bflai 发布开源 7B 世界动作模型 FLUX 3 Action，登顶 RoboLab 基准
RT @bfl_ai：隆重介绍 FLUX 3 Action。
这是一个开放权重的 7B 世界动作模型（World Action Model），在 RoboLab 基准测试中拿下第一名。
它比此前最好的开源模型高出 6.1 个百分点，同时参数量少了 56%，运行速度最高快 3.95 倍。
FLUX 3 Action 打破了世界动作模型性能与 VLA 速度之间惯有的取舍：它依然同时预测视频和动作，但规划的前瞻距离是原来的两倍以上，且按机器人运动每秒计算，运行速度比最强的开源 VLA 更快。
团队可以用自己的演示数据对 FLUX 3 Action 做微调，为特定机器人和任务生成策略。我们还与 @nvidia 合作，将 FLUX 3 Action 原生集成进 @huggingface 的 LeRobot，附带微调配方，并支持在 NVIDIA Jetson 上做边缘部署。
除机器人之外，我们在游戏、车辆控制、计算机操作等模拟环境训练任务专属策略方面也看到了不错的结果——凡是模型需要理解视觉环境再决定下一步动作的场景都适用。
FLUX 3 Action 沿用与 FLUX 3 相同的图像、视频和音频预训练，但采用更小的架构，为实际部署而设计。在中期训练（midtraining）阶段，我们让模型同时预测动作和未来帧。
我们将开放权重、代码、微调配方、基准测试和可复现示例，让研究者和开发者能用自己的机器人、环境和任务在此基础上继续构建（详见下文）。
这是一个开放权重的 7B 世界动作模型（World Action Model），在 RoboLab 基准测试中拿下第一名。
它比此前最好的开源模型高出 6.1 个百分点，同时参数量少了 56%，运行速度最高快 3.95 倍。
FLUX 3 Action 打破了世界动作模型性能与 VLA 速度之间惯有的取舍：它依然同时预测视频和动作，但规划的前瞻距离是原来的两倍以上，且按机器人运动每秒计算，运行速度比最强的开源 VLA 更快。
团队可以用自己的演示数据对 FLUX 3 Action 做微调，为特定机器人和任务生成策略。我们还与 @nvidia 合作，将 FLUX 3 Action 原生集成进 @huggingface 的 LeRobot，附带微调配方，并支持在 NVIDIA Jetson 上做边缘部署。
除机器人之外，我们在游戏、车辆控制、计算机操作等模拟环境训练任务专属策略方面也看到了不错的结果——凡是模型需要理解视觉环境再决定下一步动作的场景都适用。
FLUX 3 Action 沿用与 FLUX 3 相同的图像、视频和音频预训练，但采用更小的架构，为实际部署而设计。在中期训练（midtraining）阶段，我们让模型同时预测动作和未来帧。
我们将开放权重、代码、微调配方、基准测试和可复现示例，让研究者和开发者能用自己的机器人、环境和任务在此基础上继续构建（详见下文）。