Black Forest Labs'ın FLUX 3 Action Modeli Rakiplerinin Yarı Boyutuyla Lider Tabloya Girdi

Alman yapay zeka girişimi Black Forest Labs (BFL), FLUX görüntü ve video modelleriyle tanınan kimliğini robotik alanına taşıyor. Şirket, 7 milyar parametreli, açık ağırlıklı bir "Dünya Eylem Modeli" olan FLUX 3 Action'ı kamuoyuyla paylaştı. Model; kamera görüntülerini, robotun anlık durumunu ve doğal dil talimatlarını alarak bunları fiziksel eylemlere dönüştürmek üzere tasarlandı.

RoboLab-120'de Zirve İddiası​

BFL'nin açıklamasına göre FLUX 3 Action, NVIDIA'nın RoboLab-120 kıyaslama testinde %42,92 genel başarı oranına ulaştı ve bu sonuç, kamuya açık lider tablodaki tüm modellerin önüne geçiyor. NVIDIA tarafından geliştirilen RoboLab, görsel anlama, ilişkisel akıl yürütme ve prosedürel beceriler dahil 120 görev üzerinden genel amaçlı robotik politikaları test ediyor; birden fazla zorluk seviyesi ve farklı görev tanımı hassasiyetleri içeriyor.
BFL, FLUX 3 Action'ın bu skoru aynı kıyaslama testinde daha önce en yüksek puanı alan açık model olan Cosmos 3'ü 6,1 yüzde puanı geride bıraktığını belirtiyor. FLUX 3 Action'ın piyasaya çıkışından hemen önce ise RoboLab-120'nin genel birincisi %39,0 oranıyla OASIS WAM'dı; FLUX 3 Action bu modeli de geride bırakıyor.
Boyut karşılaştırması da dikkat çekici. NVIDIA'nın Cosmos3-Nano-Policy modeli 16 milyar parametreye sahipken FLUX 3 Action yalnızca 7 milyar parametre kullanıyor; yani rakibinin parametrelerinin %44'üyle çalışıyor. BFL ayrıca modelinin Cosmos3-Nano-Policy'ye kıyasla 1,43 kat daha hızlı çalıştığını açıklıyor. Ancak bu boyut avantajı tüm robotik model pazarına kıyasla değil, yalnızca bu kıyaslama testinde daha önce lider olan açık WAM modeline göre anlamlı; zira Ai2'nin MolmoAct 2'si yaklaşık 5 milyar, NVIDIA'nın GR00T N1.7 kontrol noktası ise 3 milyar parametreyle çalışıyor.

Drone Uçuşundan Doom'a: Erken Deneyler​

BFL, mimari doğrulaması için fiziksel robotik dışına da çıktı. Şirket, FLUX 3 Action politikalarını gerçek hayatta drone uçurmak ve ölümsüz biçimde Doom bilgisayar oyununu tamamlamak için eğittiğini açıkladı. Oyunda model, birinci şahıs görünümünü ve ana karakterin silah kolunu yönetti. BFL bu sonuçları üretim kapasiteleri olarak değil erken deneyler olarak nitelendiriyor.
Sunulan demolardan biri özellikle dikkat çekiyor: Robot önce bir görevi başarısız biçimde deniyor, ardından tekrar ediyor. BFL araştırmacıları bu davranışı şu sözlerle aktardı: "Model önce başarısız oldu, sonra tekrar denedi ve daha iyi yaptı." Şirket, bu sonucun her robot ve ortamda genelleşeceğinin kanıtı olmadığını kabul etmekle birlikte, önceden eğitilmiş bir dünya modelinin takımların her olası başarısızlık senaryosunu açıkça göstermesine gerek kalmaksızın sağlayabileceği davranışı örneklediğini vurguluyor.

