NVIDIA Alpamayo 2 Super 正式开源商用，让自动驾驶学会“先思考再行动”

架构：320 亿参数视觉-语言底座 + 20 亿参数动作解码器

Alpamayo 2 Super 总参数量约为 340 亿，由两部分组成：

• 320 亿参数的视觉-语言模型底座，基于 NVIDIA Cosmos 3 Super Reasoner。
• 20 亿参数的扩散模型（Diffusion Model）动作专家模块（Action Expert / Action Decoder）。
• 在基础模型之上还进行了强化学习（Reinforcement Learning）后训练。

架构采用 Transformer 设计，具备全周感知能力，最多可同时处理七路摄像头视频数据，实现 360 度无死角覆盖，直接针对 L4 级自动驾驶场景。

教师模型：每场景输出五种耦合数据

NVIDIA 将 Alpamayo 2 Super 定位为云端教师模型，可针对每一帧驾驶场景生成 五种耦合输出：

1. 规划轨迹——预测自车行驶路径。
2. 因果推理链——可解释的推理过程，说明为何做出该驾驶决策。
3. 高层元动作——如“让行”、“变道”等宏观驾驶指令。
4. 自动推理标签——可用于后续训练数据的自动标签。
5. 视觉问答结果——对当前驾驶场景的视觉问题回答。

其中，因果推理链可直接对接 NVIDIA Halos 安全验证工作流，满足 ISO/PAS 8800 人工智能安全标准要求。这些输出可以进一步蒸馏或压缩，最终部署在车载端的小模型中。

基准表现：LingoQA 排名第一

在 NVIDIA 的测试中，Alpamayo 2 Super 在自动驾驶专有评测集 LingoQA 上取得 79.2 分，排名第一：

• 领先 Qwen2.5-VL 72B 17 分
• 领先 GPT-4o 23.2 分
• 领先 Gemini 2.5 Pro（NVIDIA 内部测试结果）

战略定位：做自动驾驶行业的开放基础设施

NVIDIA 明确表示，Alpamayo 2 Super 是面向整个自动驾驶行业的开放基础设施，而不是任何自动驾驶出租车运营商或整车厂的竞争对手。任何企业都可自由微调、适配和商用部署，无需担心供应商锁定。

此次发布还解决了此前 Alpamayo 系列仅限研究使用的问题——OpenMDW 许可协议现在覆盖整个 Alpamayo 模型家族，开发者可以自由将其整合到自己的自动驾驶技术栈中。

关键总结

• 商用发布日期：2026 年 8 月 4 日，权重已在 Hugging Face 发布。
• 开源许可：OpenMDW-1.1，允许商用、微调、衍生和再分发。
• 总参数：340 亿（320 亿 Cosmos 3 Super Reasoner + 20 亿扩散 Action Expert）。
• 每场景五种耦合输出：轨迹、因果链、高层动作、自动标签、视觉问答，面向云端教师模型流程。
• LingoQA 基准：79.2 分，排名第一，较 GPT-4o 高出 23.2 分。
• 目标场景：长尾边缘案例，并通过 Halos 工作流对齐 ISO/PAS 8800 安全标准。