Black Forest Labs učí roboty chápat svět a plánovat další pohyb

Model, který nepopisuje svět, ale snaží se v něm jednat

FLUX 3 Action patří do kategorie takzvaných World Action Models, tedy modelů světa a akcí. Zjednodušeně řečeno nejde pouze o systém, který rozpozná, že na stole leží hrnek. Model se snaží předpovědět, co se stane, pokud robot posune rameno určitým směrem, uchopí předmět nebo změní svou pozici.

Do modelu vstupují videa z kamer, informace o aktuálním stavu robota a textový pokyn. Výstupem není jen další textová odpověď. FLUX 3 Action v jednom kroku předpovídá budoucí obrazovou situaci i fyzické akce robota. Pro stroj je to důležitý rozdíl: robot nepotřebuje jen vědět, co vidí, ale také jak se má zachovat.

Black Forest Labs model postavil na multimodálním základu FLUX 3. Podle zveřejněných informací tvořila více než 95 procent trénovacích tokenů předtrénování videa. To odpovídá zaměření na pohyb, změny prostředí a časovou posloupnost. Robotický systém tak nepracuje pouze s jednotlivými fotografiemi, ale s krátkým filmem, ve kterém se musí orientovat.

Menší model, který má výhodu v rychlosti

FLUX 3 Action obsahuje 7 miliard parametrů. To je méně než polovina velikosti konkurenčního modelu NVIDIA Cosmos 3 Nano s 16 miliardami parametrů. Samotný počet parametrů samozřejmě neurčuje, který model bude lepší v každé situaci. U robotiky ale hraje velikost praktickou roli: větší systém může vyžadovat více paměti, vyšší výkon a delší čas na výpočet.

Podle výsledků uváděných Black Forest Labs dosáhl FLUX 3 Action na benchmarku RoboLab-120 úspěšnosti 42,92 procenta. Tím překonal NVIDIA Cosmos 3 Nano s výsledkem 36,8 procenta i model π0.5, který dosáhl 28 procent.

Jde o výsledek konkrétního benchmarku, nikoli o důkaz, že FLUX 3 Action zvládne lépe každého robota a každý typ úkolu. Testovací prostředí má vlastní pravidla a výsledky se mohou lišit podle hardwaru, dat, způsobu nasazení i konkrétního úkolu. Přesto je zajímavé, že menší model v tomto měření porazil větší konkurenty.

Výhodou má být také rychlost. Black Forest Labs uvádí běh 1,43× až 3,95× rychlejší než u srovnatelných předchozích modelů. U robotického ramene přitom nejde jen o pohodlí vývojáře. Pokud systém reaguje příliš pomalu, může předmět minout, pozdě zareagovat na pohyb člověka nebo provést akci podle už neaktuálního obrazu.

Co model zvládne na skutečném robotu

FLUX 3 Action není určen pouze pro laboratorní simulace. Při testech na skutečném robotickém rameni Franka dosáhl podle zveřejněných údajů úspěšnosti 93,3 procenta. Tento výsledek je potřeba číst jako výsledek konkrétního testovacího scénáře, nikoli jako univerzální garanci pro průmyslové nasazení.

Pro připravené robotické politiky je uváděn také hardware. Pro provoz ve formátu BF16 vyžaduje přibližně 32 GB grafické paměti, například na kartě NVIDIA H200. Při použití kvantizace FP8 se má vejít na GPU s 24 GB VRAM. Kvantizace zjednodušeně zmenšuje datovou přesnost modelu, aby zabral méně paměti a mohl běžet rychleji. V praxi však může přinést kompromisy ve výstupu, takže nejde o bezplatné zmenšení bez následků.

Model podle dostupných údajů předpovídá 32 následujících akcí, což odpovídá přibližně dvěma sekundám pohybu robota. Místo rozhodování o každém drobném pohybu zvlášť tak může naplánovat krátký úsek činnosti dopředu. Pro plynulost je to podobné rozdílu mezi řidičem, který reaguje na každý metr zvlášť, a řidičem, který vidí několik zatáček před sebou.

