Alpamayo 2 Super: NVIDIA bringt offenes Reasoning ins autonome Fahren – bei offenen Fragen zu Größe und Hardwarebedarf

Am 4. August hat NVIDIA im eigenen Unternehmensblog die Verfügbarkeit von Alpamayo 2 Super angekündigt, vorgestellt als größtes Modell der Familie für autonome Fahrzeuge und Robotaxis. Das System verarbeitet Bilder von sechs Kameras, einen Text-Prompt und die Egomotion-Historie und liefert eine Reasoning-Spur sowie eine Trajektorie aus 64 Wegpunkten über 6,4 Sekunden. Zwar beschreibt die Mitteilung das neue Modell als "dreifache Größe" der bisherigen Versionen mit 10 Milliarden Parametern, doch die offizielle Model Card auf Hugging Face nennt eine Gesamtgröße von 34 Milliarden – die Summe aus einem Vision-Language-Backbone mit 32 Milliarden und einem Diffusion-Action-Decoder mit 2,3 Milliarden Parametern. Die beiden offiziellen Quellen des Unternehmens, Blog und technisches Datenblatt, stimmen also nicht überein. Die Veröffentlichung erfolgt unter der Lizenz OpenMDW-1.1 der Linux Foundation, einer permissiven Wahl, die kommerzielle Nutzung und abgeleitete Modelle erlaubt und sich damit von den branchenüblichen proprietären Lizenzen abhebt; der Quellcode bleibt allerdings unter Apache 2.0.

Zur Leistung berichtet NVIDIA, Alpamayo 2 Super belege im LingoQA-Benchmark mit 79,2 Punkten den ersten Platz unter fast 40 bewerteten Modellen und liege nach der Metrik Lingo-Judge vor Gemini 2.5 Pro (+15,1 Punkte) und GPT-4o (+23,2 Punkte). Die technische Dokumentation nennt außerdem einen Wert von 1,50 ± 0,13 in der Closed-Loop-Simulation AlpaSu über 913 Szenarien sowie einen minADE-Fehler von 0,911 Metern bei 6,4 Sekunden. Wichtig ist die Einordnung: All diese Messungen stammen aus Daten, die das Unternehmen selbst veröffentlicht hat und dessen Bewertungswerkzeuge es selbst entwickelt hat. Unabhängige Prüfungen Dritter, die diese Ergebnisse außerhalb der vom Hersteller kontrollierten Umgebung bestätigen, liegen bislang nicht vor.

Der Knackpunkt für den Straßeneinsatz ist die Infrastruktur. Die technische Validierung erfolgte ausschließlich auf NVIDIA-H100-GPUs mit 80 GB, bei einem Speicherspitzenbedarf von über 70 Gigabyte – eine Anforderung, die laut MarkTechPost eine Destillation des Modells vor einer möglichen Integration im Fahrzeug wahrscheinlich macht. Daten aus Straßentests wurden nicht veröffentlicht: Die bisherigen Ergebnisse beschränken sich auf Simulation und die Auswertung historischer Datensätze. Wie zuverlässig das System im echten Verkehr ist, bleibt damit offen.

Eine offene Lizenz für ein derart komplexes Fahrsystem ist ein bemerkenswertes Signal für das Ökosystem, entscheidend ist aber die Umsetzung. Fortgeschrittenes Reasoning auf Rechenzentrums-Hardware zu versprechen, ist etwas anderes, als es in einem fahrenden Auto zu garantieren – zumal die offiziellen Zahlen nicht zusammenpassen und die einzige verfügbare Prüfung die des Herstellers selbst ist. — Olya