Black Forest Labs 推出 FLUX 3 Action：70億參數開源機器人模型登上 RoboLab 榜首

打造 FLUX 影像模型的實驗室 Black Forest Labs 跨足機器人領域。據 MarkTechPost、The Decoder 與 GIGAZINE 報導，該公司推出 FLUX 3 Action，這是一款擁有70億參數、用於控制機器人的開放權重模型，權重已在 Hugging Face 上提供。

FLUX 3 Action 被該公司稱為「世界動作模型」（World Action Model）。這類模型會讀取攝影機畫面、機器人狀態與一段文字指令，接著同時預測下一刻的場景樣貌，以及機器人應執行哪些動作。據 The Decoder 報導，它衍生自該實驗室主要以影片訓練的多模態模型 FLUX 3。

基準測試結果顯示什麼

據 MarkTechPost 報導，在 RoboLab-120 排行榜上，FLUX 3 Action 以42.92%的任務成功率排名第一。該榜單包含在 Isaac Sim 中模擬的120項桌面任務，每項在 Franka 機械手臂上測試10次。它比先前最佳的開源模型、成功率36.8%的輝達 Cosmos 3 Nano 高出6.1個百分點，參數量卻少56%。實驗室針對推薦版本多次執行測得的平均成功率為42.24%，誤差正負0.36個百分點。

該媒體指出，結果在真實硬體上同樣成立。Positronic Robotics 在 Franka 機械手臂上進行盲測，共10項任務、每項嘗試3次：FLUX 3 Action 完成30次中的28次，Cosmos 3 Nano 為27次，DreamZero 為20次，速度較快的 π0.5 策略為13次。

• RoboLab-120（模擬）：FLUX 3 Action 為42.92%，Cosmos 3 Nano 為36.8%，π0.5 為28.0%。
• 真實機器人，Positronic Robotics 盲測：FLUX 3 Action 成功28/30，Cosmos 3 Nano 為27，DreamZero 為20，π0.5 為13。
• 速度：據 Black Forest Labs 表示，在 FP8 下最多比 Cosmos 3 Nano 快3.95倍。
• 每次呼叫輸出15赫茲下的32個動作，也就是2.13秒的動作；π0.5 每次呼叫為1秒。

它想解決的取捨

MarkTechPost 解釋，開源機器人策略通常迫使開發者二選一。像 Cosmos 3 Nano 這類預測影片的模型較準確但成本高：Black Forest Labs 在輝達 B200 晶片上測得，機器人每動作一秒，Cosmos 3 Nano 所需運算時間約為 π0.5 的4.7倍。π0.5 這類視覺-語言-動作模型速度快，但成功率較低。FLUX 3 Action 保留影片與動作的聯合預測，並以較小的網路與蒸餾技術縮小速度差距。

模型提供三個版本，每個版本有兩種數值精度：基礎版；快1.8至2倍、分數略高的版本；以及單步版本，快3.15至4倍，但成功率下降3.5至4.3個百分點。MarkTechPost 指出，在消費級顯示卡 RTX 5090 上，最快的版本仍比 π0.5 慢。

模型如何訓練

據 MarkTechPost 報導，FLUX 3 主幹網路預訓練所用的 token 中，影片占比超過95%。接下來的動作訓練把這些資料與動作對齊的影片混合，來源包括遊戲錄影、第一人稱的人手影片、手持夾爪，以及14種不同機器上的遙控機器人。預訓練很關鍵：只用機器人資料訓練時，模型在 RoboLab 上的成功率不到1%；加入預訓練後，在進一步訓練之前，同樣流程就達到11.6%。

Black Forest Labs 也把模型當作混合系統中「快」的一半來測試，由 OpenAI 的 GPT-6 Astra 擔任規劃者，可接受、修改或替換預測動作。該媒體報導，這個組合解決了90%的任務，每次成功花費8.77美元、約8分鐘；單獨以最高推理強度使用 Astra 雖然全部完成，但每次成功需13.47美元、超過16分鐘。

使用條件

據 MarkTechPost 與 GIGAZINE 報導，團隊可將模型調整給自己的機器人使用。實驗室公開了訓練方法，其中之一顯示，低成本機械手臂 SO-101 的取放技能約需200次示範即可學會；實驗室也與輝達合作，將模型原生整合到 Hugging Face 的 LeRobot 平台，並支援輝達 Jetson 開發板。主策略約需32GB顯示記憶體，降低精度後可在24GB顯示卡上執行。

有兩項限制值得注意。FLUX Kommunity 授權僅允許非商業用途。此外，模型輸出的關節目標沒有內建速度、力量或工作範圍限制，MarkTechPost 強調，這些必須由應用程式自行施加。據 The Decoder 與 GIGAZINE 報導，Black Forest Labs 也看好機器人以外的用途，例如電玩、車輛控制以及操作電腦的代理。

對台灣企業意味著什麼

對機器人新創、系統整合商與大學實驗室而言，FLUX 3 Action 提供了一個新的免費基準，可在自己的任務上與輝達模型比較，公開的訓練方法也降低試用成本。它並非可直接部署到產線的產品：授權禁止在沒有其他協議下商用，力量與速度的安全限制仍由整合商負責。對台灣的機械手臂、工業電腦與邊緣運算業者來說，模型支援 Jetson 等邊緣平台值得留意，但在交付客戶前，仍應預留工程投入並先談妥商業授權。