中文简介
nvidia/Alpamayo-1.5-10B 是 nvidia 在 Hugging Face 发布的模型仓库,当前卡片主要关联机器人任务。本站固定记录上游版本 22c33224a78a,同步到 10 个文件,文件元数据合计 20.64 GB;访问状态为“公开”,许可证字段为“other”。
上游模型卡 / 数据集卡
【README 卡片中文译介】
以下内容依据上游仓库 nvidia/Alpamayo-1.5-10B 的固定版本 README、卡片字段和文件元数据进行中文结构化整理。它保留便于选型的关键信息,完整技术细节、代码示例和许可文本请同时查看上游原文。
【资源概览】
nvidia/Alpamayo-1.5-10B 是 nvidia 在 Hugging Face 发布的模型仓库,当前卡片主要关联机器人任务。本站固定记录上游版本 22c33224a78a,同步到 10 个文件,文件元数据合计 20.64 GB;访问状态为“公开”,许可证字段为“other”。
【适用方向】
适合评估具身智能、机器人学习、自动驾驶或强化学习研究流程。 建议先用小规模样本验证推理框架、输入输出格式和任务指标,再决定是否进入完整权重获取、量化或部署评估。
【版本与规格】
固定版本:22c33224a78a。 任务标签:机器人任务。 语言字段:en。 架构:Alpamayo1_5。 上游 Safetensors 元数据显示参数量约 11.08 B。 模型类型字段:alpamayo1_5。 上游标注的基础模型:nvidia/Cosmos-Reason2-8B。 上游页面记录的最近更新时间:2026-07-21。
【文件信息】
上游 API 返回 10 个文件,文件元数据合计 20.64 GB。 已保存文件清单中的主要扩展名:.safetensors 5 个、.json 2 个、无扩展名 2 个、.md 1 个。 当前较大的文件包括:model-00003-of-00005.safetensors(4.64 GB);model-00004-of-00005.safetensors(4.64 GB);model-00001-of-00005.safetensors(4.59 GB)。
【运行或处理环境】
仓库文件元数据合计 20.64 GB。 按每参数 2 字节只计算 BF16 权重,理论下限约 20.64 GB;这不包含 KV Cache、激活值、框架开销或并发余量。 实际显存与内存由精度、量化方式、上下文长度、批量、并发、MoE 专家加载方式和推理框架共同决定,不能只凭参数名或仓库大小作部署承诺;应在目标格式和目标硬件上实测。
【使用边界】
许可证显示为“other”,具体用途限制、附加政策和归属要求仍以上游原文为准。 模型输出、工具调用和生成内容可能出现错误、偏见或安全风险,面向业务前应建立任务级评测、权限隔离和人工确认。
Alpamayo 1.5 Alpamayo** | **Code** Model Overview Description: Alpamayo 1.5 is a significant update to NVIDIA’s open 10B-parameter chain-of-thought reasoning VLA model, designed to be an interactive and steerable reasoning engine for the AV community. Alpamayo 1.5 is built on the Cosmos-Reason2 VLM backbone, is RL post-trained, and introduces support for navigation guidance, flexible camera counts, and user question answering. This model is ready for non-commercial use. Commercial licensing available upon request. License: The model weights are released under a non-commercial license. The inference code is released under the Apache 2.0 license. Deployment Geography: Global Use Case: Researchers and autonomous-driving practitioners who are developing and evaluating VLA models for autonomous-driving scenarios, particularly for handling rare, long-tail events. Release Date: Hugging Face 03/19/2026 via https://huggingface.co/nvidia/Alpamayo-1.5-10B Inference Code: GitHub: https://github.com/NVlabs/alpamayo1.5 Model Architecture: Architecture Type:** Transformer Network Architecture:** A VLA model based on Cosmos-Reason2 and featuring a diffusion-based trajectory decoder. This model was developed based on:** Cosmos-Reason2 (VLM backbone) with a diffusion-based action decoder Number of model parameters:** Backbone: 8.2B parameters Action Expert: 2.3B parameters Input(s): Input Type(s):** Image/Video, Text, Egomotion History Input Format(s):** Image: Red, Green, Blue (RGB) Text: String Egomotion History: Floating-point values `(x, y, z), R_rot` Input Parameters:** Image: Two-dimensional (2D), multi-camera, multi-timestep Text: One-dimensional (1D) Egomotion History: Three-dimensional (3D) translation and nine-dimensional (9D, 3x3) rotation, multi-timestep Other Properties Related to Input:** Multi-camera images (4 cameras by default: front-wide, front-tele, cross-left, cross-right) with 0.4 second history window at 10Hz (4 frames per camera), image resolution 1080x1920 pix
适用场景
适合评估具身智能、机器人学习、自动驾驶或强化学习研究流程。 建议先用小规模样本验证推理框架、输入输出格式和任务指标,再决定是否进入完整权重获取、量化或部署评估。
模型参数
固定版本:22c33224a78a。 任务标签:机器人任务。 语言字段:en。 架构:Alpamayo1_5。 上游 Safetensors 元数据显示参数量约 11.08 B。 模型类型字段:alpamayo1_5。 上游标注的基础模型:nvidia/Cosmos-Reason2-8B。 上游页面记录的最近更新时间:2026-07-21。
文件说明
上游 API 返回 10 个文件,文件元数据合计 20.64 GB。 已保存文件清单中的主要扩展名:.safetensors 5 个、.json 2 个、无扩展名 2 个、.md 1 个。 当前较大的文件包括:model-00003-of-00005.safetensors(4.64 GB);model-00004-of-00005.safetensors(4.64 GB);model-00001-of-00005.safetensors(4.59 GB)。
上游文件元数据
.gitattributes1.48 KBconfig.json2.99 KBLICENSE4.11 KBmodel-00001-of-00005.safetensors4.59 GBmodel-00002-of-00005.safetensors4.58 GBmodel-00003-of-00005.safetensors4.64 GBmodel-00004-of-00005.safetensors4.64 GBmodel-00005-of-00005.safetensors2.19 GBmodel.safetensors.index.json102.32 KBREADME.md10.17 KB
硬件建议
仓库文件元数据合计 20.64 GB。 按每参数 2 字节只计算 BF16 权重,理论下限约 20.64 GB;这不包含 KV Cache、激活值、框架开销或并发余量。 实际显存与内存由精度、量化方式、上下文长度、批量、并发、MoE 专家加载方式和推理框架共同决定,不能只凭参数名或仓库大小作部署承诺;应在目标格式和目标硬件上实测。
注意事项
许可证显示为“other”,具体用途限制、附加政策和归属要求仍以上游原文为准。 模型输出、工具调用和生成内容可能出现错误、偏见或安全风险,面向业务前应建立任务级评测、权限隔离和人工确认。
获取、校验与交付
咨询此资源时只需发送本页链接或资源准确全称。橙子AI科技会继续核对版本、文件与类型、README资料卡、许可证和访问条件,并在合法访问权限、许可证及平台规则允许的前提下,协助海内外下载、完整性校验及网盘或硬盘交付;本官网本身不托管或下载资源文件。
- 大模型获取与国内转存服务
- 大模型怎么下载:Hugging Face 官方方式与国内交付完整指南
- 国内下载 Hugging Face 模型很慢或经常中断怎么办
- DeepSeek、ChatGPT、豆包、Kimi 能否下载到本地
本页面为橙子AI科技基于固定版本上游卡片整理的中文信息与服务说明,不代表资源作者或平台官方页面。实际许可、访问和使用条件以上游原文为准。