Qué hace el modelo
Black Forest Labs, la empresa alemana conocida por sus generadores de imágenes, ha publicado FLUX 3 Action, un modelo de siete mil millones de parámetros para controlar robots, con pesos abiertos y ficha técnica publicados el jueves. Los pesos están en Hugging Face.
La empresa lo llama modelo de acción del mundo. Toma fotogramas de cámara, el estado actual del robot y una instrucción de texto, y devuelve el siguiente bloque de acciones, generado a la vez que los siguientes fotogramas de vídeo, de modo que el modelo predice lo que verá además de lo que hará. Su espacio de acción tiene cincuenta dimensiones para robots —posición del efector final, articulación de la mano y estado de la pinza— y otro de sesenta y cuatro para ratón y teclado.
La cifra de referencia, y quién la da
Black Forest Labs declara un 42,92 por ciento de éxito global en RoboLab-120, la prueba de manipulación simulada de Nvidia. En su propia tabla eso son 6,1 puntos por encima de Cosmos 3 Nano, hasta ahora el mejor modelo abierto de la clasificación pública, que tiene 16.000 millones de parámetros frente a los siete mil de FLUX 3 Action. El modelo de visión, lenguaje y acción π0.5 figura con un 28,0 por ciento.
Son cifras declaradas por el fabricante en una prueba elegida por él, y la ficha no es consistente hasta el decimal: la variante destilada aparece con 42,2 y 42,24 por ciento en el texto mientras la tabla comparativa lleva 42,92. Las afirmaciones sobre tamaño y velocidad son más fáciles de comprobar que la puntuación: la empresa cifra la latencia en 41,06 milisegundos por bloque de acciones en FP8 sobre una Nvidia B200, y dice que el modelo corre entre 1,34 y 3,95 veces más rápido que aquellos con los que se compara.
Una cifra que no viene del fabricante
El dato más útil del lanzamiento es ajeno. Positronic Robotics probó el modelo en un brazo Franka con diez tareas del conjunto DROID y registró 28 aciertos en 30 intentos, un 93,3 por ciento, frente al 90 por ciento de Cosmos 3 Nano, el 66,7 de DreamZero y el 43,3 de π0.5. Es una muestra pequeña y un solo brazo, pero es física y no simulada.
La licencia, y qué vigilar
El lanzamiento es de pesos abiertos, no de código abierto: Black Forest Labs publica los pesos y ofrece términos comerciales aparte, la misma estructura que ha usado con sus modelos de imagen. Esa distinción decide quién puede desplegarlo de verdad y es lo primero que debería leer un equipo de robótica.
La cifra que habrá que seguir es la evaluación independiente a gran escala. Un modelo de siete mil millones de parámetros que responde en cuarenta milisegundos por bloque es lo bastante pequeño para ir montado en el robot y no en un centro de datos, y eso, más que el puesto en la clasificación, es lo que cambiaría cómo se construyen estos sistemas.
