{"id":3442426,"date":"2026-08-06T14:31:47","date_gmt":"2026-08-06T12:31:47","guid":{"rendered":"https:\/\/datanorth.ai\/?post_type=news&#038;p=3442426"},"modified":"2026-08-06T14:31:36","modified_gmt":"2026-08-06T12:31:36","slug":"nvidia-lanceert-alpamayo-2-super","status":"publish","type":"news","link":"https:\/\/datanorth.ai\/nl\/nieuws\/nvidia-lanceert-alpamayo-2-super","title":{"rendered":"NVIDIA lanceert Alpamayo 2 Super voor autonoom rijden"},"content":{"rendered":"\n<p class=\"wp-block-paragraph\"><em>Gepubliceerd: 6 augustus 2026<\/em><\/p>\n\n\n\n<p class=\"wp-block-paragraph\">NVIDIA stelde Alpamayo 2 Super op 5 augustus 2026 beschikbaar voor commercieel gebruik en publiceerde de gewichten van dit vision-language-action-model van 34 miljard parameters voor autonoom rijden op Hugging Face onder de OpenMDW-1.1-licentie. Alpamayo 2 Super scoort 79,2 op de LingoQA Lingo-Judge-maatstaf en staat daarmee eerste van bijna 40 ge\u00ebvalueerde modellen. Uit \u00e9\u00e9n doorloop van rondomcamerabeeld levert het model een gepland traject, een causale verklaring en een meta-actie. Het model werd op 31 mei 2026 aangekondigd op GTC Taipei en is nu daadwerkelijk uit.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Wat is Alpamayo 2 Super en wat kan het?<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Alpamayo 2 Super is een open vision-language-action-model voor de ontwikkeling van level 4-robotaxi&#8217;s. Het combineert een vision-language-backbone van 32 miljard parameters, gebouwd op NVIDIA Cosmos 3 Super Reasoner en nagetraind met reinforcement learning, met een diffusiegebaseerde actiedecoder van 2,3 miljard parameters. Het model is expliciet ontworpen voor de lange staart: zeldzame situaties met meerdere verkeersdeelnemers waar klassieke detectie- en predictiestacks moeite mee hebben.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Uit \u00e9\u00e9n doorloop van multicamerabeeld levert het model vijf uitvoeren: een gepland traject, een Chain-of-Causation-spoor dat dat traject verklaart, een meta-actie zoals voorrang verlenen, van rijstrook wisselen of stoppen, redeneerlabels en visuele vraagbeantwoording met 2D-grounding. Die combinatie maakt het model operationeel bruikbaar, omdat ontwikkelaars kunnen herleiden wat het model waarnam en waarom het die actie koos. De Chain-of-Causation-sporen sluiten aan op de veiligheidsvalidatie van NVIDIA Halos en ondersteunen AI-veiligheid conform ISO\/PAS 8800.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">De invoer bestaat uit RGB-video van meerdere camera&#8217;s, tekst en egomotion-historie met tijdstempels. De gevalideerde publieke notebookprofielen gebruiken zes camera&#8217;s en vier historische frames per camera. De traject-API geeft 64 waypoints terug over 0,1 tot 6,4 seconden met stappen van 0,1 seconde, elk met XYZ-co\u00f6rdinaten in het ego-frame en een 3&#215;3-rotatiematrix.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Benchmarks en trainingsdata van Alpamayo 2 Super<\/h2>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Op LingoQA behaalt Alpamayo 2 Super een Lingo-Judge-score van 79,2 en staat het eerste van bijna 40 ge\u00ebvalueerde modellen.<\/li>\n\n\n\n<li>In de tests van NVIDIA verslaat het Qwen2.5-VL 72B met 17,0 punten, Gemini 2.5 Pro met 15,1 punten en GPT-4o met 23,2 punten.<\/li>\n<\/ul>\n\n\n\n<p class=\"wp-block-paragraph\">Twee andere cijfers zijn relevant voor planningswerk.<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Closed-loop evaluatie met AlpaSim over 910 scenario&#8217;s uit de PhysicalAI-AV-NuRec-dataset geeft een AlpaSim-score van 1,50 plus of min 0,13.<\/li>\n\n\n\n<li>Open-loop evaluatie op 937 lastige samples uit de PhysicalAI-AV-dataset geeft een minADE van 0,911 meter op de horizon van 6,4 seconden.<\/li>\n<\/ul>\n\n\n\n<p class=\"wp-block-paragraph\">Voor de training is ongeveer 115.000 uur multicamerarijvideo gebruikt met egomotion- en trajectannotaties, waaronder circa 3.700.000 Chain-of-Causation-sporen: gestructureerde, causaal gekoppelde verklaringen van rijbeslissingen. De beeldtrainingsdata omvat meer dan een miljard afbeeldingen. Het model is getest op \u00e9\u00e9n H100 80GB met een piekgeheugen van 72.115 MiB. Het is dus een model op cloudschaal, bedoeld om te worden gedistilleerd voor inferentie in het voertuig op NVIDIA DRIVE AGX Thor.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Wat staat de OpenMDW-1.1-licentie toe?