Black Forest Labs发布FLUX 3 Action：70亿参数开源机器人模型登顶RoboLab

打造FLUX图像模型的实验室Black Forest Labs进军机器人领域。据MarkTechPost、The Decoder和GIGAZINE报道，该公司发布了FLUX 3 Action，这是一个拥有70亿参数、用于控制机器人的开放权重模型，权重已在Hugging Face上提供。

FLUX 3 Action被该公司称为“世界动作模型”（World Action Model）。这类模型会读取摄像头画面、机器人状态和一条文字指令，然后同时预测接下来片刻场景会变成什么样，以及机器人应当执行哪些动作。据The Decoder报道，它源自该实验室主要以视频训练的多模态模型FLUX 3。

基准测试结果说明了什么

据MarkTechPost报道，在RoboLab-120排行榜上，FLUX 3 Action以42.92%的任务成功率排名第一。该榜单包含在Isaac Sim中模拟的120项桌面任务，每项在Franka机械臂上试验10次。它比此前最好的开源模型、成功率36.8%的英伟达Cosmos 3 Nano高出6.1个百分点，而参数量少56%。实验室对其推荐版本多次运行测得的平均成功率为42.24%，误差为正负0.36个百分点。

该媒体称，这一结果在真实硬件上同样成立。Positronic Robotics在Franka机械臂上进行了盲测，共10项任务、每项尝试3次：FLUX 3 Action完成了30次中的28次，Cosmos 3 Nano为27次，DreamZero为20次，速度较快的π0.5策略为13次。

• RoboLab-120（模拟）：FLUX 3 Action为42.92%，Cosmos 3 Nano为36.8%，π0.5为28.0%。
• 真实机器人，Positronic Robotics盲测：FLUX 3 Action成功28/30，Cosmos 3 Nano为27，DreamZero为20，π0.5为13。
• 速度：据Black Forest Labs称，在FP8精度下最高比Cosmos 3 Nano快3.95倍。
• 每次调用输出15赫兹下的32个动作，即2.13秒的运动；π0.5每次调用为1秒。

它想解决的取舍

MarkTechPost解释说，开源机器人策略通常要求在两者之间做选择。像Cosmos 3 Nano这样预测视频的模型更准确但成本高：Black Forest Labs在英伟达B200芯片上测得，机器人每运动一秒，Cosmos 3 Nano所需的计算时间约为π0.5的4.7倍。π0.5这类视觉-语言-动作模型速度快，但成功率较低。FLUX 3 Action保留了视频和动作的联合预测，并借助更小的网络和蒸馏技术缩小速度差距。

该模型提供三个版本，每个版本有两种数值精度：基础版；速度快1.8至2倍、得分略高的版本；以及单步版本，速度快3.15至4倍，但成功率下降3.5至4.3个百分点。MarkTechPost指出，在消费级显卡RTX 5090上，最快的版本仍比π0.5慢。

模型如何训练

据MarkTechPost报道，FLUX 3主干网络预训练所用的token中，视频占比超过95%。随后的动作训练把这些数据与和动作对齐的视频混合，来源包括游戏录像、人手的第一人称视频、手持夹爪以及14种不同机器上的遥操作机器人。预训练至关重要：只用机器人数据训练时，模型在RoboLab上的成功率不到1%；加入预训练后，在进一步训练之前，同样的流程就达到了11.6%。

Black Forest Labs还把该模型作为混合系统中“快”的一半进行了测试，由OpenAI的GPT-6 Astra担任规划者，可以接受、修改或替换预测的动作。该媒体报道，这一组合解决了90%的任务，每次成功花费8.77美元、约8分钟；而单独使用最高推理强度的Astra虽然全部完成，但每次成功需13.47美元、超过16分钟。

使用条件

据MarkTechPost和GIGAZINE报道，团队可以把模型适配到自己的机器人上。实验室公布了训练方案，其中一个显示，低成本机械臂SO-101的抓取放置技能约需200次示范即可学会；实验室还与英伟达合作，把模型原生集成到Hugging Face的LeRobot平台，并支持英伟达Jetson开发板。主策略需要约32GB显存，降低精度后可在24GB显卡上运行。

有两点限制值得注意。FLUX Kommunity许可仅允许非商业用途。此外，模型输出的关节目标没有内置的速度、力度或工作空间限制，MarkTechPost强调，这些必须由应用程序自行施加。据The Decoder和GIGAZINE报道，Black Forest Labs还看到了机器人以外的用途，比如电子游戏、车辆控制以及操作电脑的智能体。

对中国企业意味着什么

对机器人初创公司、系统集成商和高校实验室来说，FLUX 3 Action提供了一个新的免费基准，可以在自己的任务上与英伟达的模型进行对比，公开的训练方案也降低了试用成本。它并不是可以直接部署到生产线上的产品：许可禁止在没有其他协议的情况下商用，力度和速度方面的安全限制仍由集成商负责。国内具身智能企业若打算用它做对比或二次开发，应预留相应的工程投入，并在向客户部署之前先谈妥商业许可。