Nvidia heeft Alpamayo 2 Edge gepubliceerd, een compact redenerend visie‑taal‑actie (VLA) model bedoeld voor realtime planning en verklaring aan boord van voertuigen. De ontwikkelaarsblog waarin het model werd aangekondigd, werd geplaatst op 10 nov 2026; Nvidia omschrijft Alpamayo 2 Edge als een "adaptief redenerend" model dat causale verklaringen alleen genereert wanneer dat nodig is en is geoptimaliseerd om te draaien op het DRIVE AGX Thor‑platform van het bedrijf, met pixel‑to‑trajectory inferentie‑latenties van ongeveer 160–190 ms afhankelijk van de redeneringsbelasting.

Wat Nvidia heeft uitgebracht

Hugging Face host de modelcard en gewichten (uitgebracht 11 nov 2026), waarin Alpamayo 2 Edge wordt vermeld als ongeveer een 2 miljard‑parameter model gebouwd op een Nemotron‑gebaseerde Cosmos 3 Edge‑backbone en een 0,2B parameter actie‑expert. Nvidia publiceert de gewichten onder de OpenMDW‑1.1‑licentie en de broncode onder Apache‑2.0 om onderzoek en fijnslijpen voor inzet aan te moedigen. Het model werd nageschoold met closed‑loop reinforcement learning in Nvidia’s AlpaGym; Nvidia meldt een verbetering van 48,9% in closed‑loop rijaanspreekbaarheid door die natrainingstap.

Buiten de laboratoriumcijfers experimenteren marktspelers al. Het Japanse Tier IV zei op 11 nov dat het Alpamayo evalueert en het model integreert met Autoware voor end‑to‑end stacks — een openbaar voorbeeld van hoe een softwareleverancier Nvidia’s gewichten kan aanpassen aan voertuigsoftwareplatforms. Die vroege integratie toont een praktische route van modelpublicatie naar leveranciers‑testbeds en veldproeven.

Hoe het model bedoeld is te draaien

De ontwikkelaarspost van Nvidia legt de technische aanpak uit die redeneren compact genoeg maakt voor aan boord gebruik: adaptief redeneren (waarbij redeneringstokens alleen worden geproduceerd wanneer zinvol), speculatieve decodering, FP8‑kwantisatie en TensorRT‑Edge‑LLM engine builds gericht op DRIVE AGX Thor. De blog beschrijft ook AlpaJudge, een door mensen gekalibreerd evaluatiemodel dat Nvidia gebruikt om waardevollere trainingsdata te selecteren en om redeneringssporen te belonen tijdens RL‑fijnslijpen.

Wat dit betekent voor de markt

Voor Centraal‑ en Oost‑Europa is de directe impact praktisch: veel OEM’s en tier‑one leveranciers in de regio werken al aan DRIVE‑klasse rekenstacken of integreren Nvidia‑silicon in ADAS‑ en cockpitprojecten. Een openbaar beschikbaar, edge‑klaar redeneringsmodel verlaagt de inspanning die nodig is om geavanceerde planning‑ en uitlegbaarheidsfuncties te prototypen, en verkort het traject van simulatie naar voertuigtests voor bedrijven van Praag tot Poznań en Bratislava tot Boedapest. De modelcard en deployment‑recept betekenen dat kleinere leveranciers kunnen fijnslijpen op vlootdata zonder een volledig foundation‑model vanaf nul te bouwen, wat pilotprogramma’s en softwarevalidatiecycli in de CEE‑leveranciersketens mogelijk kan versnellen.

Dat gezegd hebbende zijn de benchmarks die Nvidia publiceert intern en simulatie‑gebaseerd; de verklaring van Tier IV toont industriële adoptie maar staat niet gelijk aan productie‑veiligheidsgoedkeuringen. OEM’s en leveranciers moeten het gedrag nog valideren ten opzichte van UNECE‑ en EU‑conformiteitsregimes en real‑world V&V uitvoeren voordat opschaling naar klantvoertuigen plaatsvindt.

Direct beschikbare voertuigen op WorldTrader24 →

Bronnen: NVIDIA Developer Blog, Hugging Face, TIER IV