Новый стандарт точности и скорости
Black Forest Labs представила FLUX 3 Action (F3A) — модель класса World Action Model (WAM) с 7 миллиардами параметров. В отличие от конкурентов, F3A использует мультимодальный предобучение Self-Flow и дистилляцию, позволяющую делать предсказания за один шаг без необходимости в дополнительных проходах guidance. Это решает главную проблему WAM — высокую вычислительную стоимость.
На бенчмарке RoboLab-120 F3A демонстрирует успех в 38.3% ± 0.38 (базовая версия) и до 42.2% ± 0.36 (версия с guidance-distillation). Это лучший результат среди открытых политик действий, превосходя Cosmos 3 Nano (36.8%) и Pi0.5 (28.0%).
Сравнение с лидерами рынка
Ключевое преимущество F3A — оптимизация соотношения «точность/скорость». Модель работает в 1.34–2.28 раза быстрее Pi0.5 и в 1.52–3.95 раза быстрее Cosmos 3 Nano (в FP8) на различных GPU, при этом предсказывая не только действия, но и видео (горизонт 2.13с против 1.0с у Pi0.5).
| Модель | Тип | Успех (RoboLab) | Параметры | Примечание |
|---|---|---|---|---|
| FLUX 3 Action (Guidance-distilled) | WAM | 42.2% - 42.92% | 7B | Open Source, 1 шаг генерации |
| OASIS WAM | VLM + WAM | 39.0% | — | Closed Source |
| Cosmos 3 Nano | WAM | 36.8% | 16B | Open Source, высокая задержка |
| Phoenix | TAMP+FM | 34.4% | — | Closed Source |
| BiMind v0.1 | VLA | 33.3% | — | Closed Source |
| π0.5 | VLA | 28.0% | 3.3B | Open Source, быстрый, но менее точный |
Экономическая эффективность и гибридные системы
Отдельное внимание уделено стоимости развертывания. Использование F3A на GPU H200 (стоимость $3/час) обходится в $0.09 за успешное выполнение эпизода, в то время как использование reasoning-модели GPT 6 Astra в одиночку стоит $13.47 и занимает 16 минут.
Самая инновационная находка — гибридный подход. Когда F3A делегирует сложные задачи reasoning-модели (GPT 6 Astra), система достигает успеха в 90% эпизодов, снижая стоимость до $8.77 и время до 8 минут. Это делает гибридную систему на базе F3A на 53.64% эффективнее по соотношению успех/доллар по сравнению с альтернативными конфигурациями.
Почему это важно
FLUX 3 Action доказывает, что не нужно выбирать между пониманием мира (через видео) и скоростью реакции. Уменьшение размера бэкбона и отказ от многоступенчатой дистилляции позволяют запускать мощные WAM-политики на локальных устройствах и в реальном времени, открывая путь к массовому внедрению ИИ-роботов и автономных агентов в играх и цифровой среде.
Бенчмарки
| Бенчмарк | FLUX 3 Action | Cosmos 3 Nano | Pi0.5 |
|---|---|---|---|
| RoboLab | 42.2% | 36.8% | 28% |
Жирным — лучший результат в строке. Источник цифр — официальная публикация.
Источник: Bfl ↗