Black Forest Labs publie FLUX 3 Action : modèle monde-action 7B, poids sur Hugging Face
Selon un article de The Decoder du 24 septembre 2026, Black Forest Labs a publié FLUX 3 Action, un modèle robotique open source construit sur le modèle multimodal FLUX 3 ; il reçoit des flux vidéo multi-caméras pour prédire l'action suivante et l'évolution de l'environnement, et ses 7 milliards de paramètres établissent un record de taux de réussite sur RoboLab-120, avec une vitesse jusqu'à 3,95 fois celle du meilleur modèle open source précédent.
Ce qui change
Selon un article de The Decoder du 24 septembre 2026, Black Forest Labs (BFL) a publié FLUX 3 Action, un modèle d'IA open source destiné à la robotique. Il est construit sur le modèle multimodal FLUX 3, dont les données d'entraînement sont majoritairement vidéo, avec aussi des images et de l'audio. En tant que « modèle monde-action » (world-action model), FLUX 3 Action reçoit des flux vidéo multi-caméras de l'espace de travail du robot et prédit l'action que l'agent doit entreprendre ensuite, ainsi que l'évolution de l'environnement. Le rapport cite BFL : sur le classement RoboLab-120, FLUX 3 Action aurait établi un record de taux de réussite avec seulement 7 milliards de paramètres, soit moins de la moitié de la taille du meilleur modèle open source précédent, et une vitesse d'exécution jusqu'à 3,95 fois supérieure. BFL indique que les grands modèles de raisonnement, bien que bons en planification, sont souvent trop lents et trop lourds pour la robotique, et que cette efficacité est cruciale pour le déploiement en périphérie. Le rapport mentionne aussi que BFL voit un potentiel dans les environnements numériques, les jeux vidéo pouvant servir de banc d'essai pour la navigation, et qu'apparaîtront peut-être des agents rapides capables de piloter un ordinateur. Les poids du modèle sont disponibles sur Hugging Face. À noter : la date du rapport est le 24 septembre 2026, et les taux de réussite, les multiples de vitesse et la taille des paramètres sont des déclarations unilatérales de BFL, issues de son propre compte rendu et non d'une reproduction par un tiers.
Conséquences pour les développeurs
Pour les développeurs, l'implication directe tient à un changement de forme du modèle : l'entrée de FLUX 3 Action est un flux vidéo multi-caméras et non une invite textuelle, et sa sortie est une prédiction d'action et d'évolution de l'environnement, ce qui le rapproche du déploiement d'un réseau de politique robotique plutôt que d'un modèle de dialogue généraliste. L'ordre de grandeur de 7B paramètres rend théoriquement plus faisable une inférence à faible latence sur une seule carte ou un appareil en périphérie ; l'argument d'efficacité mis en avant par BFL vise précisément le point douloureux du « grand modèle de raisonnement trop lent pour planifier », et si cet argument tient en conditions réelles, la pression sur le temps réel d'une boucle de contrôle locale serait nettement moindre que faire appel à un grand modèle distant. Les poids sont fournis sur Hugging Face, ce qui abaisse le seuil d'expérimentation, mais attention : des poids téléchargeables ne signifient pas qu'une licence autorise l'usage commercial, et le rapport ne précise pas les termes de licence, la composition des données d'entraînement ni les restrictions d'usage. Les taux de réussite et multiples de vitesse sur RoboLab-120 sont des déclarations de BFL, sans reproduction indépendante, et un résultat de classement ne vaut pas capacité de généralisation sur un vrai robot. Par ailleurs, la version complète de FLUX 3 Action n'est pas listée dans le catalogue en direct de KimiSeek ; sa disponibilité, sa tarification et ses limites de débit doivent donc être vérifiées auprès de BFL et de Hugging Face, car le modèle n'est pas proposé sur KimiSeek.
Intégration et évaluation
Voici des recommandations conditionnelles, qui ne reprennent pas les faits rapportés. Premièrement, si votre équipe dispose déjà d'une chaîne bras manipulateur/robot mobile fondée sur un VLA ou une politique multimodale, il est conseillé d'enregistrer d'abord une courte trajectoire avec votre propre dispositif de caméras pour mesurer la latence d'inférence : exécuter l'inférence sur le matériel cible avec le même nombre de caméras, la même résolution et la même fréquence qu'en production, mesurer la latence de sortie d'action de bout en bout et l'occupation mémoire, et retenir comme critère d'admission la capacité à produire une action dans le cycle de contrôle, plutôt que de se fier directement aux multiples de vitesse du rapport. Deuxièmement, si votre équipe souhaite explorer un modèle monde-action en environnement numérique (le rapport évoque la navigation dans les jeux), il faut d'abord vérifier l'alignement entre l'entrée multi-caméras et l'espace d'action : confirmer que la représentation d'action produite par le modèle est compatible avec les dimensions d'action de votre simulateur ou de votre interface de jeu, puis, avec une graine aléatoire fixe, comparer sur quelques niveaux le taux de réussite du modèle et celui d'une politique scriptée existante, en faisant d'un gain de réussite significatif par rapport à la base la condition préalable à tout investissement supplémentaire. Troisièmement, la licence et les contraintes de déploiement doivent faire l'objet d'une vérification préalable distincte : avant tout travail d'ingénierie, confirmer si la licence des poids autorise l'usage commercial et la redistribution ; sinon, le modèle ne pourra servir qu'à une exploration interne, ce qui change directement l'intérêt de l'intégrer à une chaîne produit.
Limites et points à confirmer
Le rapport ne donne pas le nom de la licence, la provenance des données d'entraînement, la résolution d'entrée du modèle ni la définition de l'espace d'action, et ne précise pas s'il fournit du code d'inférence, des scripts de fine-tuning ou des versions quantifiées ; le fait que les poids soient disponibles sur Hugging Face ne suffit pas à en déduire des droits d'usage commercial ou de redistribution. Le record de taux de réussite sur RoboLab-120, la comparaison de paramètres et le facteur de vitesse de 3,95 sont des déclarations de BFL, sans reproduction par un tiers, et un résultat de classement ne se transpose pas directement à de vraies tâches robotiques. FLUX 3 Action n'est actuellement pas listé dans le catalogue en direct de KimiSeek ; la disponibilité mentionnée dans le rapport renvoie aux canaux BFL et Hugging Face, et si le modèle est un jour proposé sur KimiSeek, il faudra se fier à la liste réelle du site.