FLUX 3 Action: otwarty model AI dla robotyki od BFL

Black Forest Labs (BFL) zaprezentowało FLUX 3 Action – otwarty model sztucznej inteligencji stworzony z myślą o robotyce. Rozwiązanie bazuje na multimodalnym modelu FLUX 3, który trenowano przede wszystkim na danych wideo, uzupełniając je materiałami obrazowymi i dźwiękowymi. Nowy model wpisuje się w rosnący trend łączenia percepcji z planowaniem działań w czasie rzeczywistym.

Kluczowa różnica względem typowych modeli językowych polega na tym, że FLUX 3 Action należy do kategorii tzw. modeli świata i działania (world-action models). Zamiast generować tekst, analizuje strumienie wideo z wielu kamer rozmieszczonych w przestrzeni roboczej i przewiduje, jaki ruch powinien wykonać agent oraz jak zmieni się otoczenie w wyniku tego działania.

Rekord skuteczności przy zaskakująco małym rozmiarze

Na leaderboardzie RoboLab-120 model FLUX 3 Action ustanowił nowy rekord skuteczności, dysponując zaledwie siedmioma miliardami parametrów. To mniej niż połowa rozmiaru poprzedniego najlepszego otwartego rozwiązania w tej kategorii. Co więcej, według danych BFL nowy model działa nawet 3,95 razy szybciej od swojego poprzednika.

Takie połączenie niewielkiego rozmiaru i wysokiej wydajności ma znaczenie nie tylko w rankingach. W praktyce przekłada się na możliwość uruchamiania modelu bezpośrednio na urządzeniu, bez konieczności odwoływania się do zewnętrznej infrastruktury obliczeniowej.

Dlaczego rozmiar ma znaczenie w robotyce

Duże modele rozumowania potrafią dobrze planować złożone zadania, ale ich wady stają się szczególnie widoczne w kontekście robotyki. Są zbyt wolne i zbyt obszerne, aby mogły działać efektywnie na pokładzie robota. BFL wprost podkreśla, że to właśnie wydajność decyduje o tym, czy model nadaje się do wdrożenia na urządzeniu.

FLUX 3 Action adresuje ten problem, łącząc możliwości planowania z szybkością reakcji wymaganą w środowiskach fizycznych. Robot musi podejmować decyzje w czasie zbliżonym do rzeczywistego, a każda zwłoka w przetwarzaniu przekłada się na opóźnienie w wykonaniu ruchu.

Zastosowania poza fizyczną robotyką

Black Forest Labs dostrzega potencjał swojego modelu również w środowiskach cyfrowych. Gry wideo mogą służyć jako poligony testowe dla agentów odpowiedzialnych za nawigację oraz szybkie reagowanie. Zdaniem twórców to doświadczenie może w przyszłości zaowocować systemami zdolnymi do obsługi komputerów w podobny sposób, w jaki robią to ludzie.

Takie podejście wpisuje się w szerszy nurt badań nad agentami, którzy łączą percepcję wzrokową z podejmowaniem decyzji. Przeniesienie tych umiejętności z symulacji do rzeczywistych zastosowań pozostaje jednak wyzwaniem, które dopiero czeka na rozwiązanie.

Otwartość jako element strategii

Wagi modelu FLUX 3 Action są dostępne na platformie Hugging Face. Udostępnienie ich społeczności badawczej i deweloperskiej może przyspieszyć rozwój zastosowań robotycznych oraz pozwolić na niezależną weryfikację osiąganych wyników.

Otwarte modele robotyczne wciąż stanowią mniejszość w ekosystemie AI, gdzie wiele zaawansowanych rozwiązań pozostaje zamkniętych. Decyzja BFL może więc wpłynąć na kierunek, w którym rozwijają się narzędzia dostępne dla szerszego grona twórców.

Premiera FLUX 3 Action pokazuje, że w robotyce liczy się nie tylko moc obliczeniowa, ale przede wszystkim umiejętność dostosowania modelu do ograniczeń sprzętowych. Czy niewielkie, szybkie modele świata staną się standardem w autonomicznych systemach? Odpowiedź poznamy wraz z kolejnymi wdrożeniami i wynikami niezależnych testów.