Od uzavřené ukázky k veřejně dostupným vahám

Ještě v červenci 2026 byl FLUX 3 Action prezentován pouze jako uzavřená ukázka dostupná omezenému okruhu výzkumných a komerčních partnerů. V září se situace změnila. Black Forest Labs model zveřejnil jako open-weights řešení společně se zdrojovým kódem, trénovacími postupy a připravenými kontrolními body pro robotická ramena DROID a SO-101.

Váhy jsou dostupné prostřednictvím kolekce na Hugging Face. Projekt je poskytován pod nekomerční licencí FLUX Kommunity License v1.0. To je podstatné omezení: veřejně dostupný model neznamená automaticky volné použití ve výrobě, placené službě nebo komerčním produktu. Vývojář si musí před nasazením zkontrolovat konkrétní podmínky licence.

Součástí zveřejnění je také integrace do knihovny LeRobot. Vývojáři a výzkumníci tak mohou model testovat v simulovaných prostředích i na podporovaném robotickém hardwaru. Kromě fyzických robotů se nabízí také autonomní drony, virtuální simulace a herní prostředí. Black Forest Labs zmiňuje interní testy ve hře Doom, kde lze zkoumat navigaci a reakce agenta v rychle se měnícím prostředí.

Proč nejde FLUX 3 Action srovnávat s běžnými chatboty

Na první pohled může působit zvláštně, že se vedle sebe objevují FLUX 3 Action, jazykové modely a systémy jako GPT, Gemini nebo Claude. Ve skutečnosti jde o odlišné kategorie. Současné špičkové jazykové modely jsou zaměřené především na práci s textem, obrazem, kódem nebo hlasem. FLUX 3 Action je navržený pro situaci, kdy musí výstupem být fyzická akce v prostředí.

Velký jazykový model může dobře naplánovat postup slovně, ale robot potřebuje plán převést do přesných a rychlých pohybů. Pokud by mezi každým rozhodnutím čekal na pomalý vzdálený systém, mohl by reagovat se zpožděním. Právě proto se u robotiky počítá každý gigabajt paměti a každý krok výpočtu.

FLUX 3 Action tedy není levnější náhradou za obecný chatbot ani model pro běžné dotazy v češtině. Jde o nástroj pro vývoj robotických systémů, simulací a agentů, kteří musí vnímat prostředí a jednat v něm. Zveřejněné váhy a kód jsou dostupné i vývojářům v Česku a Evropské unii, ale neznamená to českou lokalizaci, českou podporu ani automatické splnění evropských pravidel pro konkrétní nasazení.

Co z toho plyne pro vývojáře

Nejzajímavější částí novinky není pouze skóre v benchmarku. Důležitá je kombinace otevřených vah, relativně menší velikosti a zaměření na reálné akce. Výzkumný tým si může model stáhnout, upravit a testovat bez toho, aby čekal na přístup k uzavřenému API. Zároveň ale potřebuje odpovídající GPU, robotické zařízení nebo simulátor a znalost práce s licencí.

Pro domácího uživatele se dostupnost FLUX 3 Action bezprostředně neprojeví. Model není běžná aplikace, kterou si člověk otevře v prohlížeči a začne používat jako chatovacího asistenta. Pro výzkumníky, vývojáře robotiky a firmy pracující s automatizací však veřejné vydání snižuje bariéru k experimentům.

Největší otázkou zůstává přenos výsledků z benchmarků a kontrolovaných testů do různých reálných prostředí. Robotická ruka v laboratoři má jiné podmínky než výrobní linka, sklad nebo domácnost plná nepředvídatelných překážek. FLUX 3 Action proto není hotový univerzální mozek pro roboty. Je to otevřená vývojová základna, která se pokouší spojit vnímání, předpověď budoucího obrazu a fyzické rozhodování v jednom modelu.

FAQ