Nvidia Alpamayo 2 Super: 34-Milliarden-Modell schlägt GPT-4o um 23 Punkte

Nvidia bringt mit Alpamayo 2 Super ein 34-Milliarden-Parameter-KI-Modell für Robotaxis auf den Markt, das in Benchmarks führende Werte erzielt und als Lehrer-Modell für die Cloud dient.

Der Technologiekonzern Nvidia hat mit Alpamayo 2 Super ein neues offenes KI-Modell vorgestellt, das speziell für die Anforderungen des autonomen Fahrens und den Betrieb von Robotaxis entwickelt wurde. Das Modell umfasst 34 Milliarden Parameter und wird unter der OpenMDW-1.1-Lizenz bereitgestellt, was Unternehmen die kommerzielle Nutzung sowie die Weitergabe modifizierter Versionen erlaubt.

Spitzenwerte in Benchmark-Tests für visuelles Verständnis

In aktuellen Leistungsvergleichen konnte sich die Neuentwicklung unmittelbar an die Spitze setzen. Auf dem LingoQA-Benchmark erreichte Alpamayo 2 Super einen Wert von 79,2 Punkten. Damit übertrifft das Modell namhafte Konkurrenzprodukte deutlich: Der Vorsprung gegenüber Qwen2.5-VL 72B beträgt 17,0 Punkte, während Gemini 2.5 Pro um 15,1 Punkte und GPT-4o um 23,2 Punkte überboten wurden. Nvidia wies jedoch darauf hin, dass diese Ergebnisse auf unternehmenseigenen Tests basieren und bislang keine unabhängige Validierung vorliegt.

Das Modell zeichnet sich durch eine hybride Architektur aus. Es kombiniert einen sogenannten Cosmos 3 Super Reasoner mit 32 Milliarden Parametern für komplexe logische Herleitungen mit einem Action Expert, der über 2 Milliarden Parameter verfügt. Für das Training wurden etwa 115.000 Stunden Videomaterial sowie rund 3,7 Millionen Reasoning-Traces verwendet. Das System ist darauf ausgelegt, eine 360-Grad-Wahrnehmung unter Einbeziehung von bis zu sieben Kameras zu unterstützen.

Fokus auf komplexe Verkehrssituationen und Sicherheit

Im Vergleich zu den bisherigen 10B-Modellen der Alpamayo-Familie, die auf der Entwicklerplattform Hugging Face bereits über 500.000 Downloads verzeichnen, ist die neue Version dreimal so groß. Ein wesentlicher Schwerpunkt bei der Entwicklung lag auf der Bewältigung von seltenen Ereignissen im Straßenverkehr, sogenannten Long-Tail-Szenarien.

Das Modell generiert nicht nur Fahrtrajektorien und Meta-Aktionen, sondern erstellt auch kausale Begründungsketten, sogenannte Chain-of-Causation-Traces. Diese lassen sich in Sicherheits- und Industriestandards wie ISO/PAS 8800 integrieren. Konzernchef Jensen Huang betonte in diesem Zusammenhang, dass die Veröffentlichung von Alpamayo den Zeitpunkt markiere, an dem Fahrzeuge beginnen, sicher zu denken, anstatt lediglich zu fahren.

Anzeige

Während neue KI-Modelle die Fahrzeugsicherheit revolutionieren, entstehen durch die Vernetzung auch neue digitale Risiken. Dieser kostenlose Report klärt auf, welche rechtlichen Pflichten und Cyber-Bedrohungen Unternehmer jetzt kennen müssen. KI-Gesetze und Cyberrisiken: Kostenlosen Report sichern

Einsatz als Lehrer-Modell für die Cloud-Entwicklung

Trotz seiner Leistungsfähigkeit ist Alpamayo 2 Super nicht für den direkten Einsatz in Fahrzeugen vorgesehen. Es dient primär als Cloud-basiertes Lehrer-Modell. In dieser Funktion kann es hochpräzise Auto-Labels erstellen oder zur Destillation kleinerer, effizienterer Modelle genutzt werden, die anschließend ohne weitere Genehmigung in Fahrzeugen eingesetzt werden dürfen.

Für den Betrieb sind erhebliche Rechenressourcen erforderlich. Tests auf Nvidia H100-Systemen mit 80 GB Speicher zeigten einen Bedarf von etwa 72 GB (69,5 GiB) für die Inferenz. Entsprechende Notebooks für die Implementierung stellt das Unternehmen auf GitHub zur Verfügung.

Anzeige

Wer sich mit zukunftsweisenden Technologien befasst, muss auch die Sicherheit der zugrundeliegenden IT-Infrastruktur im Blick behalten. Erfahren Sie in diesem Gratis-E-Book, wie Sie Sicherheitslücken schließen und aktuelle gesetzliche Anforderungen proaktiv erfüllen. Gratis-E-Book: IT-Sicherheit im Unternehmen stärken

Flankiert wird die Einführung durch Kooperationen im Bereich der Qualitätssicherung. Der Anbieter Foretellix stellt eine Validierungslösung bereit, die bereits mit Alpamayo integriert ist. Dies gewinnt vor dem Hintergrund regulatorischer Anforderungen an Bedeutung: Die Richtlinie UNECE WP.29 R185 sieht vor, dass ab Januar 2027 eine umfassende Abdeckung des definierten Betriebsbereichs (Operational Design Domain) für automatisierte Fahrsysteme nachgewiesen werden muss.