<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">De gewichten verschijnen onder OpenMDW-1.1, de permissieve licentie van de Linux Foundation voor open modeldistributies, en de broncode valt onder Apache 2.0. De licentie dekt fine-tuning, afgeleide modellen en commerci\u00eble herdistributie. Gedistilleerde modellen mogen commercieel worden ingezet zonder verdere toestemming van NVIDIA, en aan de uitvoer van het model zijn geen licentievoorwaarden verbonden.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">NVIDIA past OpenMDW toe op de hele Alpamayo-familie, waardoor eerdere releases die voor onderzoek en ontwikkeling waren bedoeld nu ook commercieel inzetbaar zijn. Dat is de inhoudelijke verandering van 5 augustus: het model zelf werd op 31 mei 2026 op GTC Taipei aangekondigd als &#8216;deze zomer verwacht&#8217;, en dit is het moment waarop de gewichten en de commerci\u00eble voorwaarden er daadwerkelijk zijn.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">De Alpamayo-familie is inmiddels meer dan 500.000 keer gedownload op Hugging Face. NVIDIA noemt het daarmee de meest gebruikte familie open redeneermodellen voor autonoom rijden op het platform.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Hoe verhoudt Alpamayo 2 Super zich tot eerdere Alpamayo-modellen?<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Alpamayo 2 Super schaalt naar 34 miljard parameters, tegenover 10 miljard bij Alpamayo 1 Nano en Alpamayo 1.5 Nano. Die ruwweg drievoudige toename leidt volgens NVIDIA tot beter redeneren, beter ruimtelijk 3D-begrip en betere trajectvoorspelling in situaties uit de lange staart.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Ook het sensorbeeld is verbreed. Eerdere generaties waren vooral op de camera aan de voorzijde gericht; Alpamayo 2 Super werkt met 360 graden situationeel bewustzijn over voor-, zij- en achteraanzicht, wat uitmaakt bij rijstrookwisselingen, invoegen en het oversteken van kruispunten. Meta-Action-uitvoer is nieuw in deze generatie en voegt macrobeslissingen als voorrang verlenen, rijstrook wisselen en stoppen toe aan de trajecten en Chain-of-Causation-sporen. Ook redeneerlabels met 2D-grounding zijn nieuw. NVIDIA stelt dat inzet van het model als autolabeler op eigen vlootdata annotatiecycli terugbrengt van maanden naar dagen.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Alpamayo 2 Super is ontworpen als teacher model. Een onderliggende stack die op Alpamayo is gebouwd erft het redeneer- en waarnemingsvermogen uit \u00e9\u00e9n open release, zodat niet elke fabrikant die infrastructuur opnieuw hoeft op te bouwen.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><em><a href=\"https:\/\/huggingface.co\/nvidia\/Alpamayo2-Super\" target=\"_blank\" rel=\"noreferrer noopener\">Alpamayo 2 Super is nu beschikbaar op Hugging Face<\/a>, en <a href=\"https:\/\/www.nvidia.com\/en-us\/solutions\/autonomous-vehicles\/alpamayo\/\" target=\"_blank\" rel=\"noreferrer noopener\">de volledige details van Alpamayo 2 Super vindt je op de NVIDIA-blog<\/a>.<\/em><\/p>\n","protected":false},"excerpt":{"rendered":"<p>NVIDIA brengt Alpamayo 2 Super uit, een open rijfundatiemodel van 34 miljard parameters, gelicentieerd voor commercieel gebruik, dat in \u00e9\u00e9n doorloop een traject, een causale verklaring en een meta-actie oplevert.<\/p>\n","protected":false},"author":12,"featured_media":3442424,"template":"","tags":[],"news-category":[],"class_list":["post-3442426","news","type-news","status-publish","has-post-thumbnail"],"meta_box":[],"_links":{"self":[{"href":"https:\/\/datanorth.ai\/nl\/wp-json\/wp\/v2\/news\/3442426","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/datanorth.ai\/nl\/wp-json\/wp\/v2\/news"}],"about":[{"href":"https:\/\/datanorth.ai\/nl\/wp-json\/wp\/v2\/types\/news"}],"author":[{"embeddable":true,"href":"https:\/\/datanorth.ai\/nl\/wp-json\/wp\/v2\/users\/12"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/datanorth.ai\/nl\/wp-json\/wp\/v2\/media\/3442424"}],"wp:attachment":[{"href":"https:\/\/datanorth.ai\/nl\/wp-json\/wp\/v2\/media?parent=3442426"}],"wp:term":[{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/datanorth.ai\/nl\/wp-json\/wp\/v2\/tags?post=3442426"},{"taxonomy":"news-category","embeddable":true,"href":"https:\/\/datanorth.ai\/nl\/wp-json\/wp\/v2\/news-category?post=3442426"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}