A Black Forest Labs lançou o FLUX 3 Action, um Modelo de Ação Mundial (WAM) de pesos abertos com 7B de parâmetros para controle de robôs, que ocupa a primeira posição no ranking RoboLab-120 com uma taxa de sucesso de tarefa de 42,92%.

  • O modelo prevê quadros futuros de vídeo e ações do robô simultaneamente, lendo quadros da câmera, o estado do robô e instruções de texto.
  • Ele supera o Cosmos 3 Nano da NVIDIA em 6,1 pontos percentuais, enquanto utiliza 56% menos parâmetros.
  • A BFL oferece três receitas de checkpoints: Base, Guidance-distilled (1,8x a 2x mais rápido) e Step-distilled (até 4x mais rápido).
  • O modelo suporta ajuste fino via LoRA e está integrado ao Hugging Face LeRobot para implantação em borda no NVIDIA Jetson.
  • Avaliações em hardware real com um braço Franka mostraram que o FLUX 3 Action completou 93,3% das tentativas, superando os 90% do Cosmos 3 Nano.

O lançamento oferece uma solução implantável que equilibra a alta precisão dos modelos preditivos de vídeo com a velocidade dos modelos de visão-linguagem-ação.