Black Forest Labs lanza FLUX 3 Action, un modelo abierto de 7B para robots

Black Forest Labs, el estudio conocido por el generador de imágenes FLUX, lanzó el 22 de septiembre FLUX 3 Action, un modelo world action abierto. Tiene 7000 millones de parámetros. Según el blog oficial de la compañía, en el ranking NVIDIA RoboLab-120 superó a Cosmos 3 Nano, hasta ahora el mejor representante de los modelos abiertos, a pesar de ser bastante más compacto.

La publicación original de Jiqizhixin apareció con un titular sobre el equipo de Fei-Fei Li y un modelo de mundo en el que el cambio de «底座» (modelo base) disparó el éxito de los robots. El fragmento de texto disponible, sin embargo, está dedicado por completo al lanzamiento de Black Forest Labs y no explica la relación entre ambas historias. A continuación figura solo lo que confirma ese fragmento.

Qué se sabe del modelo

FLUX 3 Action pertenece a la clase de los modelos world action. Estos sistemas combinan la predicción de cómo cambiará la escena circundante con la generación de acciones del robot. Lo habitual es que esas tareas las resuelvan componentes distintos; aquí se unifican en un solo modelo.

Para Black Forest Labs es un paso fuera de su territorio habitual. La compañía era conocida como desarrolladora de generación de imágenes y ahora entra en la IA física. Tiene una base de partida: su experiencia entrenando grandes modelos visuales se aplica directamente a cómo una máquina «ve» y predice una escena.

Parámetros principales según los datos disponibles:

• desarrollador: Black Forest Labs;
• nombre: FLUX 3 Action;
• tipo: modelo world action abierto;
• tamaño: 7000 millones de parámetros;
• benchmark: NVIDIA RoboLab-120;
• resultado: superior al de Cosmos 3 Nano, hasta ahora el líder entre los modelos abiertos;
• menos parámetros que Cosmos 3 Nano (la proporción exacta está cortada en el fragmento disponible).

Por qué importa la comparación con Cosmos

Cosmos forma parte de la línea de modelos de mundo de NVIDIA, y esos modelos se han convertido en el punto de referencia de la robótica para la comunidad abierta. Superar a un modelo así en un benchmark de la propia NVIDIA es una jugada fuerte: la comparación se hace en un terreno fijado por el principal proveedor de hardware para robótica.

También importa el tamaño. Siete mil millones de parámetros caben en una sola GPU actual. Eso facilita el ajuste fino para un robot concreto y su ejecución a bordo, donde la memoria y el consumo de energía son limitados. Si pruebas independientes confirman la superioridad, será un argumento a favor de que, para la manipulación, pesa más la calidad de la representación visual y física de la escena que el tamaño del modelo.

Las salvedades son evidentes. El resultado procede del blog de la propia compañía, y RoboLab-120 mide el éxito en simulación o en un conjunto limitado de tareas. Todavía no está claro cómo se comportará el modelo en hardware real, con ruido de sensores, desgaste y objetos impredecibles.

Qué comprobar antes de usarlo

Un equipo que esté pensando en usar FLUX 3 Action debería seguir varios pasos:

• leer el blog original y la ficha del modelo: licencia, pesos, formato de los datos de entrada y de las acciones;
• reproducir el resultado en RoboLab-120 con su propio hardware, en lugar de fiarse de las cifras declaradas;
• comprobar la compatibilidad con su manipulador y con la frecuencia de control: los modelos world action son sensibles a la latencia;
• probar tareas fuera del benchmark, sobre todo con objetos poco habituales y mala iluminación;
• comparar el coste de ajustar un modelo de 7B con el de alternativas más grandes.

Si le interesa precisamente el trabajo del grupo de Fei-Fei Li mencionado en el titular, conviene acudir a la fuente original: el texto disponible no incluye sus detalles, y inventarlos sería incorrecto.