TL;DR:
- Nvidia publicó el 4 de agosto los pesos de Alpamayo 2 Super bajo OpenMDW-1.1 y su código con licencia Apache 2.0.
- El modelo suma 34 mil millones de parámetros, visión de 360 grados y cinco tipos de salida para razonar, explicar y planear maniobras.
- La versión pública fue probada en una H100 de 80 GB y funciona como modelo maestro en la nube, no como software listo para conducir un auto.
Nvidia puso Alpamayo 2 Super a disposición para uso comercial este 4 de agosto de 2026. El modelo abierto de 34 mil millones de parámetros para robotaxis y vehículos autónomos ya tiene pesos en Hugging Face bajo la licencia OpenMDW-1.1, mientras su código de inferencia llegó a GitHub con Apache 2.0. Armadoras, fabricantes de camiones y proveedores pueden adaptarlo, crear derivados y redistribuirlos comercialmente sin pedir otro permiso a Nvidia. La versión publicada está pensada para desarrollo en la nube y todavía requiere reducción, pruebas y validación antes de controlar un vehículo en la vía pública.
La compañía había presentado Alpamayo 2 Super el 31 de mayo durante GTC Taipei y prometió liberar los pesos y el código en verano. Dos meses después, cumplió ese tramo del calendario. También extendió OpenMDW-1.1 a los modelos anteriores de la familia, que habían debutado orientados a investigación y desarrollo.
Alpamayo 2 Super es un modelo visión, lenguaje y acción que procesa cámaras, instrucciones de texto e historial de movimiento para proponer la trayectoria de un vehículo y explicar qué elementos de la escena influyeron en esa decisión. Su objetivo son los casos menos frecuentes y más difíciles de recopilar: zonas de construcción, peatones parcialmente ocultos, cruces con prioridad poco clara y objetos que irrumpen en el camino.
La disponibilidad comercial encaja con la estrategia que FomoEra documentó en julio: Nvidia quiere vender a las armadoras la plataforma de cómputo, IA y simulación, en lugar de fabricar autos u operar por su cuenta una flota como Waymo.
Alejandro Castillo Leone
OpenMDW-1.1 abre la puerta comercial sin cobrar regalías
La licencia separa este lanzamiento de muchos modelos que se anuncian como abiertos, pero limitan el uso empresarial. OpenMDW-1.1, publicada por la Linux Foundation para distribuciones de machine learning, concede permiso gratuito y sin restricciones de campo o territorio sobre los materiales que el proveedor coloque bajo sus términos.
Para Alpamayo 2 Super, eso permite:
- Ejecutar, copiar y modificar los pesos publicados.
- Afinar el modelo con datos propios y crear versiones derivadas.
- Redistribuir los materiales originales o modificados con fines comerciales.
- Usar, modificar o comercializar sus resultados sin obligaciones impuestas por OpenMDW.
Hay dos condiciones que no desaparecen. Quien redistribuya materiales del modelo debe conservar una copia de la licencia y los avisos originales de autoría y procedencia. La licencia tampoco sustituye las leyes aplicables, las autorizaciones regulatorias ni los derechos de terceros sobre los datos que cada empresa incorpore.
El reparto de licencias merece precisión. Los pesos usan OpenMDW-1.1 y el código usa Apache 2.0. OpenMDW gobierna los componentes distribuidos bajo ella, pero no obliga a Nvidia a publicar cada dato, herramienta o pieza utilizada durante el entrenamiento. Llamarlo modelo abierto describe los materiales liberados, no una reproducción completa de todo el proceso.
Un modelo de 34 mil millones que explica y traza la maniobra
La arquitectura combina un Cosmos 3 Super Reasoner de 32 mil millones de parámetros con un experto de acción basado en difusión de alrededor de 2 mil millones. Nvidia lo entrenó después con aprendizaje por refuerzo. Los cuadernos públicos procesan seis cámaras sincronizadas y cuatro fotogramas históricos por cámara; la documentación técnica contempla hasta siete cámaras para cubrir el frente, los laterales y la parte trasera.
Esa composición aclara una diferencia entre los primeros materiales y la ficha actual. Algunas publicaciones de mayo lo describieron como un modelo de 32 mil millones porque contaban el núcleo Cosmos. Nvidia ahora usa 34 mil millones para el conjunto que suma el razonador y el experto de acción de 2.3 mil millones.
Frente a una escena de conducción, Alpamayo 2 Super puede entregar cinco resultados conectados:
- Una trayectoria con 64 puntos futuros, desde 0.1 hasta 6.4 segundos, para describir el recorrido previsto.
- Un rastro de cadena de causalidad que explica por qué eligió esa maniobra a partir de lo observado.
- Una meta-acción de alto nivel, como ceder el paso, cambiar de carril, detenerse o acelerar.
- Etiquetas automáticas de razonamiento para convertir videos de flotas en material de entrenamiento y validación.
- Respuestas sobre la escena con localización 2D, de modo que el sistema señale en la imagen el vehículo, peatón u objeto al que se refiere.
Nvidia resume estas funciones en el video oficial del lanzamiento:
Meet Alpamayo 2 Super, now commercially available for robotaxis and autonomous vehicles.
— NVIDIA (@nvidia) August 4, 2026
Built for complex real-world driving, this open reasoning model adds 360° awareness, high-level driving decisions and automated reasoning labels.
We built it, so you can build on it. pic.twitter.com/OZBWtsu3FC
La ficha pública atribuye el entrenamiento a unas 115,000 horas de video multicámara y alrededor de 3.7 millones de rastros de cadena de causalidad. La familia Alpamayo, no solo esta versión, ya superó 500,000 descargas en Hugging Face, según Nvidia.
