Black Forest Labs выпустила FLUX 3 Action, 7-миллиардную модель действий мира (WAM) с открытыми весами для управления роботами, которая заняла первое место в таблице лидеров RoboLab-120 со средним показателем успешности задач 42,92%.

  • Модель совместно предсказывает будущие кадры видео и действия робота, анализируя кадры с камеры, состояние робота и текстовые инструкции.
  • Она превосходит NVIDIA Cosmos 3 Nano на 6,1 процентного пункта, используя на 56% меньше параметров.
  • BFL предоставляет три варианта контрольных точек: Base, Guidance-distilled (в 1,8–2 раза быстрее) и Step-distilled (до 4 раз быстрее).
  • Модель поддерживает дообучение через LoRA и интегрирована в Hugging Face LeRobot для развертывания на периферийных устройствах NVIDIA Jetson.
  • Реальные аппаратные тесты на манипуляторе Franka показали, что FLUX 3 Action выполнила 93,3% попыток, превзойдя результат Cosmos 3 Nano в 90%.

Выпуск предлагает готовое к развертыванию решение, которое балансирует между высокой точностью видео-предиктивных моделей и скоростью моделей «зрение-язык-действие».