Компания Black Forest Labs представила FLUX 3 Action — модель с 7 миллиардами параметров для управления роботами. Система обучалась на изображениях, аудио и видео, причем видео составило более 95% токенов. Модель одновременно прогнозирует видеоряд и действия робота, используя дистилляцию для повышения скорости работы.
На бенчмарке RoboLab-120 модель показала результат 42,92%, опередив NVIDIA Cosmos 3 Nano на 6,1 процентного пункта при использовании на 56% меньшего количества параметров. В тестах на реальном оборудовании с манипулятором Franka модель успешно выполнила 28 из 30 задач, обойдя аналоги DreamZero и π0.5.
FLUX 3 Action интегрирована в библиотеку Hugging Face LeRobot и поддерживает работу на NVIDIA Jetson. Для запуска в формате BF16 на H200 требуется 32 ГБ видеопамяти, однако использование квантования FP8 позволяет запускать модель на картах с 24 ГБ памяти. Лицензия FLUX Kommunity запрещает коммерческое использование.
Тесты показали, что FLUX 3 Action работает в 1,52–3,95 раза быстрее Cosmos 3 Nano на различных GPU. В гибридной конфигурации с GPT 6 Astra модель решила 90% эпизодов при стоимости $8,77 за успех, тогда как чистая система Astra достигла 100% успеха при затратах $13,47 за эпизод.
