миллиона цепочек причинно-следственных рассуждений. Его выходные данные включают текст и запланированные траектории движения транспортных средств, охватывающие до 6,4 секунд.
Nvidia заявила, что Alpamayo 2 Super занял первое место среди почти 40 моделей, протестированных на LingoQA — эталоне, ориентированном на анализ сценариев автономного вождения.
Согласно метрике Lingo Judge, Nvidia сообщила, что модель показала результат на 17 баллов выше, чем Qwen2.5 VL 72B, на 15,1 балла выше, чем Gemini 2.5 Pro, и на 23,2 балла выше, чем GPT-4o. Результаты были получены в ходе собственных тестов Nvidia.
Карточка модели сообщает о результате Lingo Judge 79,2, а также результатах закрытого цикла оценки AlpaSim от Nvidia и оценке траектории в открытом цикле на основе сложных дорожных сценариев.
Nvidia заявила, что разработчики могут использовать Alpamayo 2 Super в качестве облачной учительской модели для генерации данных и выводов рассуждений для более мелких моделей. Эти модели затем можно оптимизировать для обработки в реальном времени внутри производственных транспортных средств.
Более широкая платформа Alpamayo также включает AlpaSim для замкнутого моделирования, AlpaGym для обучения с подкреплением, физические наборы данных для автономного вождения и открытые инструменты для обучения. Nvidia сообщила, что модели Alpamayo совокупно превысили 500 000 загрузок на Hugging Face.