Black Forest Labs

介绍 FLUX 3 Action。 开放权重 7B 世界行动模型在 RoboLab 基准测试中获得第一名。 它比之前最好的开放模型高出 6.1 个百分点，同时使用的参数减少了 56%，运行速度提高了 3.95 倍。⁠⁠ FLUX 3 Action 消除了世界动作模型性能和 VLA 速度之间通常的权衡：它仍然一起预测视频和动作，但提前计划的距离是最强的开放 VLA 的两倍以上，并且每秒机器人运动的运行速度更快。 团队可以在自己的演示中微调 FLUX 3 Action，为特定机器人和任务创建策略。 我们还与 @nvidia 一起将 FLUX 3 Action 原生集成到 @huggingface 的 LeRobot 中，其中包括微调配方以及 NVIDIA Jetson 上的边缘部署。 除了机器人技术之外，我们还看到了在模拟环境中训练特定任务策略的有希望的结果，例如游戏、控制车辆、计算机使用以及模型需要理解视觉环境然后选择下一步要做什么的其他地方。 FLUX 3 Action 构建于与 FLUX 3 相同的图像、视频和音频预训练之上，但使用专为实际部署而设计的较小架构。 在训练中期，我们训练模型来一起预测动作和未来的帧。 我们将发布权重、代码、微调配方、基准测试和可重现的示例，以便研究人员和开发人员可以使用自己的机器人、环境和任务（见下文）在模型上进行构建。