NVIDIA 發布 340 億引數 VLA 模型 Alpamayo 2 Super，結合 Cosmos 3 與 Action Expert
為何重要
過去自駕車開發需使用多個獨立模型處理軌跡、意圖與標註，導致工作流不一致且難以監控。Alpamayo 2 Super 透過單一 VLA 模型整合這些任務，為資料註標、策略教學與評估提供統一的基礎，顯著降低了技術整合與計算開銷。對產業而言，其商業友好的授權與 SOTA 基準有助於加速開發者驗證自駕決策邏輯，進而加速具體的商業化週期。
NVIDIA 發布了一個名為 Alpamayo 2 Super 的開源視覺語言動作（VLA）模型，旨在解決自駕車開發流程中模型割裂的問題。
- 模型總引數為 34 億，結合了 32B Cosmos 3 Super Reasoner 與 2B Action Expert，並透過強化學習進行後訓練。
- 能進行 360 度感知（最多七個相機）、生成未來軌跡、CoC（Chain-of-Causation）推理軌跡、高階 meta-actions，以及 VQA 2D grounding 與自動標籤。
- 在關鍵評測中達到 SOTA 表現，包括在 Physical AI AV Dataset 上 minADE_6 為 0.911m 的軌跡預測，以及 LingoQA 基準上 79.2 分（領先 Qwen2.5-VL、GPT-4o 等模型）。
- 採用 Linux Foundation 的 OpenMDW-1.1 授權，允許微調、衍生模型與商業重新分發，濃縮模型亦可商業部署。