Black forest labs apresenta o flux 3 action, um modelo de 7b parâmetros que lidera o robolab-120

A Black Forest Labs (BFL) lançou o FLUX 3 Action, um modelo World Action Model (WAM) de código aberto de 7B parâmetros, projetado para controle de robôs. O modelo processa quadros de câmera, estado do robô e instruções de texto para prever quadros de vídeo e ações futuros, alcançando uma taxa de sucesso de 42,92% no ranking RoboLab-120. Ele supera o NVIDIA Cosmos 3 Nano, que ocupa a segunda posição com 36,8%, e excede o π0.5, que obtém 28,0%. O FLUX 3 Action utiliza uma arquitetura menor e destilação para reduzir a diferença de velocidade, oferecendo desempenho em tempo real com uma vantagem de 1,34x a 2,28x sobre o π0.5 em GPUs de estação de trabalho e data centers em FP8. A modelo foi pré-treinada em uma mistura de dados de imagem, vídeo e áudio, com vídeo representando mais de 95% dos tokens de treinamento. Ele suporta implantação de borda no NVIDIA Jetson e integra-se com o Hugging Face LeRobot. A BFL também testou o controle híbrido com o GPT 6 Astra, alcançando 90% de sucesso de episódios a um custo menor. O modelo produz alvos de juntas sem limites de velocidade ou força embutidos, exigindo restrições específicas da aplicação.