Black Forest Labs publica FLUX 3 Action: modelo mundo-acción de 7B con pesos en Hugging Face
Según The Decoder el 24 de septiembre de 2026, Black Forest Labs publicó FLUX 3 Action, un modelo robótico abierto basado en el multimodal FLUX 3 que recibe flujos de vídeo multicámara para predecir la siguiente acción y los cambios del entorno; con 7B parámetros marca un récord de tasa de éxito en RoboLab-120 y alcanza hasta 3,95 veces la velocidad del mejor modelo abierto anterior.
Qué ha cambiado
Según The Decoder el 24 de septiembre de 2026, Black Forest Labs (BFL) publicó FLUX 3 Action, un modelo de IA abierto orientado a la robótica. Se construye sobre el modelo multimodal FLUX 3, cuyos datos de entrenamiento son mayoritariamente vídeo, además de imágenes y audio. Como "modelo mundo-acción", FLUX 3 Action recibe flujos de vídeo multicámara del área de trabajo del robot y predice la siguiente acción que debe tomar el agente, así como los cambios que ocurrirán en el entorno. El informe cita a BFL: en la tabla RoboLab-120, FLUX 3 Action marca un récord de tasa de éxito con solo 7.000 millones de parámetros, menos de la mitad del tamaño del mejor modelo abierto anterior, y su velocidad de ejecución alcanza hasta 3,95 veces la de este. BFL señala que, aunque los grandes modelos de razonamiento tienen gran capacidad de planificación, suelen ser demasiado lentos y pesados para la robótica, y esta eficiencia es crucial para el despliegue en el dispositivo. El informe también menciona que BFL ve potencial en los entornos digitales: los videojuegos pueden servir como campo de pruebas para la capacidad de navegación, y podrían surgir agentes de reacción rápida capaces de operar computadoras. Los pesos del modelo ya están disponibles en Hugging Face. Cabe señalar: la fecha del informe es el 24 de septiembre de 2026, y la tasa de éxito, los múltiplos de velocidad y el tamaño de parámetros son afirmaciones unilaterales de BFL, provenientes de su propia descripción y no de una reproducción por terceros.
Impacto para desarrolladores
La implicación directa para los desarrolladores está en el cambio de forma del modelo: la entrada de FLUX 3 Action son flujos de vídeo multicámara en lugar de indicaciones de texto, y la salida son predicciones de acciones y de cambios del entorno, lo que lo acerca más al modo de despliegue de una red de política robótica que a un modelo de diálogo general. El orden de magnitud de 7B parámetros implica que la inferencia de baja latencia en una sola GPU o en un dispositivo de borde es teóricamente más viable; la afirmación de eficiencia que destaca BFL apunta precisamente al problema de que "los grandes modelos de razonamiento son demasiado lentos para planificar", y si esa afirmación se sostiene en condiciones reales de operación, la presión de tiempo real para el control en bucle cerrado en el borde sería claramente menor que la de invocar un gran modelo remoto. Los pesos están disponibles en Hugging Face, lo que reduce la barrera para experimentar, pero hay que tener en cuenta: que los pesos se puedan descargar no equivale a que la licencia permita uso comercial; el informe no especifica los términos de licencia, la composición de los datos de entrenamiento ni las restricciones de uso. La tasa de éxito y los múltiplos de velocidad en RoboLab-120 son afirmaciones de BFL, sin reproducción independiente, y los resultados de la tabla no equivalen a capacidad de generalización en robots reales. Además, la versión completa de FLUX 3 Action no aparece actualmente en el catálogo en vivo de KimiSeek, por lo que su disponibilidad, cobro y límites de uso deben consultarse en los canales de BFL y Hugging Face; este modelo no está listado en KimiSeek.
Integración y evaluación
Lo siguiente son recomendaciones condicionales, no una repetición de los hechos del informe. Primero, si el equipo ya tiene un flujo de brazos robóticos o robots móviles basado en VLA o políticas multimodales, conviene grabar primero una trayectoria corta con su propia disposición de cámaras y medir la latencia de inferencia: ejecutar la inferencia en el hardware objetivo con el mismo número de cámaras, resolución y tasa de fotogramas que en producción, medir la latencia de salida de acción de extremo a extremo y el uso de memoria de vídeo, y usar "si puede emitir acciones dentro del ciclo de control" como criterio de admisión, en lugar de aceptar directamente los múltiplos de velocidad del informe. Segundo, si el equipo quiere usar modelos mundo-acción para investigación previa en entornos digitales (el informe menciona la dirección de navegación en juegos), debe verificar primero la alineación entre la entrada multicámara y el espacio de acciones: confirmar si la representación de acciones de salida del modelo es compatible con las dimensiones de acción de su propio simulador o interfaz de juego, y comparar con una semilla aleatoria fija en unos pocos niveles la diferencia de tasa de éxito entre este modelo y la política de script existente, usando "si la tasa de éxito supera significativamente la línea base" como condición previa para seguir invirtiendo. Tercero, la licencia y las restricciones de despliegue deben ser una verificación previa independiente: antes de invertir en ingeniería, confirmar si la licencia de los pesos permite uso comercial y redistribución; si no lo permite, solo podrá usarse para investigación previa interna, lo que cambiará directamente el juicio sobre si vale la pena integrarlo en la cadena de producto.
Límites y cuestiones pendientes
El informe no proporciona el nombre de la licencia, el origen de los datos de entrenamiento, la resolución de entrada del modelo ni la definición del espacio de acciones, ni indica si se ofrece código de inferencia, scripts de ajuste fino o versiones cuantizadas; el hecho de que los pesos estén en Hugging Face no basta para inferir derechos de uso comercial o redistribución. El récord de tasa de éxito en RoboLab-120, la comparación de parámetros y las 3,95 veces de velocidad son afirmaciones de BFL, sin reproducción por terceros, y los resultados de la tabla no pueden extrapolarse directamente a tareas con robots reales. FLUX 3 Action no aparece actualmente en el catálogo en vivo de KimiSeek; la disponibilidad del modelo en el informe se refiere a los canales de BFL y Hugging Face, y si más adelante se lista en KimiSeek, debe tomarse como referencia la lista real del sitio.