BFL 发布开源 7B 世界动作模型 FLUX 3 Action，登顶 RoboLab

bfl_ai · x · 2026-09-24

Black Forest Labs 发布开源权重 7B World Action Model「FLUX 3 Action」，在 RoboLab-120 排行榜以少于前最佳开源模型一半的参数拿下第一，超出 6.1 个百分点，推理最快快 3.95 倍。
打破 WAM 精度与 VLA 速度的取舍：仍联合预测视频与动作，但动作视野达 2.13 秒（Pi0.5 为 1 秒），每秒机器人动作处理比最强开源 VLA Pi0.5 快 1.45–1.66 倍；guidance 蒸馏版比此前最佳开源 WAM 快 2.85–3.15 倍并刷新成功率纪录。
技术路线：继承 FLUX 3 的图像/视频/音频多模态预训练，通过 Self-Flow 研究得到更紧凑的表示，midtraining 阶段联合训练动作与未来帧预测。
工作机制：输入相机帧、系统状态与任务描述，输出接下来 32 个动作并预测场景变化，可从错误中恢复；机器人之外在游戏、模拟无人机等任务策略训练上也初见成效。
与 NVIDIA 合作原生集成进 Hugging Face LeRobot，附微调配方与 NVIDIA Jetson 边缘部署；权重、代码、基准与可复现示例全部开源。

「具身」频道最新