Alpamayo 2 Super: NVIDIA przenosi otwarte rozumowanie do jazdy autonomicznej — przy wątpliwościach co do skali i wymagań sprzętowych

4 sierpnia, na firmowym blogu, NVIDIA ogłosiła dostępność Alpamayo 2 Super — przedstawionego jako największy model z rodziny przeznaczonej dla pojazdów autonomicznych i robotaksówek. System przetwarza obraz z sześciu kamer, polecenie tekstowe oraz historię ruchu własnego pojazdu (egomotion), a zwraca ślad rozumowania i trajektorię złożoną z 64 punktów, obejmującą 6,4 sekundy. Komunikat opisuje nowy model jako "trzykrotność skali" wcześniejszych wersji o 10 miliardach parametrów, jednak oficjalna karta modelu opublikowana na Hugging Face podaje łączny rozmiar 34 miliardów: suma backbone'u vision-language o 32 miliardach i dekodera akcji typu diffusion o 2,3 miliarda. Dwa oficjalne źródła firmy — blog i karta techniczna — nie są zgodne. Wydanie odbywa się na licencji OpenMDW-1.1 Linux Foundation, permisywnym wyborze dopuszczającym użycie komercyjne i tworzenie modeli pochodnych, co odróżnia to podejście od licencji własnościowych typowych dla branży; kod źródłowy pozostaje jednak pod Apache 2.0.

Jeśli chodzi o wyniki, NVIDIA podaje, że Alpamayo 2 Super zajmuje pierwsze miejsce w benchmarku LingoQA z wynikiem 79,2 wśród niemal 40 ocenianych modeli, wyprzedzając Gemini 2.5 Pro (+15,1 punktu) i GPT-4o (+23,2 punktu) według metryki Lingo-Judge. Dokumentacja techniczna wymienia też wynik 1,50 ± 0,13 w symulacji closed-loop AlpaSu na 913 scenariuszach oraz błąd minADE wynoszący 0,911 metra przy 6,4 sekundy. Trzeba to jasno powiedzieć: wszystkie te pomiary pochodzą z danych opublikowanych przez samą firmę, która jest również autorką narzędzi ewaluacyjnych. Na dziś brak niezależnych weryfikacji podmiotów trzecich, które potwierdzałyby te wyniki poza środowiskiem kontrolowanym przez producenta.

Sednem sprawy przy zastosowaniu na drodze jest infrastruktura. Walidację techniczną przeprowadzono wyłącznie na kartach NVIDIA H100 80 GB, przy szczytowym zapotrzebowaniu na pamięć przekraczającym 70 gigabajtów — wymóg, który zdaniem MarkTechPost czyni prawdopodobną destylację modelu przed ewentualną integracją w pojeździe. Nie ujawniono danych z testów na drodze: obecne wyniki ograniczają się do symulacji i analizy historycznych zbiorów danych, przez co niepewna pozostaje niezawodność systemu w rzeczywistym ruchu.

Wybór otwartej licencji dla tak złożonego systemu jazdy to ciekawy sygnał dla ekosystemu, ale liczy się zdolność wykonania. Obiecywać zaawansowane rozumowanie na sprzęcie centrum danych to co innego niż gwarantować je w jadącym samochodzie — zwłaszcza gdy oficjalne liczby się nie zgadzają, a jedyna dostępna weryfikacja pochodzi od samego producenta. — Olya