英伟达开源 Flora:机器人视频标注成本打到 GPT-6 Astra 的 1/125
英伟达开源数据引擎 Flora,用三个微调 Qwen3.5 模型同时完成动作切分、描述生成与过程奖励打分,宣称覆盖机器人视频学习所需的三类标注。官方推算标注一小时视频约 72 美分,而 GPT-6 Astra 约 88.5 美元;但该成本是假设每 GPU 每小时 10 美元算出的推算值而非实测,且在公开基准上 Flora 总分仍落后 Astra,优势主要集中在时间定位与失败步骤检出。
原贴
查看原文原文
中文翻译
英伟达承诺,用其开放数据引擎 Flora 标注一小时机器人视频只需 72 美分,而不是 88 美元。但与 GPT-6 Astra 的对比并不像这个价格标签显示的那么一边倒。
用于机器人的大型 AI 模型要从需要文本标注的视频中学习,据英伟达 GEAR 研究实验室的说法,这需要三类标签。第一,描述视频中何时发生何种动作,用于挑选训练数据。第二,对机器人的进展逐步打分,以便它能通过试错学习。第三,判断一项任务是否成功完成,用于在部署期间监控机器人。
现有大多数工具只提供其中一类。像 GPT-6 Astra 这样的大语言模型可以生成多类,但对于所涉及的海量视频来说太贵了。
根据论文,Flora 覆盖全部三类。英伟达称该系统已在其 GR00T 模型的训练中运行,在 512 块 GB300 GPU 上每天标注多达 20 万小时视频。模型已在 Hugging Face 上提供。
Flora 由三个微调过的 Qwen3.5 模型组成。一个 9B 模型把视频切分为动作片段,一个 27B 模型在描述这些片段时会考虑每个动作之前和之后发生了什么。第二个 27B 模型名为 Flora-Rewarder,根据提示承担三种角色。它以 1 到 5 分给一集的成功程度打分,把每半秒的步骤分类为正常、欠佳或失败,并基于自定义的评分规则给出分数。
在 50 段视频的测试中,据英伟达称 Flora 的得分略高于 GPT-6 Astra,尽管 OpenAI 的模型被允许使用其全部推理能力。按英伟达的估算,用 Flora 标注一小时视频约需 72 美分,而用 GPT-6 Astra 约需 88.50 美元。Claude Opus 5 在同一测试中得分差得多,每小时仍需约 42 美元。
不过 Flora 的成本数字是推算值,而非生产实测。英伟达是按每 GPU 每小时 10 美元的假设租用价格计算得出的。
在公开的 WGO-Bench 上,Flora 最擅长检测动作边界,但总分落后于 Astra,在纯描述准确率上落后于 Gemini 3.8 Flash。研究人员称,收益主要来自时间定位。
在英伟达自有的 DenseCaptionBench 上,Flora 在人类拍摄视频的所有指标上领先,但在机器人视频上排名第二,落后于 Astra。
研究人员也承认存在方法论上的问题。GPT-6 Astra 在评估这些描述的同时,本身也是被测模型之一。
在 RoboRewardBench 上,Flora 的错误率比 Astra 低 27.8%。论文把这一差距归因于部分完成的任务。当机器人只是把瓶子碰倒而不是碰下桌子时,Flora 给出 5 分中的 3 分,与人类参考一致,而 Astra 只给 1 分。
Flora-Rewarder 能在一个片段中捕获 53.3% 的失败步骤,而没有任何竞争对手超过 11.7%,Astra 一步都没抓到。代价是 Flora 会把约 11% 的正常步骤误标为错误。Astra 在基于评分规则的打分和轨迹排序上仍然领先。
在一段有许多短促手部动作的视频中,Flora 识别出 37 个单个动作中的 34 个,而 Astra 只抓到 4 个。反过来,Flora 有时会把较长的动作切分成过多小步骤,偶尔会把描述弄错。在一段视频中,机械手用布擦拭盘子,Flora 却把它描述成叠餐巾。
英伟达把 Flora 定位为面向 Scale AI 的 Physical AI Data Engine 等商业服务的开放替代方案。研究人员可以用它来扩展自己的机器人数据集,并测试把人类演示迁移到机器人上等方法。英伟达正投入数十亿美元于开放 AI 模型,以把开发者留在其硬件生态中并推动芯片需求,Flora 服务于同一目标。
核心信息
英伟达开源数据引擎 Flora,用三个微调 Qwen3.5 模型同时完成动作切分、描述生成与过程奖励打分,宣称覆盖机器人视频学习所需的三类标注。官方推算标注一小时视频约 72 美分,而 GPT-6 Astra 约 88.5 美元;但该成本是假设每 GPU 每小时 10 美元算出的推算值而非实测,且在公开基准上 Flora 总分仍落后 Astra,优势主要集中在时间定位与失败步骤检出。
- 英伟达开源数据引擎 Flora,用三个微调 Qwen3.5 模型同时完成动作切分、描述生成与过程奖励打分,宣称覆盖机器人视频学习所需的三类标注。官方推算标注一小时视频约 72 美分,而 GPT-6 Astra 约 88.5 美元;但该成本是假设每 GPU 每小时 10 美元算出的推算值而非实测,且在公开基准上 Flora 总分仍落后 Astra,优势主要集中在时间定位与失败步骤检出。
- 原贴提到:Labeling one hour of robot video for 72 cents instead of $88 is what Nvi
- 来源:the-decoder.com
详细解读
这是什么信号
