✨︎ Resumen (TL;DR):
- Nvidia publicó el 4 de agosto de 2026 los pesos en Hugging Face bajo OpenMDW-1.1 y el código de inferencia en GitHub bajo Apache 2.0, con uso comercial.
- El modelo suma 34 mil millones de parámetros, visión de 360 grados y cinco salidas para trazar trayectorias, explicar decisiones 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 liberó el 4 de agosto de 2026 los pesos de Alpamayo 2 Super y su código de inferencia para uso comercial. El modelo de visión, lenguaje y acción tiene 34 mil millones de parámetros y apunta a robotaxis y vehículos autónomos. La apertura permite a armadoras, fabricantes de camiones y proveedores adaptar el sistema, pero la versión publicada todavía es una herramienta de desarrollo en la nube, no software listo para controlar un auto en la vía pública.
Nvidia alojó los pesos en Hugging Face bajo OpenMDW-1.1 y publicó el código de inferencia en GitHub con Apache 2.0. Armadoras, fabricantes de camiones y proveedores pueden adaptar el modelo, crear derivados y redistribuirlos comercialmente sin pedir otro permiso a Nvidia. La versión publicada todavía requiere reducción, pruebas y validación antes de que una implementación controle un vehículo en la vía pública.
La compañía había presentado Alpamayo 2 Super el 31 de mayo durante GTC Taipei y había prometido liberar los pesos y el código durante el verano. Dos meses después, cumplió ese tramo del calendario con la publicación del 4 de agosto. También extendió OpenMDW-1.1 a modelos anteriores de la familia, que habían debutado para investigación y desarrollo.
La disponibilidad comercial encaja con la estrategia documentada en julio: Nvidia busca vender a las armadoras una plataforma de cómputo, IA y simulación, en lugar de fabricar autos u operar por su cuenta una flota como Waymo.
OpenMDW-1.1 permite usar Alpamayo comercialmente
OpenMDW-1.1 es una licencia publicada por la Linux Foundation para distribuciones de machine learning que concede permiso gratuito, sin regalías y sin restricciones de campo o territorio sobre los materiales que el proveedor coloque bajo sus términos.
Para este lanzamiento, eso permite:
- Ejecutar, copiar y modificar los pesos publicados.
- Afinar el modelo con datos propios y crear versiones derivadas.
- Redistribuir materiales originales o modificados con fines comerciales.
- Usar, modificar o comercializar los resultados sin obligaciones impuestas por OpenMDW.
El permiso no elimina condiciones básicas. Quien redistribuya materiales originales o modificados debe conservar una copia de la licencia, además de los avisos originales de autoría y procedencia. OpenMDW-1.1 tampoco sustituye las leyes aplicables, las autorizaciones regulatorias ni los derechos de terceros sobre los datos que cada empresa incorpore.
Los pesos usan OpenMDW-1.1; el código usa Apache 2.0. OpenMDW gobierna los componentes distribuidos bajo sus términos, pero no obliga a Nvidia a publicar cada dato, herramienta o pieza usada durante el entrenamiento. Llamar a Alpamayo un modelo abierto describe los materiales liberados, no una reproducción completa del proceso.
El permiso comercial tampoco funciona como certificación. La ficha del modelo exige pruebas con datos del caso de uso, validación por componentes y del sistema completo, además del cumplimiento de las normas de seguridad aplicables. OpenMDW-1.1 abre el uso empresarial, no autoriza por sí misma la circulación de un robotaxi.
Cinco salidas para explicar una maniobra
Alpamayo 2 Super es un modelo de visión, lenguaje y acción (VLA) 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.
Está pensado para los casos menos frecuentes y más difíciles de recopilar, como zonas de construcción, peatones parcialmente ocultos, cruces con prioridad poco clara y objetos que irrumpen en el camino.
Su 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. Algunas publicaciones de mayo describieron el modelo como de 32 mil millones porque contaban solo el núcleo Cosmos.
La ficha actual cifra el experto en 2.3 mil millones y Nvidia presenta el conjunto como un modelo de 34 mil millones. La compañía aplicó aprendizaje por refuerzo después.
