NVIDIA-CEO Jensen Huang kündigte die Veröffentlichung an und bezeichnete das Modell als „leistungsstarkes Rückgrat für Robotaxis, Lkw, Shuttles, Lieferwagen, Traktoren und den gesamten ‚Long Tail‘ mobiler Roboter“ . Bereits auf der CES 2026 und der GTC Taipei war Alpamayo 2 Super vorgestellt worden .

Architektur: 32-Milliarden-Vision-Language-Backbone + 2-Milliarden-Action-Decoder

Alpamayo 2 Super umfasst insgesamt rund 34 Milliarden Parameter . Es kombiniert:

• Einen 32-Milliarden-Parameter Vision-Language-Backbone auf Basis von NVIDIA Cosmos 3 Super Reasoner .
• Einen 2-Milliarden-Parameter Diffusions-basierten Action Expert (Action Decoder) .
• Ein Reinforcement-Learning (RL) Post-Training auf dem Basis-Modell Cosmos 3 Super Reasoner .

Die Architektur ist ein Transformer mit Rundumsicht, der Videobilder von bis zu sieben Kameras für eine 360-Grad-Erfassung verarbeitet und auf Level 4 autonomes Fahren abzielt .

Teacher-Modell: Fünf gekoppelte Ausgaben pro Szene

NVIDIA hat Alpamayo 2 Super als Cloud-basiertes Teacher-Modell konzipiert, das pro Fahrszene fünf miteinander verknüpfte Ausgaben erzeugt. Diese können dann in kleinere Modelle für den Fahrzeugeinsatz destilliert werden :

1. Geplante Trajektorie – der vorhergesagte Fahrweg.
2. Kausale Reasoning-Kette – eine nachvollziehbare Erklärung der Fahr entscheidung .
3. High-Level-Aktion – eine übergeordnete Fahrhandlung (z. B. „Vorfahrt gewähren“, „Spur wechseln“).
4. Automatisch erzeugte Reasoning-Labels – automatisch annotierte Begründungen für Trainingsdaten.
5. Visuelle Fragen-Antworten (VQA) – Antworten auf visuelle Fragen zur Fahrszene .

Die kausalen Reasoning-Ketten lassen sich direkt in die NVIDIA Halos Safety-Validierungs-Workflows integrieren und unterstützen KI-Sicherheit gemäß ISO/PAS 8800 .

Benchmark-Leistung: Platz 1 auf LingoQA

In NVIDIAs Tests erreichte Alpamayo 2 Super einen LingoQA-Score von 79,2 – Platz 1 auf dem LingoQA-Benchmark für autonomes Fahren . Es übertraf damit:

• Qwen2.5-VL 72B um 17 Punkte
• GPT-4o um 23,2 Punkte
• Gemini 2.5 Pro (laut NVIDIAs Tests)

Strategische Positionierung: Offene Infrastruktur für die gesamte AV-Branche

NVIDIA positioniert Alpamayo 2 Super bewusst als offene Infrastruktur für die gesamte autonome Fahrzeugindustrie – nicht als Konkurrenz zu Robotaxi-Betreibern oder AV-Herstellern . Das Modell steht jedem Unternehmen zur Verfügung, um es zu optimieren, anzupassen und kommerziell einzusetzen – ohne proprietäre Abhängigkeiten .

Die Veröffentlichung hebt die Lizenzbeschränkungen auf, die die frühere Alpamayo-Familie auf die Forschung beschränkt hatten. NVIDIA zufolge gilt die OpenMDW-Lizenz nun für die gesamte Alpamayo-Reihe, sodass Entwickler das Modell an ihre eigenen autonomen Fahrstapel anpassen können .

Die wichtigsten Fakten

• Kommerzielle Veröffentlichung am 4. August 2026, Gewichte auf Hugging Face .
• OpenMDW-1.1-Lizenz erlaubt Feintuning, Ableitungen und kommerzielle Nutzung .
• 34 Mrd. Parameter gesamt: 32 Mrd. Cosmos 3 Super Reasoner + 2 Mrd. Diffusions-Action-Expert .
• Fünf gekoppelte Ausgaben pro Szene für den Cloud-basierten Teacher-Modell-Workflow .
• LingoQA 79,2 – Platz 1, 23,2 Punkte besser als GPT-4o .
• Zielt auf seltene Randfälle ab und erfüllt die Anforderungen von ISO/PAS 8800 über Halos .

