FLUX 3 Action — открытая модель для управления роботами

Black Forest Labs выпустила FLUX 3 Action — открытую модель для роботов на семи миллиардах параметров, которая построена на мультимодальной FLUX 3, обучена на видео, изображениях и звуке, а веса выложены в открытый доступ на Hugging Face. Модель получает видео с нескольких камер на месте работы робота и предсказывает, какое действие сделать дальше и как изменится обстановка вокруг. На бенчмарке RoboLab-120 она вышла на первое место среди открытых моделей при размере меньше половины прежнего лидера, а скорость — почти вчетверо выше, до 3,95 раза, по данным компании.

Открытая модель на 7 миллиардах параметров здесь обходит вдвое более крупную модель на профильном бенчмарке, и это тот же тренд, что я вижу в языковых моделях: грамотная архитектура значит больше, чем просто размер. С роботами я не работаю, для агентов использую Claude Code, но если такая модель помещается прямо на самом роботе, а не только в облаке, это снимает зависимость от постоянного интернет-соединения, хотя точных цифр по стоимости инференса Black Forest Labs не приводит. Пока это только открытые веса без готового продукта, и насколько это годится за пределами бенчмарка, станет понятно, когда кто-то соберёт на этом реального робота.