Black Forest Labs、オープンな7Bロボティクスモデル「FLUX 3 Action」を発表

Black Forest Labs、「FLUX 3 Action」でフィジカルAI分野に参入

2026年9月24日、Black Forest Labs（BFL）は、ロボティクスおよび空間的意思決定向けに開発されたオープンAIモデル「FLUX 3 Action」のリリースを発表した。モデルの重み（ウェイト）はHugging Face上で一般公開されており、同社にとって生成メディアの枠を超えたエンボディドAI（身体性を持つAI）への進出を意味する。

70億パラメータの枠組みでマルチモーダルな行動予測を実現

FLUX 3 Actionはワールド・アクションモデル（world-action model）として機能する。ロボットが稼働する作業空間からのマルチカメラ映像入力を取り込むことで、エージェントが次に実行すべき物理的動作を決定すると同時に、その結果として周囲の環境がどのように変化するかを予測する。

本アーキテクチャは、音声や静止画とともに主に動画データでトレーニングされたBFLの基盤マルチモーダルモデル「FLUX 3」から派生したものだ。70億（7B）パラメータというサイズで構成されたFLUX 3 Actionは、「RoboLab-120」ベンチマークにおいてタスク成功率の新記録を樹立した。BFLによると、従来の記録保持モデル（オープンモデル）と比較してパラメータサイズが半分未満でありながら、最大3.95倍高速に動作するという。

推論とオンデバイス制御のギャップを埋める

現代の最先端推論モデルは高度なハイレベルプランニング能力を示すものの、レイテンシや計算負荷の大きさから、現実世界のロボットへの統合には従来制約が伴っていた。BFLは、FLUX 3 Actionのフットプリントの小ささと実行速度を、低遅延かつオンデバイスでの展開における制約を直接解決するものと位置づけている。

物理的なロボティクスにとどまらず、BFLは本システムのソフトウェアベースの用途も挙げている。同研究所は、エージェントのナビゲーションを評価する実践的なサンドボックスとしてビデオゲームを指摘し、この基盤アーキテクチャが将来的にはコンピューターインターフェースを操作する高速応答エージェントを支援できる可能性があると述べている。