以图像生成模型 FLUX 闻名的黑森林实验室（Black Forest Labs，BFL）正式跨入机器人领域，发布开源模型 FLUX 3 Action。该模型定位为「世界-动作模型」（world-action model），接收机器人工作区的多路摄像头视频流，预测智能体下一步应当执行的动作，以及环境会随之发生怎样的变化。

FLUX 3 Action 建立在多模态模型 FLUX 3 之上。据 BFL 介绍，FLUX 3 的训练数据以视频为主，同时涵盖图像与音频。这种多模态底座为模型理解真实工作场景提供了基础，而 FLUX 3 Action 则在此基础上进一步输出动作决策。

在衡量机器人任务表现的 RoboLab-120 榜单上，FLUX 3 Action 刷新了成功率纪录。值得注意的是它的体量：据 BFL 称，该模型仅有 70 亿参数，不到此前表现最好的开源模型的一半，同时运行速度最高可达后者的 3.95 倍。这一「小体积、高速度」的组合，是 BFL 强调的核心卖点。

BFL 给出的逻辑是，大型推理模型虽然规划能力出色，但对机器人而言往往过慢、过于笨重，难以满足实时控制的需求。因此，把模型压缩到能在设备端直接运行，对机器人落地至关重要。FLUX 3 Action 的参数量与推理速度，正是围绕这一目标设计的。

除了物理机器人，BFL 还看到了数字环境中的潜在用途。视频游戏可以作为导航与快速反应智能体的测试场，而能够操作计算机的智能体也可能沿着这条路径发展。这意味着该模型的能力边界并不局限于机械臂或移动底盘，还可能延伸到虚拟环境中的交互任务。

开放程度方面，FLUX 3 Action 的权重已发布在 Hugging Face 上，延续了 BFL 在开源社区的一贯做法。对于机器人研究者与开发者而言，这意味着可以直接下载、微调并在自有硬件上验证。

从产业视角看，这条消息的看点在于「世界-动作模型」这一品类的竞争正在升温。此前该方向多由专注机器人学习的团队主导，而 BFL 凭借在生成式视觉模型上的积累切入，带来的是多模态感知与动作预测的结合。70 亿参数级别能在榜单上取得领先，说明模型架构与训练数据的效率可能比单纯堆参数更重要。

对关注 AI 产业链的读者来说，值得跟踪的线索有几条：一是端侧推理需求上升，对边缘算力与低功耗芯片的拉动；二是开源权重释放后，机器人初创公司与研究机构能否快速在其上构建应用；三是 BFL 能否把图像生成领域的品牌优势，转化为机器人开发者生态中的实际采用。目前这些仍有待观察，但 FLUX 3 Action 的发布，已经把这家公司从「图像模型厂商」的标签，扩展到了具身智能的讨论范围内。