Black Forest Labs (BFL) liberó FLUX 3 Action, un modelo de IA abierto diseñado para robótica, informó The Decoder el 24 de septiembre de 2026. Sus pesos ya están disponibles en Hugging Face.
El modelo parte de FLUX 3, el modelo multimodal de la empresa alemana, que se entrenó principalmente con video y también con imágenes y audio. En julio, cuando BFL lo presentó, la versión para generación ya producía clips de hasta 20 segundos con audio nativo.
¿Qué hace un modelo de mundo y acción?
FLUX 3 Action es lo que BFL llama un modelo de mundo y acción (world-action model). Recibe el video de varias cámaras que miran el espacio de trabajo de un robot y predice dos cosas. La acción que el agente debería ejecutar a continuación y cómo va a cambiar el entorno como resultado de esa acción.
¿Cuánto rinde frente a otros modelos abiertos?
En la tabla de posiciones de RoboLab-120, FLUX 3 Action marca un récord de tasa de éxito con apenas 7.000 millones de parámetros, según BFL. Eso es menos de la mitad del tamaño del mejor modelo abierto anterior, y corre hasta 3,95 veces más rápido.
| Dato | FLUX 3 Action |
|---|---|
| Parámetros | 7.000 millones |
| Tamaño frente al mejor modelo abierto previo | menos de la mitad |
| Velocidad frente a ese modelo | hasta 3,95 veces |
| Entrada | video de varias cámaras |
| Pesos | abiertos, en Hugging Face |
La empresa explica por qué le da tanto peso a la eficiencia. Los grandes modelos de razonamiento planifican bien, dice BFL, pero suelen ser demasiado lentos y pesados para un robot. Para ejecutar el modelo en el propio equipo, sin depender de un servidor remoto, el tamaño y la velocidad son lo que decide.
Más allá del robot físico
BFL también ve potencial en entornos digitales. Los videojuegos sirven como banco de pruebas para la navegación, y más adelante podrían venir agentes que manejan computadores y reaccionan rápido.
