Black forest labs presenta flux 3 action, un modelo de 7b parámetros que lidera en robolab-120

Black Forest Labs (BFL) ha lanzado FLUX 3 Action, un modelo de World Action Model (WAM) de código abierto de 7B parámetros, diseñado para el control de robots. El modelo procesa fotogramas de cámara, estado del robot e instrucciones de texto para predecir fotogramas de vídeo y acciones futuras, logrando una tasa de éxito de la tarea del 42,92% en el ranking RoboLab-120. Supera al NVIDIA Cosmos 3 Nano, que ocupa el segundo lugar con un 36,8%, y supera a π0.5, que obtiene un 28,0%. FLUX 3 Action utiliza una arquitectura más pequeña y destilación para reducir la brecha de velocidad, ofreciendo un rendimiento en tiempo real con una ventaja de 1,34x a 2,28x sobre π0.5 en GPU de estación de trabajo y centros de datos en FP8. El modelo se ha preentrenado con una combinación de datos de imagen, vídeo y audio, siendo el vídeo el que representa más del 95% de los tokens de entrenamiento. Admite el despliegue en el borde en NVIDIA Jetson e integra con Hugging Face LeRobot. BFL también ha probado el control híbrido con GPT 6 Astra, logrando un 90% de éxito de episodio a un menor coste. El modelo produce objetivos de articulaciones sin límites de velocidad o fuerza incorporados, requiriendo restricciones específicas de la aplicación.