Model Releases
Black Forest Labs lanza FLUX 3 Action, modelo de acción multimodal de 7B parámetros
Black Forest Labs expande su ecosistema con FLUX 3 Action, un modelo de pesos abiertos diseñado para el control robótico mediante la predicción de secuencias de acción.
22 de septiembre de 2026
Model ReleaseFLUX 3 Action
Introducción: El salto de la visión a la acción física
El 22 de septiembre de 2026 marca un hito en la evolución de la inteligencia artificial multimodal. Black Forest Labs (BFL), el laboratorio alemán que revolucionó la generación de imágenes con la familia FLUX, ha dado un paso decisivo hacia la IA física con el lanzamiento de FLUX 3 Action. Este modelo no solo entiende el mundo visual, sino que está diseñado para interactuar con él.
A diferencia de los modelos de lenguaje tradicionales o de los generadores de video puramente contemplativos, FLUX 3 Action es un 'World Action Model' (WAM). Su objetivo es cerrar la brecha entre la percepción visual y la ejecución motriz, permitiendo que agentes robóticos interpreten instrucciones complejas y las traduzcan en movimientos precisos en el mundo real.
- Lanzamiento oficial: 22 de septiembre de 2026.
- Naturaleza: Modelo de pesos abiertos (Open Weights).
- Enfoque: Control robótico y predicción de acciones físicas.
Arquitectura y Capacidades Multimodales
FLUX 3 Action se basa en una arquitectura de 7 mil millones de parámetros (7B), optimizada para la baja latencia, un requisito crítico en la robótica en tiempo real. El modelo opera bajo un paradigma de entrada multimodal: recibe un frame de cámara (visión) y una instrucción de texto (lenguaje) para generar una salida de control.
La innovación técnica reside en su capacidad de predicción temporal. El modelo no solo predice un comando estático, sino que proyecta los próximos 2 segundos de acción. Esto permite una fluidez de movimiento que imita la continuidad del mundo físico, evitando los movimientos erráticos comunes en modelos de control basados en políticas discretas.
- Parámetros: 7B (7 mil millones).
- Entradas: Frames de video/cámara + Instrucciones de texto.
- Salida: Predicción de secuencias de acción de 2 segundos.
- Arquitectura: World Action Model (WAM) con integración de Inverse Dynamics Model (IDM).
Rendimiento y Benchmarks
En las pruebas de rendimiento iniciales, FLUX 3 Action ha demostrado una eficiencia sorprendente, superando a competidores de mayor tamaño en tareas de manipulación de objetos. Al utilizar un enfoque de generación de video para predecir cambios en el entorno, el modelo logra una comprensión semántica superior de la física de los objetos.
El modelo fue evaluado utilizando entornos de simulación robótica de alta fidelidad y datasets de manipulación real. Se midió la tasa de éxito en tareas de 'pick-and-place' y la precisión en la trayectoria de movimiento bajo diferentes condiciones de iluminación y oclusión. Los resultados posicionan a este modelo de 7B como el líder en su categoría de tamaño, ofreciendo una precisión comparable a modelos de hasta 30B parámetros.