Black Forest Labs lanza FLUX 3 Action, un modelo abierto de 7B para robótica

Black Forest Labs entra en la IA física con FLUX 3 Action

El 24 de septiembre de 2026, Black Forest Labs (BFL) anunció el lanzamiento de FLUX 3 Action, un modelo abierto de IA desarrollado para la robótica y la toma de decisiones espaciales. Los pesos del modelo se han publicado abiertamente en Hugging Face, marcando la expansión de la empresa más allá de los medios generativos hacia la IA encarnada (embodied AI).

Predicción multimodal de acciones en un formato de 7000 millones de parámetros

FLUX 3 Action opera como un modelo world-action (de acción y comprensión del entorno). Al procesar transmisiones de video multicámara desde el espacio de trabajo activo de un robot, el sistema determina de manera simultánea qué movimiento físico debe ejecutar el agente a continuación y pronostica cómo se transformará el entorno circundante como consecuencia.

La arquitectura se deriva del modelo fundacional multimodal FLUX 3 de BFL, entrenado principalmente con datos de video junto con audio e imágenes fijas. Con un tamaño de 7000 millones de parámetros, FLUX 3 Action alcanzó un nuevo récord de tasa de éxito en el benchmark RoboLab-120. Según BFL, el modelo logra esto teniendo menos de la mitad de parámetros que el modelo abierto que ostentaba el récord anterior y funcionando hasta 3,95 veces más rápido.

Cerrando la brecha entre el razonamiento y el control en el dispositivo

Si bien los modelos de razonamiento de frontera contemporáneos exhiben una planificación sofisticada de alto nivel, su latencia y su demanda de cómputo han limitado históricamente la integración robótica en el mundo real. BFL posicionó la menor huella computacional y la velocidad de ejecución de FLUX 3 Action como soluciones directas frente a las exigencias del despliegue en dispositivos locales (on-device) y de baja latencia.

Más allá de la robótica física, BFL identificó aplicaciones basadas en software para el sistema. El laboratorio señaló a los videojuegos como entornos de prueba prácticos para evaluar la navegación de agentes, apuntando que la arquitectura subyacente podría servir en el futuro para respaldar agentes de reacción rápida diseñados para controlar interfaces de computadora.