Modelo de acción del mundo de Black Forest Labs, derivado de FLUX 3, que predice a la vez el vídeo de lo que va a ocurrir y las acciones del robot a partir de sus cámaras, su estado y una instrucción de texto.
Según Black Forest Labs, logró la mejor tasa de éxito en la clasificación RoboLab-120 con menos de la mitad de parámetros que el mejor modelo abierto anterior y hasta 3,95 veces más rápido.
Pesos en Hugging Face con acceso previa solicitud y licencia FLUX Kommunity, en tres versiones: base, para el brazo SO-101 y para la plataforma DROID. Código en GitHub y documentación en docs.bfl.ai.
7.000 millones de parámetros; predicción conjunta de vídeo y acciones.
