FLUX 3 Action 开放权重：从生成画面走向预测动作

Black Forest Labs 团队在 2026 年 9 月 23 日 发布文章介绍 FLUX 3 Action：一个开放权重的 7B 世界动作模型，结合相机画面、状态和文字指令预测后续动作。它与常见的文生图服务用途不同，重点在机器人、游戏和其他需要闭环控制的环境。

这条消息的价值在于，视觉生成模型的建模方法正在进入“观察环境后采取行动”的任务，而不只是输出一张更精美的图片。

模型输入和输出是什么

官方介绍，FLUX 3 Action 将视频和动作放在共同的建模过程中。一次调用可以接收相机画面、对应动作空间中的状态向量以及文字说明。当前文档按控制对象区分动作块：DROID 与游戏为 32 步，SO-101 为 42 步；DROID 与游戏的计划约覆盖两秒。

发布文章提到可选解码未来画面，当前文档则明确现有 API 返回动作。因此，模型联合预测视觉结果，不等于接入接口一定返回视频；实现时应以当前推理接口说明为准。

实际控制时，系统执行其中前几个动作，再重新观察和规划。这种反复观测的过程很重要：现实环境会变化，不能把一次预测的完整动作序列无条件执行到底。

因此，它也不是把普通图像 API 的模型名称换成新名字就能使用。相机布局、机械结构、状态向量和动作定义都要匹配具体任务。

LeRobot 集成降低了哪部分门槛

官方团队介绍了 DROID 与 SO-101 检查点和 LeRobot 集成，以及面向特定任务的参数高效微调方案。配套文档涵盖训练配置、数据组织与示例环境。

集成帮助开发者复用训练和运行工具，但不会自动补齐自己的采集数据、设备校准与执行限制。准备实验时，应先在可控环境验证观察、动作映射和停止机制，再考虑真实设备上的连续运行。

42.92% 成功率应该怎样理解

官方文章列出的 RoboLab-120 总体成功率为 42.92%，对应使用 DROID 微调后的配置。这个数字是特定基准和模型配置的结果，不能作为任意机械臂、任意物体或任意操作的成功率。

文章还展示游戏和无人机实验，但其中游戏表格明确采用 60 秒、单个随机种子的设置。演示有助于理解能力方向，评估实际可靠性仍需要更多场景、重复次数和失败分析。

开放权重仍需阅读许可证

权重按 FLUX Kommunity License v1.0 发布。开放下载不自动等于无条件商用或所有用途都不受限制；部署、微调和分发前应查阅对应版本的权重与代码许可证。

本文依据官方团队文章与文档整理，没有下载权重、运行设备或验证商业授权。RootFlowAI 的图像生成教程针对图像接口，不能据此推断本站提供 FLUX 3 Action 控制服务。