Los benchmarks de Nvidia necesitan una lectura más estrecha
El resultado que encabeza el anuncio es 79.2 puntos en LingoQA, una prueba de razonamiento para conducción. Nvidia coloca a Alpamayo 2 Super en el primer lugar entre 37 modelos evaluados y reporta estas diferencias con la métrica Lingo-Judge:
- 17.0 puntos sobre Qwen2.5-VL 72B.
- 15.1 puntos sobre Gemini 2.5 Pro.
- 23.2 puntos sobre GPT-4o.
La compañía también informa un error medio mínimo de trayectoria de 0.911 metros a 6.4 segundos y una puntuación de 1.50, con un margen de 0.13, en AlpaSim, su evaluación de circuito cerrado. En esta última, cada decisión modifica la escena siguiente, lo que permite detectar colisiones y errores acumulados que una grabación fija no revela.
Todos esos números proceden de evaluaciones publicadas por Nvidia, no de una auditoría independiente. Y la tabla técnica matiza el lenguaje promocional: en el Physical AI AV Reasoning Benchmark, Alpamayo 2 Super registra 0.433, mientras una referencia de GPT-5.5 aparece con 0.502. GPT-5.5 figura ahí como referencia de razonamiento y no como un modelo VLA evaluado en las columnas de trayectoria, por lo que la comparación tampoco decide cuál sistema manejaría mejor. Sí deja una frontera clara: el primer lugar depende de la tarea y de la métrica elegida.
La versión pública vive en una H100, no debajo del tablero
El acceso comercial resuelve el permiso, no el costo de cómputo. Nvidia validó la versión pública en una GPU H100 con 80 GB de memoria y Linux. En la configuración medida, el consumo máximo llegó a 72,115 MiB de memoria del dispositivo, cerca de 70.4 GiB. La ficha añade que otras arquitecturas de GPU todavía no han sido validadas.
El diseño previsto se parece a una relación entre maestro y alumno. Alpamayo 2 Super trabaja en la nube para generar razonamientos, etiquetas, datos sintéticos y ejemplos de conducción. Después, cada empresa puede destilar ese conocimiento en modelos más pequeños y optimizarlos para hardware vehicular como Nvidia DRIVE AGX Thor. El modelo grande enseña; la versión reducida es la que tendría que responder en tiempo real dentro del auto.
Incluso la descarga tiene un filtro operativo. El repositorio público indica que los desarrolladores necesitan una cuenta de Hugging Face con acceso aprobado a los pesos y al conjunto Physical AI Autonomous Vehicles. Estar disponible no equivale a abrir una página y conectar un robotaxi.
Las explicaciones de cadena de causalidad también tienen un límite. Ayudan a los ingenieros a revisar qué detectó el sistema y a separar fallos de percepción, razonamiento o acción, pero no prueban por sí mismas que la maniobra sea segura. Nvidia las integra con sus flujos Halos para apoyar validaciones alineadas con ISO/PAS 8800. Ese apoyo técnico no constituye una certificación del vehículo.
La licencia es global; la validación seguirá siendo local
La ficha de Hugging Face marca disponibilidad geográfica global y OpenMDW no impone restricciones territoriales. Un proveedor en México, España o cualquier país de América Latina puede partir de los mismos pesos sin negociar una licencia distinta. La homologación, las reglas de tránsito y las pruebas con datos locales siguen bajo las leyes y autoridades de cada mercado.
Hay otra tarea para los equipos de habla hispana: Nvidia señala que las anotaciones de cadena de causalidad del conjunto de entrenamiento están en inglés. Eso no impide usar el modelo, pero las empresas que necesiten explicaciones auditables en español deberán evaluar y adaptar esa capa, además de probar señales, calles y conductas propias de la región.
La reacción de Uber confirma interés comercial, aunque no agrega un despliegue concreto. Dara Khosrowshahi, CEO de la compañía, respondió al anuncio en X:
"Gran avance. Estoy muy emocionado de colaborar con Nvidia en esto", escribió Khosrowshahi.
Su publicación no identifica ciudades, vehículos, fechas ni qué parte de Alpamayo usará Uber. Por ahora, es una señal de alianza, no un calendario de robotaxis.
Preguntas rápidas sobre Alpamayo 2 Super
¿Alpamayo 2 Super puede usarse en productos comerciales?
Sí. Nvidia publicó los pesos bajo OpenMDW-1.1, una licencia gratuita que permite afinarlos, crear derivados y redistribuirlos comercialmente. El código de inferencia usa Apache 2.0. Los costos de infraestructura, las leyes aplicables y la validación de seguridad siguen a cargo de quien construya el producto.
¿Alpamayo 2 Super se instala directamente en un robotaxi?
La versión pública está orientada al desarrollo en la nube y Nvidia la probó en una H100 de 80 GB. La ruta propuesta consiste en usarla como modelo maestro y destilar su conocimiento en modelos más compactos, que luego pueden optimizarse para hardware dentro del vehículo como DRIVE AGX Thor.
¿Qué exige OpenMDW-1.1 al redistribuir el modelo?
Quien redistribuya cualquier parte de los materiales cubiertos, original o modificada, debe incluir una copia de OpenMDW-1.1 y conservar los avisos de autoría y procedencia aplicables. La licencia no exige publicar con la misma licencia los derivados ni impone condiciones sobre los resultados generados por el modelo.
El lanzamiento del 4 de agosto convierte la promesa de mayo en una ruta que otras empresas ya pueden usar y vender. El siguiente examen ocurre fuera de Hugging Face: reducir el modelo, validarlo con datos locales y demostrar que sus decisiones resisten el tráfico real.