Açık Ağırlık Stratejisi ve Geliştirici Odağı​

BFL, ağırlıkları, kodu, ince ayar tarifini, kıyaslama sonuçlarını ve yeniden üretilebilir örnekleri yayımlamayı planlıyor. Bu örnekler arasında görece düşük maliyetli SO-101 robotu ve Hugging Face'in LeRobot çerçevesini kullanan bir uygulama da yer alıyor. Takımlar modeli kendi robotlarından topladıkları demonstrasyonlarla ince ayarlayabilecek.
Mimari açıdan FLUX 3 Action, BFL'nin bu yıl boyunca geliştirdiği teze dayanıyor: Video üzerinde yeterince derinlemesine eğitilen bir modelin hareket, temas, nesne davranışı ve neden-sonuç ilişkilerine dair kullanışlı temsiller öğrenebileceği ve bu temsillerin robotik kontrole uyarlanabileceği fikri. Model çıkarım sırasında son kamera karelerini, sistem durumunu ve görev tanımını alarak bir sonraki 32 eylemi ve görsel sahnenin nasıl evrileceğine dair tahmini birlikte döndürüyor. Robot güncellenen ortamı gözlemleyerek süreci yineliyor.
Temel yaklaşım, BFL'nin Self-Flow araştırmasına dayanıyor. Bu araştırma, üretken bir modelin girdilerinin kullanışlı temsillerini öğrenmesini, bunu yaparken CLIP veya DINO gibi ayrı dondurulmuş temsil modellerine olan bağımlılığı ortadan kaldırmayı hedefliyor. BFL daha önce FLUX-mimic sistemiyle de benzer bir yol izlemişti; İsviçreli girişim mimic robotics ile geliştirilen bu sistem, FLUX 3'ün video omurgasından elde edilen temsilleri kullanarak endüstriyel manipülasyon görevleri gerçekleştiren robotları kontrol etmişti ve Audi üretim ortamlarında test edilmişti.
İnce ayar için BFL'nin kendi politikası, birkaç ilgili al-bırak görevini kapsayan yaklaşık 200 teleopere edilmiş bölümden ince ayarlandı. Şirket, test videolarında gösterilen nesnelerin bu eğitim setinde yer almadığını belirtiyor.

Piyasadaki Rekabet Tablosu​

FLUX 3 Action, giderek kalabalıklaşan açık veya indirilebilir robotik ekosistemine giriyor. NVIDIA'nın Nisan ayında yayımladığı GR00T N1.7, genel insansı ve çok gövdeli manipülasyona yönelik açık 3 milyar parametreli bir VLA. Mayıs'ta yayımlanan MolmoAct 2 ise doğrudan LeRobot entegrasyonu sunuyor. Öte yandan Google'ın Temmuz'da duyurduğu Gemini Robotics On-Device 2 robot donanımında yerel çalışmak üzere tasarlanmış olsa da Google şu an için ağırlıklarını kamuya açmak yerine yalnızca seçili test kullanıcılarına dağıtıyor.
Rekabetçi tablo, RoboLab sıralamasının ötesine geçiyor. MolmoAct 2 ve NVIDIA'nın GR00T ile diğer robotik modellerinin daha yeni sürümleri, farklı gerçek dünya ve simüle edilmiş görev kombinasyonlarında değerlendiriliyor; bu nedenle RoboLab'da FLUX 3 Action ile birlikte yer almıyorlar. Doğrudan sayısal karşılaştırmayı güçleştiren bu durum, robotik alanında tekrarlayan bir sorun olmaya devam ediyor.
Çıkarım hızı da BFL'nin öne çıkardığı bir başlık. Şirket, damıtılmış FLUX 3 Action varyantlarının RoboLab başarı oranı ile çıkarım hızı arasında yeni bir Pareto sınırı oluşturduğunu ve modelin gerçek zamanlı faktörde π0.5'i geride bırakırken önemli ölçüde daha yüksek görev başarısını koruduğunu söylüyor. Ancak bu sonuçlar BFL tarafından yayın öncesinde sağlandı; yayın öncesinde kontrol edildiğinde NVIDIA'nın kamuya açık lider tablosu henüz FLUX 3 Action ile güncellenmemişti.