Los materiales de lanzamiento presentan una visión de 360 grados: los cuadernos públicos procesan seis cámaras sincronizadas y cuatro fotogramas históricos por cámara, mientras la documentación técnica contempla hasta siete cámaras para cubrir el frente, los laterales y la parte trasera.
Alpamayo puede entregar cinco resultados conectados:
- Trayectoria: 64 puntos futuros, de 0.1 a 6.4 segundos, para describir el recorrido previsto.
- Cadena de causalidad: un rastro que explica por qué eligió la maniobra a partir de lo observado.
- Meta-acción de alto nivel: ceder el paso, cambiar de carril, detenerse o acelerar.
- Etiquetas automáticas de razonamiento: convierten videos de flotas en material de entrenamiento y validación.
- Respuesta sobre la escena con localización 2D: señala en la imagen el vehículo, peatón u objeto al que se refiere.
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. Según Nvidia, la familia Alpamayo, no solo esta versión, ya superó 500,000 descargas en Hugging Face.
Los benchmarks dependen de la métrica
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 y reporta estas diferencias en Lingo-Judge:
- 17.0 puntos sobre Qwen2.5-VL 72B.
- 15.1 puntos sobre Gemini 2.5 Pro.
- 23.2 puntos sobre GPT-4o.
En su evaluación de circuito cerrado AlpaSim, Nvidia reporta 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 este entorno, cada decisión modifica la escena siguiente; así pueden detectarse colisiones y errores acumulados que una grabación fija no muestra.
Todos esos números provienen de evaluaciones publicadas por Nvidia, no de una auditoría independiente. La tabla técnica también pone un límite a la lectura del primer lugar: 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. Esa comparación no permite decidir qué sistema manejaría mejor un vehículo; el primer lugar depende de la tarea y de la métrica elegida.
La versión pública vive en una H100, no en el auto
Nvidia validó la versión pública en una GPU H100 de 80 GB con Linux. En la configuración medida, el consumo máximo llegó a 72,115 MiB de memoria del dispositivo, cerca de 70.4 GiB. Otras arquitecturas de GPU todavía no han sido validadas.
La licencia resuelve el permiso, no el costo de cómputo. El diseño previsto coloca a Alpamayo 2 Super en la nube para generar razonamientos, etiquetas, datos sintéticos y ejemplos de conducción. Después, las empresas pueden destilar ese conocimiento en modelos más pequeños y optimizarlos para hardware vehicular como Nvidia DRIVE AGX Thor.
En esa ruta, el modelo grande funciona como maestro y el reducido es el que tendría que responder en tiempo real dentro del auto. La versión pública, por tanto, no equivale a instalar el sistema directamente bajo el tablero.
El repositorio público de Hugging Face indica que los desarrolladores necesitan una cuenta 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 cadenas de causalidad ayudan a los ingenieros a revisar qué detectó el sistema y a separar fallas de percepción, razonamiento o acción. No prueban por sí mismas que una maniobra sea segura. Nvidia las integra con sus flujos Halos para apoyar validaciones alineadas con ISO/PAS 8800, pero ese apoyo técnico no certifica el vehículo.
La licencia es global; la validación, local
La ficha de Hugging Face marca disponibilidad geográfica global y OpenMDW no impone restricciones territoriales. Desde el punto de vista de la licencia, 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. La licencia no reemplaza esos procesos.
Hay una tarea adicional 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. También tendrán que probar señales, calles y conductas propias de cada región.
La reacción de Uber confirma interés comercial, aunque no agrega un despliegue concreto. Dara Khosrowshahi, CEO de Uber, 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 quedan a cargo de quien construya el producto.
¿Se instala directamente en un robotaxi?
No en su forma pública. Nvidia la orienta al desarrollo en la nube y 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 los derivados bajo los mismos términos ni impone condiciones sobre los resultados generados por el modelo.
El lanzamiento del 4 de agosto de 2026 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. Hasta entonces, Alpamayo 2 Super es una base comercial para desarrollar sistemas autónomos, no un software que por sí solo pueda conducir un robotaxi.