NVIDIA-CEO Jensen Huang kündigte die Veröffentlichung an und bezeichnete das Modell als „leistungsstarkes Rückgrat für Robotaxis, Lkw, Shuttles, Lieferwagen, Traktoren und den gesamten ‚Long Tail‘ mobiler Roboter“ . Bereits auf der CES 2026 und der GTC Taipei war Alpamayo 2 Super vorgestellt worden .

Architektur: 32-Milliarden-Vision-Language-Backbone + 2-Milliarden-Action-Decoder

Alpamayo 2 Super umfasst insgesamt rund 34 Milliarden Parameter . Es kombiniert:

• Einen 32-Milliarden-Parameter Vision-Language-Backbone auf Basis von NVIDIA Cosmos 3 Super Reasoner .
• Einen 2-Milliarden-Parameter Diffusions-basierten Action Expert (Action Decoder) .
• Ein Reinforcement-Learning (RL) Post-Training auf dem Basis-Modell Cosmos 3 Super Reasoner .

Die Architektur ist ein Transformer mit Rundumsicht, der Videobilder von bis zu sieben Kameras für eine 360-Grad-Erfassung verarbeitet und auf Level 4 autonomes Fahren abzielt .

Teacher-Modell: Fünf gekoppelte Ausgaben pro Szene

NVIDIA hat Alpamayo 2 Super als Cloud-basiertes Teacher-Modell konzipiert, das pro Fahrszene fünf miteinander verknüpfte Ausgaben erzeugt. Diese können dann in kleinere Modelle für den Fahrzeugeinsatz destilliert werden :

1. Geplante Trajektorie – der vorhergesagte Fahrweg.
2. Kausale Reasoning-Kette – eine nachvollziehbare Erklärung der Fahr entscheidung .
3. High-Level-Aktion – eine übergeordnete Fahrhandlung (z. B. „Vorfahrt gewähren“, „Spur wechseln“).
4. Automatisch erzeugte Reasoning-Labels – automatisch annotierte Begründungen für Trainingsdaten.
5. Visuelle Fragen-Antworten (VQA) – Antworten auf visuelle Fragen zur Fahrszene .

Die kausalen Reasoning-Ketten lassen sich direkt in die NVIDIA Halos Safety-Validierungs-Workflows integrieren und unterstützen KI-Sicherheit gemäß ISO/PAS 8800 .

Benchmark-Leistung: Platz 1 auf LingoQA

In NVIDIAs Tests erreichte Alpamayo 2 Super einen LingoQA-Score von 79,2 – Platz 1 auf dem LingoQA-Benchmark für autonomes Fahren . Es übertraf damit:

• Qwen2.5-VL 72B um 17 Punkte
• GPT-4o um 23,2 Punkte
• Gemini 2.5 Pro (laut NVIDIAs Tests)

Strategische Positionierung: Offene Infrastruktur für die gesamte AV-Branche

NVIDIA positioniert Alpamayo 2 Super bewusst als offene Infrastruktur für die gesamte autonome Fahrzeugindustrie – nicht als Konkurrenz zu Robotaxi-Betreibern oder AV-Herstellern . Das Modell steht jedem Unternehmen zur Verfügung, um es zu optimieren, anzupassen und kommerziell einzusetzen – ohne proprietäre Abhängigkeiten .

Die Veröffentlichung hebt die Lizenzbeschränkungen auf, die die frühere Alpamayo-Familie auf die Forschung beschränkt hatten. NVIDIA zufolge gilt die OpenMDW-Lizenz nun für die gesamte Alpamayo-Reihe, sodass Entwickler das Modell an ihre eigenen autonomen Fahrstapel anpassen können .

Die wichtigsten Fakten

• Kommerzielle Veröffentlichung am 4. August 2026, Gewichte auf Hugging Face .
• OpenMDW-1.1-Lizenz erlaubt Feintuning, Ableitungen und kommerzielle Nutzung .
• 34 Mrd. Parameter gesamt: 32 Mrd. Cosmos 3 Super Reasoner + 2 Mrd. Diffusions-Action-Expert .
• Fünf gekoppelte Ausgaben pro Szene für den Cloud-basierten Teacher-Modell-Workflow .
• LingoQA 79,2 – Platz 1, 23,2 Punkte besser als GPT-4o .
• Zielt auf seltene Randfälle ab und erfüllt die Anforderungen von ISO/PAS 8800 über Halos .