Nvidia випустила Alpamayo 2 Super для комерційного використання у вівторок, надавши виробникам автотранспорту та розробникам автономних транспортних засобів доступ до своєї найбільшої відкритої моделі міркувань для роботаксі та систем автономного керування.
Модель доступна через Hugging Face за ліцензією OpenMDW 1.1 Фонду Linux, яка дозволяє доналаштовувати, створювати деривативні моделі та комерційне розповсюдження. Nvidia повідомила, що також застосовує цю ліцензію до попередніх моделей сімейства Alpamayo, які спочатку були випущені для дослідження та розробки.
Alpamayo 2 Super — це візуальна мовна модель дії з 34 мільярдами параметрів, яка складається з ядра Cosmos 3 Super Reasoner з 32 мільярдами параметрів і компонентом дії на основі дифузії з приблизно 2,3 мільярдами параметрів.
Модель була доопрацьована за допомогою підсиленого навчання і має приблизно втричі більший розмір, ніж моделі Nvidia Alpamayo 1 і Alpamayo 1.5 з 10 мільярдами параметрів.
Модель обробляє відео з камер, розташованих навколо транспортного засобу, разом із навігаційними інструкціями та історією недавніх рухів. Nvidia зазначила, що повна обвідна установка надає системі доступ до передніх, бічних та задніх оглядів під час оцінки ситуацій, таких як зміна смуги, об’єднання, перехрестя та незахищені повороти.
Для кожного сценарію вождення Alpamayo 2 Super може генерувати заплановану траєкторію та ланцюжок причинно-наслідкових зв’язків, що пояснюють фактори, що вплинули на її рішення. Він також може виконувати дії вищого рівня, такі як уступлення дороги, зміна смуги або зупинка.
Додаткові функції включають візуальне відповідання на запитання, зв’язування відповідей з регіонами всередині зображень камери та автоматичне генерування міток міркувань для навчальних і валідаційних даних. Nvidia сказала, що модель можна застосувати до власного відео автопарку, щоб конвертувати сирі відеокліпи в позначені навчальні матеріали.
Карточка моделі Hugging Face стверджує, що Alpamayo 2 Super була навчена за допомогою приблизно 115 000 годин відео з багатьох камер та близько 3,7 мільйонів ланцюжків причинно-наслідкових міркувань. Її вихідні дані включають текст та заплановані траєкторії транспортних засобів, що охоплюють до 6,4 секунд.
Nvidia повідомила, що Alpamayo 2 Super посів перше місце серед майже 40 моделей, протестованих на LingoQA — тестовому наборі, спрямованому на оцінку міркувань у сценаріях автономного вождення.
За допомогою метрики Lingo Judge Nvidia повідомила, що модель набрала на 17 балів вище, ніж Qwen2.5 VL 72B, на 15,1 бала вище, ніж Gemini 2.5 Pro, і на 23,2 бала вище, ніж GPT-4o. Результати було оприлюднено на основі власного тестування Nvidia.
Картка моделі повідомляє про результат Lingo Judge 79,2, а також результати закритого циклу оцінки AlpaSim від Nvidia та оцінку траєкторії в відкритому циклі на основі складних сценаріїв вождення.
Nvidia заявила, що розробники можуть використовувати Alpamayo 2 Super як хмарну вчителя для генерації даних і висновків для менших моделей. Ці моделі потім можна оптимізувати для обробки в реальному часі всередині виробничих транспортних засобів.
Ширша платформа Alpamayo також включає AlpaSim для симуляції з замкненим циклом, AlpaGym для підсилювального навчання, фізичні набори даних для AI-керування та відкриті інструменти для навчання. Nvidia повідомила, що моделі Alpamayo разом перевищили 500 000 завантажень на Hugging Face.