Black Forest Labs-ը ներկայացրել է FLUX 3 Action բաց ռոբոտային AI մոդելը

Black Forest Labs-ը թողարկել է FLUX 3 Action-ը՝ ռոբոտների կառավարման համար նախատեսված բաց կշիռներով AI մոդել։ Կշիռները հրապարակվել են Hugging Face-ում 2026 թվականի սեպտեմբերի 24-ին՝ տեխնիկական զեկույցի հետ միասին, որտեղ նկարագրված է մոդելի ուսուցման ընթացքը։

Ինչ է FLUX 3 Action-ը

Մոդելը հիմնված է բազմամոդալ FLUX 3-ի վրա, որը նախնական ուսուցում է անցել վիդեոյի, պատկերների և աուդիոյի մեծ հավաքածուներով՝ հիմնական շեշտը վիդեոյի վրա։ Սա այսպես կոչված world-action մոդել է. այն ստանում է ռոբոտի աշխատանքային տարածքի բազմակոմերային վիդեոն և հոդերի դիրքերը, ապա միաժամանակ կանխատեսում է գործակալի հաջորդ գործողությունը և այն, թե ինչպես կփոխվի միջավայրը դրա արդյունքում։ Ռոբոտը կատարում է կանխատեսված գործողությունների որոշակի քանակ, նորից զննում տեսարանը և վերապլանավորում է նոր դիտարկման հիման վրա։

Ռեկորդ՝ կիսով չափ չափով

RoboLab-120 ցանկում 7 միլիարդ պարամետրով միաքայլ մոդելը հասնում է 38,3% հաջողության, մինչդեռ նախորդ լավագույն բաց մոդելը՝ Cosmos 3 Nano-ն, կանգ է առնում 36,8%-ի վրա՝ ունենալով ավելի քան կրկնակի ավելի պարամետր։ Ուղղորդման թորումով տարբերակը ռեկորդը բարձրացնում է մինչև 42,2%։ BFL-ի տվյալներով՝ երկու տարբերակներն էլ FP8 ձևաչափով աշխատում են մինչև 3,95 անգամ ավելի արագ, քան Cosmos 3 Nano-ն, իսկ կանխատեսման հորիզոնը 2,13 վայրկյան շարժում է՝ Pi0.5 քաղաքականության մեկ վայրկյանի դիմաց։

Ինչու է արդյունավետությունը վճռորոշ

BFL-ի կարծիքով՝ մտածողության մոդելները լավ պլանավորում են, բայց ռոբոտների համար հաճախ չափազանց դանդաղ են ու ծանր, ուստի արդյունավետությունը կրիտիկական է տեղական տեղաբաշխման համար։ Զեկույցը թվերով է պատկերում դա. FLUX 3 Action-ը ռոբոտի շարժման յուրաքանչյուր վայրկյանի համար ծախսում է մոտ 21 միլիվայրկյան հաշվարկ, և H200 GPU-ում մեկ հաջող փորձը արժենում է մոտ 9 ցենտ, մինչդեռ միայն մտածողության վրա հիմնված մոտեցմանը պետք է մոտ 36 վայրկյան հաշվարկ և 13,47 դոլար մեկ հաջողության համար։ Արագ քաղաքականության և միայն անհրաժեշտության դեպքում միացող մտածողության մոդելի համատեղումը լուծում է դրվագների 90%-ը և իջեցնում է արժեքը մինչև 8,77 դոլար և ութ րոպե՝ մեկ դոլարի դիմաց մինչև 53,64%-ով ավելի հաջողություն։

Ռոբոտային ձեռքից այն կողմ

BFL-ը ներուժ է տեսնում նաև թվային միջավայրերում. վիդեոխաղերը ընկերության համար նավիգացիայի փորձադաշտ են, իսկ արագ արձագանքող գործակալները՝ քայլ դեպի համակարգիչը կառավարող լուծումներ։