Model Releases
Black Forest Labs sort FLUX 3 Action, son modèle multimodal de contrôle robotique de 7B
Black Forest Labs franchit une étape majeure dans l'IA physique avec FLUX 3 Action, un modèle de 7 milliards de paramètres capable de prédire des actions robotiques à partir de flux vidéo et d'instructions textuelles.
22 septembre 2026
Model ReleaseFLUX 3 Action
Introduction : L'IA entre dans le monde physique
Le 22 septembre 2026 marque un tournant pour la robotique pilotée par l'intelligence artificielle. Black Forest Labs (BFL), le laboratoire allemand déjà célèbre pour ses modèles de génération d'images et de vidéos, vient de dévoiler FLUX 3 Action. Ce n'est pas simplement une extension de sa suite logicielle, mais le premier modèle de la famille FLUX 3 disponible en open-weights, spécifiquement conçu pour transformer la perception visuelle en exécution motrice.
Alors que l'industrie cherche désespérément à combler le fossé entre les grands modèles de langage (LLM) et l'interaction physique, FLUX 3 Action propose une solution concrète. En tant que 'World Action Model' (WAM), il ne se contente pas de comprendre le monde ; il prédit comment le monde réagira à une intervention physique, offrant ainsi une base robuste pour la prochaine génération d'agents robotiques autonomes.
- Date de sortie : 22 septembre 2026
- Type : World Action Model (WAM) multimodal
- Architecture : 7 milliards de paramètres (7B)
- Licence : Open weights (non-gated)
Architecture et capacités multimodales
L'architecture de FLUX 3 Action repose sur une fusion sophistiquée de la vision et de la commande textuelle. Contrairement aux modèles de contrôle traditionnels qui reposent sur des scripts rigides, FLUX 3 Action utilise une approche de prédiction séquentielle. Le modèle prend en entrée une frame vidéo (observation de la caméra) ainsi qu'une instruction textuelle naturelle (ex: 'Prends la tasse rouge et déplace-la vers la gauche').
Le cœur du système repose sur une synergie entre un modèle de génération vidéo et un modèle de dynamique inverse (Inverse Dynamics Model - IDM). Le premier prédit l'évolution visuelle de l'environnement suite à une action potentielle, tandis que le second traduit ces changements visuels en commandes motrices précises. Cette capacité permet au modèle de prédire les 2 prochaines secondes d'action de manière fluide et cohérente avec les lois de la physique.
- Entrées : Flux vidéo (RGB) + Instructions textuelles
- Sortie : Prédiction d'actions sur une fenêtre de 2 secondes
- Mécanisme : Combinaison de World Models et d'Inverse Dynamics
- Modèles pré-entraînés : Variantes disponibles pour robots Droid et SO-101
Performances et Benchmarks
FLUX 3 Action redéfinit les standards de l'efficacité en robotique. Les premiers tests montrent que le modèle surpasse ses concurrents directs tout en affichant une taille de paramètres deux fois moindre. Cette compacité est cruciale pour le déploiement sur l'edge, directement sur le matériel embarqué des robots, réduisant ainsi la latence de décision.