Black Forest Labs-მა რობოტებისთვის ღია მოდელი FLUX 3 Action გამოუშვა

Black Forest Labs-მა 2026 წლის 24 სექტემბერს ღია მოდელი FLUX 3 Action წარადგინა. ის რობოტების მართვისთვისაა განკუთვნილი და მისი წონები Hugging Face-ზეა გამოქვეყნებული. კომპანიამ მოდელთან ერთად ტექნიკური ანგარიშიც გამოაქვეყნა, სადაც მისი აწყობისა და დახვეწის პროცესი დეტალურადაა აღწერილი.

რა არის FLUX 3 Action

მოდელი მრავალმოდალურ FLUX 3-ს ეფუძნება, რომელიც ვიდეოს, სურათებისა და აუდიოს მონაცემებზე იწვრთნებოდა — ძირითადი აქცენტი ვიდეოზეა. FLUX 3 Action ე.წ. world-action მოდელია: ის რობოტის სამუშაო სივრციდან მრავალკამერიან ვიდეოს და სახსრების პოზიციებს იღებს და ერთდროულად წინასწარ განსაზღვრავს, რა მოქმედება უნდა შეასრულოს აგენტმა შემდეგ და როგორ შეიცვლება გარემო ამის შედეგად. რობოტი დაგეგმილ მოქმედებათა გარკვეულ რაოდენობას ასრულებს, შემდეგ კვლავ ათვალიერებს სცენას და ახალი დაკვირვების მიხედვით გეგმას აახლებს.

რეკორდი ნახევარი ზომით

RoboLab-120-ის რეიტინგში 7 მილიარდი პარამეტრის მქონე ერთსაფეხურიანი მოდელი წარმატების 38,3%-ს აღწევს, მაშინ როცა წინა საუკეთესო ღია მოდელი Cosmos 3 Nano 36,8%-ზე ჩერდება და ორჯერ მეტი პარამეტრი აქვს. guidance distillation-ით დისტილირებული ვერსია რეკორდს 42,2%-მდე აწევს. BFL-ის თქმით, ორივე ვერსია FP8 სიზუსტით Cosmos 3 Nano-ზე 3,95-ჯერ სწრაფად მუშაობს, ხოლო წინასწარი განსაზღვრის ჰორიზონტი 2,13 წამია — Pi0.5-ს მხოლოდ ერთი წამი აქვს.

რატომ არის ეფექტურობა მნიშვნელოვანი

BFL-ის აზრით, მსჯელობის მოდელები კარგად გეგმავენ, მაგრამ რობოტებისთვის ხშირად ზედმეტად ნელი და მძიმეა, ამიტომ ეფექტურობა ადგილზე გაშვებისთვის კრიტიკულია. ანგარიშში ამის ციფრებიც მოჰყავთ: FLUX 3 Action რობოტის მოძრაობის ერთ წამზე დაახლოებით 21 მილიწამს ხარჯავს და H200 GPU-ზე ერთი წარმატებული ცდა დაახლოებით 9 ცენტი უჯდება, მაშინ როცა მხოლოდ მსჯელობაზე დაფუძნებულ მიდგომას 36 წამი და 13,47 დოლარი სჭირდება. სწრაფი პოლისისა და მსჯელობის მოდელის შერწყმა, რომელიც მხოლოდ საჭიროებისას ერთვება, ეპიზოდების 90%-ს წყვეტს და წარმატების ფასს 8,77 დოლარამდე ამცირებს — ერთ დოლარზე 53,64%-ით მეტი წარმატება.

რობოტის მიღმა

BFL-ის მიხედვით, იგივე შესაძლებლობა ციფრულ გარემოშიც გამოსადეგია. კომპანია ვიდეოთამაშებს ნავიგაციის სატესტო არხად იყენებს და სწრაფად რეაგირებად აგენტებს კომპიუტერის მართვის სისტემებისკენ გადადგმულ ნაბიჯად მიიჩნევს.