Para los robotaxis y otros vehículos autónomos, los problemas difíciles no son los escenarios cotidianos. Son las situaciones raras y complejas que cuesta anticipar y para las que es difícil entrenar.
Manejar esos eventos de cola larga exige más que detección de objetos y predicción de movimiento. El vehículo debe entender la situación, razonar sobre causa y efecto, escoger la acción correcta y convertir esa decisión en una trayectoria segura y cómoda, todo en tiempo real y de una forma que los desarrolladores puedan inspeccionar, validar y auditar.
NVIDIA Alpamayo 2 Super, ya disponible para uso comercial, integra la familia Alpamayo, los modelos abiertos de razonamiento para conducción autónoma más adoptados en Hugging Face. Está construido sobre NVIDIA Cosmos 3 Super Reasoner y postentrenado con aprendizaje por refuerzo.
¿Qué cambia con la licencia abierta?
Alpamayo 2 Super se distribuye en Hugging Face bajo OpenMDW 1.1, la licencia permisiva de la Linux Foundation para distribuciones abiertas de modelos de IA. Cubre ajuste fino, modelos derivados y redistribución comercial, lo que permite a desarrolladores de conducción autónoma, automotrices, fabricantes de camiones y proveedores adaptar el modelo a sus propios datos, políticas de manejo y estrategias de despliegue.
Esa apertura deja a las empresas el control de sus datos e infraestructura, y la propiedad del valor que generan mediante modelos especializados y conocimiento acumulado. Es un punto crítico en flujos que involucran flotas propietarias y seguridad funcional.
Los lanzamientos anteriores de Alpamayo se habían introducido para investigación y desarrollo. Ahora la licencia OpenMDW se aplica a toda la familia, de modo que cualquiera de los modelos puede desplegarse comercialmente sin permisos adicionales. Eso crea un camino directo entre la adaptación y el despliegue.
Los pesos abiertos hacen ese camino económicamente viable: los equipos pueden construir sobre razonamiento avanzado sin reentrenar cada capacidad base desde cero ni pagar costos de modelo frontera para cada tarea.
Dentro de la familia, Alpamayo 2 Super entrega el mayor rendimiento de razonamiento y conducción para desarrollo multimodal, mientras Alpamayo 1.5 y Alpamayo 1 ofrecen alternativas más económicas para trabajo en la nube y destilación. Los modelos destilados resultantes se optimizan después para inferencia en tiempo real dentro del vehículo, en un flujo que va de la nube al auto.
¿Qué tan lejos está de la competencia?
Alpamayo 2 Super ocupa el primer lugar en LingoQA, una prueba de razonamiento para conducción autónoma, entre casi 40 modelos evaluados. En las mediciones de NVIDIA con la métrica Lingo-Judge, las distancias son amplias:
| Modelo comparado | Diferencia a favor de Alpamayo 2 Super |
|---|---|
| Qwen2.5-VL 72B | 17,0 puntos |
| Gemini 2.5 Pro | 15,1 puntos |
| GPT-4o | 23,2 puntos |
El modelo también encabeza todas las pruebas de conducción autónoma evaluadas por la compañía. Ofrece el triple de escala que los modelos Alpamayo 1.5 y Alpamayo 1, de 10 mil millones de parámetros cada uno, lo que sitúa a esta versión en torno a los 30 mil millones. Esa capacidad extra ayuda a generalizar el razonamiento a partir de ejemplos escasos, justo lo que se necesita en las interacciones raras entre varios agentes donde los sistemas convencionales suelen fallar.
El modelo razona sobre cobertura completa de cámaras, fusionando las vistas frontal, laterales y trasera del vehículo. Ese contexto de 360 grados habilita una comprensión más rica de cambios de pista, incorporaciones, virajes sin protección e intersecciones complejas, que es donde se concentra el riesgo.
Cinco salidas por cada situación de manejo
Para cada escenario, Alpamayo 2 Super produce cinco salidas acopladas entre sí:
- Una trayectoria que describe la ruta planificada del vehículo.
- Una cadena de causalidad que explica el razonamiento detrás de la decisión.
- Una metaacción, por ejemplo ceder el paso, cambiar de pista o detenerse, que captura la intención del modelo.
- Autoetiquetas de razonamiento que generan anotaciones de causalidad para datos de entrenamiento y validación.
- Respuestas de preguntas visuales con anclaje 2D, que vinculan la respuesta a regiones específicas de las imágenes de cámara.
En conjunto, estas salidas abren la caja de decisiones del modelo. El desarrollador puede unir lo que el modelo observó con la acción que eligió, lo que vuelve las decisiones más fáciles de entender, criticar y validar.
Las cadenas de causalidad se integran con los flujos de validación de seguridad de NVIDIA Halos y soportan requisitos alineados con la norma ISO/PAS 8800 para seguridad de IA, una base más sólida para la ingeniería de seguridad en vehículos autónomos.
El modelo puede desplegarse además como autoetiquetador sobre datos propietarios de flota. Al ligar su razonamiento a regiones específicas de las imágenes, transforma clips crudos de manejo en datos de entrenamiento más ricos y comprime los ciclos de anotación de meses a días.
Un ecosistema abierto alrededor del modelo
Alpamayo 2 Super forma parte de una familia más amplia de modelos, frameworks y conjuntos de datos abiertos para desarrollo de conducción autónoma. Incluye NVIDIA AlpaSim para simulación de lazo cerrado, NVIDIA AlpaGym para aprendizaje por refuerzo de alto rendimiento, los NVIDIA Physical AI Open Datasets con datos de entrenamiento y prueba, y recetas de entrenamiento abiertas junto a una tubería de autoetiquetado. También hay herramientas de conducción autónoma disponibles para desarrolladores.
Alpamayo ya superó las 500.000 descargas en Hugging Face, lo que la consolida como la familia de modelos abiertos de razonamiento para conducción autónoma más adoptada de la plataforma.
¿Qué implica para la región?
En Chile y el resto de Sudamérica el robotaxi urbano no está sobre la mesa en el corto plazo, pero la conducción autónoma sí opera hace años en minería, con flotas de camiones de extracción autónomos en faenas del norte, y avanza en puertos y logística de patio. Para esos operadores, la licencia OpenMDW es el dato relevante: permite ajustar el modelo con datos propios de faena sin negociar permisos comerciales adicionales, y las autoetiquetas de razonamiento atacan directamente el cuello de botella real de esos proyectos, que es anotar horas de video capturado en condiciones locales de polvo, pendiente y señalización propia.
Quien quiera evaluarlo puede descargar NVIDIA Alpamayo 2 Super en Hugging Face.
