Black Forest Labs выпустила FLUX 3 Action, открытую модель ИИ для роботов
Компания Black Forest Labs (BFL) выпустила FLUX 3 Action, открытую ИИ-модель для робототехники, построенную на базе мультимодальной модели FLUX 3, которая обучалась в основном на видео, а также на изображениях и аудио. Веса FLUX 3 Action выложены в открытый доступ на Hugging Face.
FLUX 3 Action относится к классу так называемых world-action моделей (моделей «мира и действия»): она принимает видеопотоки с нескольких камер рабочей зоны робота и предсказывает, какое действие должен выполнить агент дальше и как в результате изменится окружение.
По данным BFL, на лидерборде RoboLab-120 модель установила рекорд по доле успешных выполнений задач, при этом имея всего семь миллиардов параметров, это меньше половины размера предыдущей лучшей открытой модели, а работает FLUX 3 Action при этом до 3,95 раза быстрее.
В BFL отмечают, что крупные reasoning-модели (модели с развёрнутым рассуждением) неплохо справляются с планированием, но часто оказываются слишком медленными и громоздкими для роботов, поэтому подобная эффективность критична для запуска моделей прямо на устройстве, без облачных вычислений. Компания также видит потенциал применения таких моделей в цифровых средах: видеоигры могут служить полигоном для отработки навигации, а в перспективе, и для быстро реагирующих агентов, управляющих компьютером.
Ключевые факты
- Black Forest Labs выпустила FLUX 3 Action, открытую модель ИИ для робототехники на базе мультимодальной FLUX 3.
- Модель предсказывает следующее действие робота и изменения среды по видео с нескольких камер рабочей зоны.
- На лидерборде RoboLab-120 модель с 7 млрд параметров установила рекорд успешности, будучи менее чем вдвое компактнее и до 3,95 раза быстрее предыдущей лучшей открытой модели.
- BFL объясняет ставку на эффективность тем, что крупные reasoning-модели слишком медленны и громоздки для развёртывания прямо на роботе.
- Веса модели выложены в открытый доступ на Hugging Face.
Почему это важно
FLUX 3 Action показывает, что для практической робототехники не обязательно наращивать масштаб reasoning-моделей, рекордной эффективности можно добиться компактной специализированной моделью, а это ключ к запуску ИИ прямо на роботе без облака.
Кому это важно
Разработчикам робототехнических систем и исследователям, которым нужны компактные модели для управления роботами на устройстве, а также командам, работающим над агентами для видеоигр и других цифровых сред.
Как это применить
Веса FLUX 3 Action доступны на Hugging Face и могут использоваться как основа для систем управления роботом по видеопотоку с нескольких камер; сведений о цене, лицензии или дате релиза источник не приводит.
Можно ли доверять
Источник, техническое издание The Decoder, но все цифры и заявление о рекорде на RoboLab-120 приведены со ссылкой на саму Black Forest Labs, независимого подтверждения нет; название «предыдущей лучшей открытой модели» не раскрывается.
Риски и подводные камни
Оценки эффективности и рекорд на лидерборде исходят от самого разработчика модели, что не исключает предвзятости в подаче результатов; неясно, насколько показатели RoboLab-120 переносятся на реальные условия эксплуатации роботов, а имя модели-конкурента и дата релиза остаются неизвестными.
«Крупные reasoning-модели умеют хорошо планировать, но зачастую слишком медленны и громоздки для роботов, что делает такую эффективность критичной для развёртывания на устройстве.»
— Black Forest Labs