FLUX 3 Action开源 7B登顶RoboLab

时间：2026年9月23日发布，9月25日广泛报道 地点：德国（Black Forest Labs 总部）、Hugging Face 平台 人物：Black Forest Labs（BFL）团队 事件详情：2026年9月23日，以图像生成模型闻名的德国实验室 Black Forest Labs（BFL）正式发布 FLUX 3 Action，这是一款 7B 参数的开源「世界动作模型」（World Action Model，简称 WAM）。 模型将摄像头画面、机器人当前状态与自然语言指令作为输入，同时输出未来视频帧与未来 2.13 秒的动作序列，规划长度达到此前开源模型的两倍以上。FLUX 3 Action 基于今年 7 月发布的 FLUX 3 多模态底座，文本编码器使用 Qwen3-VL-4B-Instruct。 在 NVIDIA 主导的 RoboLab-120 仿真基准（120 项桌面任务 ×10 次试验）上，FLUX 3 Action 以 42.92% 的成功率排名第一，超过英伟达 16B 参数的 Cosmos3-Nano-Policy（36.8%），参数规模仅为其 44%，推理速度最高可达对手的 3.95 倍。 模型权重、训练代码与微调食谱以「FLUX Kommunity License v1.0」协议释出（仅限非商业用途），并已原生集成到 Hugging Face 的 LeRobot 框架，支持 DROID 与低成本 SO-101 机械臂开箱即用，同时可在 NVIDIA Jetson 边缘设备上部署。 FLUX 3 Action 还能迁移到机器人以外的任务——同一套权重经约 200 段遥操作数据微调后，可学会玩 Doom 射击游戏、驾驶赛车，以及在 NVIDIA Isaac Sim 中以 256×256 摄像头视角自主飞行室内无人机，并在陌生房间、陌生指令中完成「飞到书架旁等待」等指令。 背景：WAM 与 VLA（视觉-语言-动作模型）是机器人策略的两条主要路径。WAM 准确度高但推理昂贵，VLA 速度快但精度受限。FLUX 3 Action 通过单步蒸馏，在 WAM 级精度上获得 VLA 级速度，缩小了两者之间的长期差距。 影响：开源 7B 模型首次在机器人基准上同时实现 SOTA 精度、3.95× 提速与 2.13 秒长程规划，将加速科研社区、消费级机械臂玩家与边缘设备厂商对机器人策略的迭代。 总结：FLUX 3 Action 用不到一半的参数击败了英伟达的 16B 模型，证明了「小模型+长程规划+开源」在机器人领域的可行性，也展示了从游戏到无人机的跨域迁移能力。 参考来源： - https://huggingface.co/blog/black-forest-labs/flux-3-action - https://huggingface.co/black-forest-labs/flux-3-action-droid - https://huggingnews.com/ai/black-forest-labs-flux-3-action-takes-1st-on-robolab-benchmark-68aba6f0 - https://www.ai.jp.net/article/black-forest-labs-unveils-flux-3-action-world-s-top-robot-ai-at-half-the-size-of-720a8f - https://ncijnetwork.com/black-forest-labs-releases-flux-3-action-a-7b-open-weights-world-action-model-that-tops-robolab-120 - https://thetechbriefs.com/black-forest-labs-releases-flux-3-action-a-7b-open-weights-world-action-model-that-tops-robolab-120 - https://mindpattern.ai/f/26983