Nvidia lança Alpamayo 2 Edge, modelo de direção autônoma com 2 bilhões de parâmetros que só explica suas decisões quando necessário

A Nvidia lançou em 10 de novembro de 2026 o Alpamayo 2 Edge, um modelo de direção autônoma do tipo visão-linguagem-ação com cerca de 2 bilhões de parâmetros, projetado para rodar diretamente no veículo, no chip DRIVE AGX Thor. Ele analisa seis câmeras, planeja a trajetória para os 6,4 segundos seguintes e, quando a situação justifica, redige uma explicação sobre sua decisão. Os pesos estão disponíveis para download no Hugging Face sob a licença OpenMDW-1.1, uma licença permissiva que não proíbe o uso comercial, e o código está sob a Apache 2.0.

Explicar apenas quando for útil

Modelos de condução “que raciocinam” têm um ponto fraco dentro do carro: redigir uma explicação consome tempo e poder computacional, enquanto o cálculo da trajetória precisa ocorrer várias vezes por segundo. A resposta da Nvidia é o raciocínio adaptativo. Em uma via sem dificuldades, o modelo emite um token especial no lugar do raciocínio e avança diretamente para a trajetória. Diante de um pedestre, de um ônibus vindo no sentido contrário ou de um agente de trânsito, ele produz um raciocínio “Chain-of-Causation”, que conecta a decisão tomada aos elementos causais da cena.

O modelo foi destilado a partir de sua versão maior, o Alpamayo 2 Super, responsável por gerar os raciocínios que serviram de exemplo. A Nvidia o treinou em seguida por aprendizado por reforço em malha fechada em seu simulador AlpaGym, no qual o modelo sofre o impacto de suas próprias escolhas. De acordo com o artigo técnico, essa etapa proporciona uma melhora de 48,9% no desempenho de condução em relação ao melhor checkpoint que não passou pelo procedimento.

160 a 190 ms no carro, 16 GB no PC

Baixado diretamente, em BF16, o modelo roda em PyTorch em uma GPU Nvidia: a documentação técnica registra um pico de 12 GiB de memória em uma H100 e recomenda ao menos 16 GB. Para a operação embarcada em tempo real, a Nvidia fornece uma receita (calibração FP8, motores TensorRT, decodificação especulativa DFlash2) que assegura uma latência de 160 a 190 ms entre a captura da imagem e a definição da trajetória no DRIVE AGX Thor, a depender da extensão do raciocínio. O modelo também é capaz de responder a perguntas abertas sobre uma cena de trânsito.

Paralelamente, a Nvidia disponibilizou o AlpaJudge, modelo desenvolvido para avaliar a qualidade do raciocínio de condução e calibrado com base em avaliações humanas. A ferramenta serve para mensurar o modelo, filtrar dados de treinamento e oferecer um sinal de recompensa durante o pós-treinamento.

O que ainda precisa ser verificado

Os indicadores de desempenho vêm da própria Nvidia. A ficha relata uma média de 15,15 km percorridos entre incidentes com culpa (saídas de pista ou colisões) em 875 cenários simulados, e a publicação afirma que o resultado é cerca de 40 vezes superior ao do Qwen-Drive-1.0, modelo de 4 bilhões de parâmetros, nos testes com o simulador AlpaSim da Nvidia. Esses dados foram obtidos exclusivamente em ambiente simulado e com métricas proprietárias da desenvolvedora, sem atestar a segurança em vias públicas abertas. Os depoimentos de parceiros comerciais (PORT, Niulinx, Embedl) são fundamentados em avaliações internas não publicadas. Além disso, os exemplos fornecidos no repositório dependem da base de dados PhysicalAI-AV da Nvidia, sujeita a termos próprios de acesso.