Black Forest Labs 发布开源权重 7B 模型 FLUX 3 Action

Black Forest Labs 称，FLUX 3 Action 同时预测视频与动作，前瞻规划距离比最强开源 VLA 远一倍以上，且按每秒机器人运动计算运行更快。它采用与 FLUX 3 相同的图像、视频和音频预训练，但使用更小、面向实际部署的架构，并在中期训练中学习同时预测动作与未来帧。

团队可以用自己的演示数据，针对特定机器人和任务进行微调。Black Forest Labs 与 NVIDIA 将该模型原生集成到 Hugging Face 的 LeRobot，包括微调方案以及在 NVIDIA Jetson 上的边缘部署。该公司还报告，面向特定任务的策略在游戏、车辆控制和计算机操作等模拟环境中取得了有前景的结果。