这不是一条“又开源了一个模型”的新闻,而是具身智能数据管线的成本结构被重新定价。Flora 用三个微调 Qwen3.5 模型(9B 切分动作片段、27B 带上下文生成描述、27B 的 Flora-Rewarder 负责成功度打分 / 半秒级过程分类 / 自定义 rubric 评分)拼出一条完整链路,正好对应机器人 VLA 训练需要的三类标注:选数据用的动作描述、试错学习用的过程奖励、部署监控用的成败判定。过去这三件事要靠人工标注加闭源大模型 API,现在变成了可以自托管的开源权重。
更值得注意的两点:一是英伟达自曝 Flora 已在其 GR00T 模型训练中跑起来,512 块 GB300 每天处理多达 20 万小时视频——这说明它不是实验室玩具,而是已经进了自家数据飞轮;二是它被明确定位为 Scale AI 的 Physical AI Data Engine 这类商业数据服务的开放替代,这是往数据服务层直接伸手。
为什么重要
机器人学习的瓶颈不在模型结构,而在“带过程信号的视频数据”供给。现有工具大多只产出其中一类标签,而过程奖励恰恰是强化学习式试错训练最稀缺的输入。Flora-Rewarder 在 RoboRewardBench 上把失败步骤检出率做到 53.3%,而所有竞品不超过 11.7%、Astra 一步没抓到——这个指标比“便宜 125 倍”更有分量,因为它量的是信号质量而非单价。对做机器人 RL、数据筛选、失败恢复的团队来说,这等于多了一个可编程的奖励信号源。
对谁有价值
- 机器人 / 具身智能团队:需要在自有视频上批量生成动作分段、描述与过程奖励,尤其适合做人类演示到机器人的迁移、失败案例挖掘。
- 数据标注与数据服务公司:单小时成本结构被压到美分级,靠人海做视频描述的中间层会被显著挤压,必须往“高质量抽检 + 领域 rubric 设计”上迁移。
- 中小模型团队:三个 Qwen3.5 微调模型给出了一个可复制的配方——小模型分工 + 专门奖励模型,比堆一个大模型 API 更适配海量视频场景。
- 硬件与生态侧的观察者:这是英伟达用开源模型锁住开发者、拉动芯片需求的又一环,其战略意图和模型能力要分开看。
可以怎么行动
第一,别把 72 美分当结论。这个数字是按每 GPU 每小时 10 美元租价推算出来的,不是生产实测,自建时的实际成本取决于利用率、批次调度和重跑率。建议先取自己 20–50 小时真实机器人视频做小规模对照,用同一套人工标注做金标准,分别跑 Flora 与现有 API 方案,比较的是“单位可用标签成本”而非单小时标价。
第二,优先试 Flora-Rewarder 而不是它的描述能力。因为它的强项在时间定位与过程判定,而纯描述精度在 WGO-Bench 上还落后 Gemini 3.8 Flash,在机器人视频的 DenseCaptionBench 上排第二。把奖励信号接进数据筛选或 RL 训练回路,收益更直接。
第三,为 11% 的误报率设计缓冲。它会把约 11% 的正常步骤误标为错误,直接进训练会注入噪声,建议加一层阈值策略或人工抽检复核,并对长动作被切碎的问题做后处理合并。
风险与限制
成本是推算值;WGO-Bench 总分落后 Astra;优势主要来自时间定位,rubric 打分与轨迹排序上 Astra 仍领先;论文自评存在方法论瑕疵——Astra 既是评测者又是被测模型;实际使用中已出现把“擦盘子”描述成“叠餐巾”这类错误,说明描述层不能无人值守。此外基座依赖 Qwen3.5,开源权重的许可证与商用条款需要自行核对,规模化部署前务必确认合规边界。最后,这类开源替代真正冲击的是数据服务的定价权,但短期内高价值、强领域知识的标注仍离不开人。
信息差价值
这条内容的真正价值,不只是“有人发布了一个新功能”,而是它揭示了 the-decoder.com 背后的产品方向、工作流变化或竞争信号。对 OPC 来说,这种信息可以转化成持续追踪的栏目选题。
如果把《英伟达开源 Flora:机器人视频标注成本打到 GPT-6 Astra 的 1/125》放到你的内容系统里,它最大的价值在于帮助读者更快看懂“为什么值得关注”,而不是只看到一条碎片化动态。
参考来源
TOPIC HUBS
延伸专题
AI SUMMARY
这篇文章回答了什么
英伟达开源 Flora:机器人视频标注成本打到 GPT-6 Astra 的 1/125主要讲什么?
英伟达开源数据引擎 Flora,用三个微调 Qwen3.5 模型同时完成动作切分、描述生成与过程奖励打分,宣称覆盖机器人视频学习所需的三类标注。官方推算标注一小时视频约 72 美分,而 GPT-6 Astra 约 88.5 美元;但该成本是假设每 GPU 每小时 10 美元算出的推算值而非实测,且在公开基准上 Flora 总分仍落后 Astra,优势主要集…
这篇文章最值得关注的要点是什么?
英伟达开源数据引擎 Flora,用三个微调 Qwen3.5 模型同时完成动作切分、描述生成与过程奖励打分,宣称覆盖机器人视频学习所需的三类标注。官方推算标注一小时视频约 72 美分,而 GPT-6 Astra 约 88.5 美元;但该成本…;原贴提到:Labeling one hour of robot video for 72 cents instead of $88 is what Nvi;来源:the-decoder.com
这篇文章和哪些AI专题相关?
它适合放在AI副业、AI工具、AI超级个体专题里阅读。 关联原因:这篇内容命中「项目、小生意、变现」等主题信号。;这篇内容命中「模型」等主题信号。;这篇内容命中「学习」等主题信号。
阅读这篇文章建议先理解哪些关键词?
建议先理解AI工具、工具、自动化、模型、Cursor这些关键词,再结合正文判断工具、机会或风险是否值得进入自己的工作流。