BFL'nin Genişleyen Kapsamı​

FLUX 3 Action, BFL'nin 2024'te ortaya çıkışından bu yana ne kadar hızlı büyüdüğünü de gözler önüne seriyor. Latent diffusion ve Stable Diffusion gibi teknolojilerin arkasındaki araştırmacılar tarafından kurulan şirket, başlangıçta FLUX.1 görüntü modelleri ailesiyle adını duyurdu. Ardından ticari bir API, FLUX.2 ailesi ve yüksek hızlı çıkarım ile yerel dağıtım için tasarlanmış daha küçük [klein] modeller geldi.
BFL, Aralık 2025'te 3,25 milyar dolarlık yatırım sonrası değerlemeyle 300 milyon dolarlık Seri B finansman turunu kapattı; böylece toplam finansmanı 450 milyon doların üzerine çıktı. Şirket Freiburg ve San Francisco'dan faaliyet yürütüyor.
FLUX 3 Video, Ağustos ayında BFL'nin API'si üzerinden genel kullanıma açılmıştı. Ancak FLUX 3 Action için yeni yayımlanan materyaller henüz bir Action API'si, API fiyatlandırması veya ağırlıklar için özel bir ticari lisans duyurmuyor. Bu durum, şimdilik robotik takımlar için temel öneriyi kendi altyapısında barındırma ve ince ayar yapma olarak belirliyor.

Sıkça Sorulan Sorular​

FLUX 3 Action nedir ve ne işe yarar?​

FLUX 3 Action, Black Forest Labs tarafından geliştirilen 7 milyar parametreli, açık ağırlıklı bir "Dünya Eylem Modeli"dir. Kamera görüntülerini, robotun anlık durumunu ve doğal dil talimatlarını alarak bunları fiziksel eylemlere dönüştürmek üzere tasarlanmıştır. Model aynı zamanda görsel sahnenin nasıl evrileceğini de tahmin eder.

FLUX 3 Action, RoboLab-120 kıyaslama testinde ne kadar başarılı oldu?​

BFL'nin açıklamasına göre FLUX 3 Action, NVIDIA'nın RoboLab-120 kıyaslama testinde %42,92 genel başarı oranına ulaştı. Bu skor, daha önce bu testte en yüksek puanı alan açık model olan Cosmos 3'ü 6,1 yüzde puanı ve FLUX 3 Action'ın piyasaya çıkışından hemen önce genel birinci olan OASIS WAM'ı (%39,0) geride bırakıyor.

FLUX 3 Action, rakip modellerle boyut ve hız açısından nasıl karşılaştırılıyor?​

FLUX 3 Action, 7 milyar parametreyle NVIDIA'nın Cosmos3-Nano-Policy modelinin (16 milyar parametre) yalnızca %44'ü kadar parametre kullanıyor ve BFL'ye göre 1,43 kat daha hızlı çalışıyor. Ancak Ai2'nin MolmoAct 2'si yaklaşık 5 milyar, NVIDIA'nın GR00T N1.7'si ise 3 milyar parametreyle çalıştığından FLUX 3 Action, tüm robotik model pazarının en küçüğü değil; boyut avantajı özellikle kıyaslama testinde önceki lider olan Cosmos3-Nano-Policy'ye kıyasla öne çıkıyor.

FLUX 3 Action geliştiricilere nasıl sunulacak?​

BFL, ağırlıkları, kodu, ince ayar tarifini, kıyaslama sonuçlarını ve yeniden üretilebilir örnekleri yayımlamayı planlıyor. Takımlar modeli kendi robotlarından topladıkları demonstrasyonlarla ince ayarlayabilecek. Ancak yayın materyalleri henüz bir Action API'si veya ağırlıklar için özel bir ticari lisans açıklamamıştır; nihai lisans koşulları BFL'nin yayımlamasına bağlıdır.

FLUX 3 Action'ın Doom oyununu tamamlaması ve drone uçurması ne anlama geliyor?​

BFL, modelin mimariyi fiziksel robotik dışında da test etmek amacıyla gerçek hayatta drone uçurmak ve Doom bilgisayar oyununu ölümsüz biçimde tamamlamak için görev odaklı politikalar eğittiğini açıkladı. Şirket bu sonuçları üretim kapasiteleri olarak değil, modelin simülasyonlara, oyunlara ve bilgisayar kullanımına ölçeklenebileceğini gösteren erken deneyler olarak nitelendiriyor.