极欧互联
GEO资讯

FLUX 3 Action开源，机器人有了轻量世界模型

发布于 2026/9/26 15 次阅读
FLUX 3 Action开源，机器人有了轻量世界模型

9月23日，图像模型公司跨进机器人

9月23日，德国公司Black Forest Labs发布并开源了FLUX 3 Action，一个70亿参数的世界动作模型（World Action Model），专门用于机器人控制。这家公司因FLUX图像生成系列为业界所知，这次把同一套多模态骨干用到了新领域：模型读取多路相机画面、机器人自身状态和一条文字指令，然后同时预测未来的视频画面与下一组动作。官方说明与DataNorth、AI and Tech News等媒体报道了这次发布。

怎么做到又小又快

按官方技术报告，FLUX 3 Action的预训练以视频为主体，视频数据占训练词元的95%以上，再通过联合视频-动作训练适配到具体机器人本体。每次推理输出32个动作，按每秒15次指令的频率折算约2.13秒的运动量，在B200显卡上单块动作耗时约41毫秒。开源权重分为base、so101、droid三个版本，覆盖通用场景、低成本机械臂与DROID数据集，已放在Hugging Face上。

榜单成绩与真实机械臂表现

在NVIDIA的RoboLab-120仿真基准上，FLUX 3 Action以42.92%的任务成功率排在开源模型前列（厂商自报口径；其多种子均值为42.24%±0.36），超过160亿参数的Cosmos 3 Nano的36.8%，也高于π0.5的28.0%，而参数量只有对方的一半不到，速度快至3.95倍。真机测试方面，Positronic Robotics在一台Franka机械臂上做了30次盲测尝试，完成28次，成功率达93.3%——这一数字同样来自厂商口径，任务清单未逐项公开，参考时需留出余地。

开源不等于随便商用

两个细节值得注意。其一，模型采用新的FLUX Kommunity License，非商业使用免费，但商业条款尚未公布，想拿它做产品的团队暂时还无法评估成本。其二，官方只与开源模型做了对比，没有与闭源系统同台比较，"开源领先"不等于"全场领先"。此外，模型输出的是原始关节控制量，官方明确提示需要自行加装安全层。对打算跟进的团队，建议先在仿真环境里复测榜单成绩，再决定是否投入真机调试。

企业视角：具身智能的内容窗口

对机器人与自动化产业链上的企业，这类开源模型是实打实的基础设施：7B参数意味着消费级与工作站显卡就能跑，微调大约需要200条演示数据，验证门槛明显低于以往。企业与其观望，不如尽早把自家设备的接口说明、能力边界与案例数据整理成机器可读的结构化内容——具身智能生态的检索需求正在形成，谁的技术文档先被AI大模型准确引用，谁就在新一轮AI搜索里拿到先手。具体可以从产品参数页、常见问题与售后文档三块做起，逐步形成可被检索引用的资料体系。这也是GEO优化在硬件行业的机会点，极欧互联建议相关企业提前布局。

趋势研判：从数字界面走向物理世界

世界动作模型路线的核心，是让机器先"想象"再行动：预测画面就是预测后果。官方还提到，游戏环境可以作为导航能力的试验场，下一步指向对延迟敏感的computer-use智能体。可以预期，随着开源权重、小参数化与本地部署的组合成熟，智能体会同时涌向数字界面与物理世界，企业内容面对的"机器读者"种类只会更多。

信息来源

返回文章列表
4001179166 获取诊断报告