Black Forest Labs випустила відкриту модель для роботів FLUX 3 Action

Black Forest Labs випустила FLUX 3 Action — відкриту AI-модель для керування роботами. Ваги опубліковано на Hugging Face 24 вересня 2026 року разом із технічним звітом, де описано процес навчання й донавчання моделі.

Модель дій на базі FLUX 3

FLUX 3 Action походить від мультимодальної моделі FLUX 3, яку попередньо навчали на великому масиві відео, зображень і аудіо з акцентом на відео. Це так звана world-action model: вона отримує відео з кількох камер робочого простору та позиції суглобів робота й одночасно передбачає, яку дію агент має виконати далі та як унаслідок цього зміниться середовище. Робот виконує задану кількість передбачених дій, знову оглядає сцену й переплановує дії за новим спостереженням.

Рекорд за половини розміру

У рейтингу RoboLab-120 одноступенева версія на 7 мільярдів параметрів досягає 38,3% успішних спроб проти 36,8% у Cosmos 3 Nano — попередньої найкращої відкритої моделі, яка має понад удвічі більше параметрів. Варіант із дистиляцією керування піднімає рекорд до 42,2%. За словами BFL, обидві версії працюють до 3,95 раза швидше за Cosmos 3 Nano у FP8 на споживчих, робочих і серверних GPU, а горизонт передбачення сягає 2,13 секунди руху проти однієї секунди в політики Pi0.5.

Чому ефективність вирішує

BFL зазначає, що фронтирні моделі міркування добре планують, але часто надто повільні й громіздкі для роботів, тож ефективність критична для локального розгортання. У звіті це підкріплено цифрами: FLUX 3 Action витрачає близько 21 мілісекунди обчислень на секунду руху робота і коштує приблизно 9 центів за успішний прогін на GPU H200, тоді як підхід лише з міркуванням потребує близько 36 секунд обчислень на секунду руху та 13,47 долара за успіх. Поєднання швидкої політики з моделлю міркування, яка втручається лише за потреби, розв'язує 90% епізодів і знижує вартість до 8,77 долара та восьми хвилин на успіх — до 53,64% більше успіхів на долар, ніж у найкращої альтернативної конфігурації.

Поза роботою

BFL бачить потенціал і в цифрових середовищах: відеоігри слугують для компанії полігоном для навігації, а швидкі агенти — кроком до систем, що керують комп'ютером.