Black Forest Labs 发布 FLUX 3 Action：一个 7B 开放权重世界动作模型，登顶 RoboLab-120

📌 One-Sentence Summary

Black Forest Labs 发布 FLUX 3 Action，一个 7B 开放权重世界动作模型，以 42.92% 的成功率登顶 RoboLab-120 排行榜，同时相比 Cosmos 3 Nano 等更大模型具备显著的速度优势。

📝 Summary

Black Forest Labs 推出了 FLUX 3 Action，一个 70 亿参数的开放权重世界动作模型（WAM），专为机器人控制设计。通过从摄像头输入和文本指令中联合预测未来视频帧和动作块，它在 RoboLab-120 基准测试上取得了最先进的性能（42.92%），尽管参数比 NVIDIA 的 Cosmos 3 Nano 少 56%，却领先 6.1 个百分点。该模型通过架构优化和蒸馏技术，解决了 WAM 精度与视觉-语言-动作（VLA）速度之间的传统权衡问题，提供三个检查点以平衡推理速度和任务成功率。它支持通过 Hugging Face LeRobot 和 NVIDIA Jetson 部署，但根据 FLUX Kommunity 许可证，商业使用受到限制。

💡 Main Points

以更高效率实现最先进性能

FLUX 3 Action 在 RoboLab-120 上以 42.92% 的任务成功率排名第一，超越 16B 参数的 Cosmos 3 Nano 6.1 个百分点，同时参数少 56%，展现了世界建模中卓越的参数效率。

通过蒸馏优化速度-精度权衡

该版本包含三个检查点（Base、Guidance-distilled、Step-distilled），允许开发者在最高精度或最高 4 倍推理速度之间选择。Step-distilled 版本在工作站 GPU 上的运行速度显著快于 π0.5，解决了以往 WAM 的计算成本障碍。

多模态预训练的关键作用

训练严重依赖视频数据（超过 95% 的 token）和混合动作对齐视频。消融研究表明，如果没有这种广泛的预训练，DROID 任务上的性能降至 1% 以下，突显了通用视觉理解对有效机器人控制至关重要。

实际部署限制与许可

虽然可通过 FP8 量化在消费级硬件（RTX 5090）上部署，但该模型在 BF16 下需要约 32GB 显存。它根据 FLUX Kommunity 许可证发布，仅允许非商业使用，限制了即时企业采用，但鼓励通过 LeRobot 进行研究集成。

💬 Key Quotes

在 RoboLab-120 排行榜上，它以 42.92% 的任务成功率排名第一。

这比 Cosmos 3 Nano 领先 6.1 个百分点，且参数少 56%。

没有它，仅 DROID 训练在 RoboLab 上保持在 1% 以下。有了预训练，相同协议达到了 11.6%。

该模型输出关节目标，没有内置速度、力或工作空间限制。你的应用必须强制执行这些限制。

📊 Article Meta

AI Screening： 86

Source： MarkTechPost

Author： Asif Razzaq

Category： 人工智能

Language： 英文

Read Time： 4 min

Word Count： 961

Tags：

AI 与智能应用 , 模型发布 , 具身智能 , 开放权重模型 , 模型评测与基准