Black Forest Labs が FLUX 3 Action を公開：7B の世界-動作モデル、重みは Hugging Face で提供
The Decoder の 2026 年 9 月 24 日付報道によると、Black Forest Labs はマルチモーダルな FLUX 3 を基盤とするオープンなロボティクスモデル FLUX 3 Action を公開した。複数カメラの動画ストリームを入力に次の動作と環境変化を予測し、7B パラメータで RoboLab-120 の成功率記録を更新、速度は従来の最高オープンモデルの最大 3.95 倍とされる。
主な変更
The Decoder の 2026 年 9 月 24 日付報道によると、Black Forest Labs（BFL）はロボティクス向けのオープン AI モデル FLUX 3 Action を公開した。これはマルチモーダルモデル FLUX 3 の上に構築されており、FLUX 3 の学習データは動画中心で、画像や音声も含む。「世界-動作モデル（world-action model）」として、FLUX 3 Action はロボット作業領域からの複数カメラ動画ストリームを受け取り、エージェントが次に取るべき動作と、それに伴って環境がどう変化するかを予測する。報道は BFL の発言として、RoboLab-120 ベンチマークで FLUX 3 Action はわずか 70 億パラメータで成功率記録を更新し、従来の最高オープンモデルの半分以下の規模で、実行速度は最大 3.95 倍に達すると伝えている。BFL は、大規模推論モデルは計画能力が高い一方でロボットには遅すぎ、重すぎることが多く、この効率性が端末側での展開に極めて重要だと述べている。報道はまた、BFL がデジタル環境の可能性に注目しており、ビデオゲームをナビゲーション能力の試験場として位置づけ、将来的にコンピュータを操作できる高速反応型エージェントが登場する可能性があると述べている。モデルの重みは Hugging Face で提供されている。留意点：報道日は 2026 年 9 月 24 日であり、上記の成功率、速度倍率、パラメータ規模はいずれも BFL の単独主張であり、同社の説明に基づくもので、第三者による再現ではない。
開発者への影響
開発者にとっての直接的な意味はモデルの形態の変化にある。FLUX 3 Action の入力はテキストプロンプトではなく複数カメラの動画ストリームであり、出力は動作予報と環境変化の予測であるため、汎用対話モデルよりもロボットのポリシーネットワークの展開方法に近い。7B というパラメータ規模は、単一 GPU やエッジデバイスでの低遅延推論が理論上より現実的であることを意味し、BFL が強調する効率性の主張は「大規模推論モデルは計画に時間がかかりすぎる」という課題に直接向けたものである。もしこの主張が実際の運用条件下で成り立つなら、端末側の閉ループ制御におけるリアルタイム性の負荷は、遠隔の大規模モデルを呼び出す場合よりも明らかに小さくなる。重みが Hugging Face で提供されていることは試験のハードルを下げるが、注意が必要だ。重みがダウンロード可能であることは、ライセンスが商用利用を許可していることを意味しない。報道は具体的なライセンス条項、学習データの構成、使用制限について説明していない。RoboLab-120 の成功率と速度倍率はいずれも BFL の自述であり、独立した再現がなく、ベンチマークの成績は実機ロボットでの汎化能力と等しくない。また、FLUX 3 Action の完全版は現在 KimiSeek のリアルタイムカタログに掲載されていないため、その可用性、課金、レート制限の情報は BFL と Hugging Face のチャネルに基づく必要があり、KimiSeek にはこのモデルは掲載されていない。
導入と評価の提案
以下は条件付きの提案であり、報道事実の再述ではない。第一に、チームがすでに VLA やマルチモーダルポリシーに基づくロボットアーム／移動ロボットのパイプラインを持っている場合、まず自前のカメラ配置で短い軌跡を録画し、推論遅延を実測することを勧める。目標ハードウェア上で本番と同じカメラ台数、解像度、フレームレートで推論を実行し、エンドツーエンドの動作出力遅延と VRAM 使用量を測定し、「制御周期内に動作を出せるか」を導入判断の基準とし、報道の速度倍率をそのまま信用しないこと。第二に、チームが世界-動作モデルでデジタル環境の予備研究（報道ではゲームナビゲーションの方向性に言及）を行いたい場合、まず複数カメラ入力から動作空間への整合方法を検証すべきである。モデルが出力する動作表現が自社のシミュレータやゲームインターフェースの動作次元と互換性があるかを確認し、固定乱数シードを用いて少数のステージでこのモデルと既存のスクリプトポリシーの成功率差を比較し、「成功率がベースラインより有意に高いか」を継続投資の前提条件とすること。第三に、ライセンスと展開上の制約は独立した事前チェックとすべきである。エンジニアリングに着手する前に、重みのライセンスが商用利用と再配布を許可しているかを確認し、許可されていない場合は社内予備研究に限定され、製品ラインに組み込む価値があるかどうかの判断が直接変わる。
制限と未確認事項
報道はライセンス名、学習データの出所、モデルの入力解像度、動作空間の定義を示しておらず、推論コード、ファインチューニングスクリプト、量子化版が提供されているかも説明していない。重みが Hugging Face で提供されているという事実だけでは、商用利用や再配布の権利を推測するには不十分である。RoboLab-120 の成功率記録、パラメータ比較、3.95 倍の速度はいずれも BFL の自述であり、第三者の再現はまだなく、ベンチマークの成績を実機ロボットタスクに直接外挿することはできない。FLUX 3 Action は現在 KimiSeek のリアルタイムカタログに掲載されておらず、報道におけるモデルの可用性は BFL と Hugging Face のチャネルを指す。今後 KimiSeek に掲載された場合は、サイト内の実際のリストを基準とされたい。