NVIDIA выпустила Alpamayo 2 Super, 34-миллиардную модель vision-language-action (VLA), предназначенную для роботакси и автономного вождения под лицензией OpenMDW-1.1. Модель ориентирована на обработку редких событий за счёт объединения бэкбона Cosmos 3 Super Reasoner на 32B с диффузионным декодером действий на 2.3B, который генерирует траектории, каузальные объяснения и мета-действия из видео с нескольких камер.

  • Alpamayo 2 Super занимает первое место в LingoQA со счёт Lingo-Judge 79.2, превосходя Qwen2.5-VL 72B, Gemini 2.5 Pro и GPT-4o.
  • Модель обучалась на примерно 115 000 часов видео вождения и более одного миллиарда изображений, включая 3,7 миллиона трасс Chain-of-Causation.
  • Она выдаёт пять результатов за один проход: траекторию, трассу CoC, мета-действие, автолейблы рассуждений и визуальный вопросно-ответный режим с 2D-привязкой.
  • Оценка в замкнутом цикле на AlpaSim дала результат 1.50 ± 0.13, а тестирование в открытом цикле показало minADE₆ = 0.911 м при длительности 6.4 секунды.

Выпуск позволяет коммерческое использование и перераспределение без дополнительного разрешения; NVIDIA указывает, что модель может сократить цикл аннотирования с месяцев до дней при использовании в качестве автолейблера для проприетарных данных флота.