一句话结论：英伟达 GEAR 实验室开源的机器人视频标注引擎 Flora，把一小时机器人视频的标注成本压到约 0.72 美元，而同任务交给 GPT-6 Astra 需要约 88.5 美元，价差 125 倍，代价是它在公开基准 WGO-Bench 的总分仍低于 Astra。
10 月 25 日，英伟达把这套系统连同模型权重一起推到 Hugging Face，名字叫 Flora，一个开放数据引擎。它绕开了通用多模态模型的路子，把机器人训练视频的标注环节拆成一条专用流水线。这件事的分量在于，具身智能过去几年真正的瓶颈落在喂给模型的视频标注上，太贵，太慢。
机器人视频标注到底要产出什么
英伟达 GEAR 研究实验室把机器人从视频里学习所需的标注拆成三类。第一类是描述画面中发生了哪个动作，用来挑选训练数据；第二类是对机器人每一步的推进程度打分，让模型能通过试错学习；第三类是判断一个任务是否成功完成，用于部署阶段的监控。
市面上多数工具只覆盖其中一类。通用大模型比如 GPT-6 Astra 能生成几种标注，但要喂饱机器人基础模型的训练规模，价格根本撑不住。GPT-6 Astra 接宇树 G1 进厨房这类真机流程，恰恰说明动作数据的获取难度，GPT-6 Astra 接宇树 G1 进厨房：一个周末学会整理抽屉、递药到家那篇里提到的整理抽屉、递药场景，背后是同一套数据供给难题。
Flora 的定位是三件事都做。视频先被切成动作片段，每个片段配一段带前后文的描述，然后由同一个奖励模型给出成功度评分与逐步评级。
三个模型怎么分工：9B 切分、27B 描述、27B 打分
Flora 由三个基于 Qwen3.5 微调的模型组成。9B 模型负责把视频切成动作片段；27B 模型在描述动作时会把前后文一起算进去，这样描述不会只盯着单帧；第三个 27B 模型叫 Flora-Rewarder，承担三种角色，按提示词切换任务。
| 模型 | 规模 | 职责 | 产出 |
|---|---|---|---|
| 分割模型 | 9B（Qwen3.5 微调） | 把视频切成动作片段 | 带时间戳的动作边界 |
| 描述模型 | 27B（Qwen3.5 微调） | 描述动作，考虑前后文 | 带时间戳的动作文本 |
| Flora-Rewarder | 27B（Qwen3.5 微调） | 整段打分、逐步分类、自定义评分标准 | 1 到 5 分成功度、正常/次优/失败三分类、rubric 分数 |
奖励模型一个顶三个，这是 Flora 与多数开源标注工具的关键差别。它给整段轨迹打 1 到 5 分的成功度，把每个半秒步骤分类为正常、次优或失败，还能按自定义评分标准给分。研究人员解释，把逐步评级和整段评分放进同一个模型，是为了避免三个独立模型在时间轴上互相打架。
125 倍价差是怎么算出来的
英伟达用 50 个视频做了对比测试。同一批素材，标注一小时视频的成本差异如下。
| 模型 | 每小时标注成本 | 标注质量 | 相对 Flora 倍数 |
|---|---|---|---|
| Flora | 约 0.72 美元 | 57.1% | 1 倍 |
| GPT-6 Astra | 约 88.5 美元 | 53.7% | 约 123 倍 |
| Claude Opus 5 | 约 42 美元 | 低于两者 | 约 58 倍 |
这里必须把口径讲清楚，否则容易被 125 倍这个数字带偏。成本数字是按每 GPU 每小时 10 美元的租金假设推算出来的投影值，不是生产环境实测账单。而且比较对象本身并不对等：GPT-6 Astra 是按通用推理定价的前沿模型，Flora 是为半秒级步骤分类和 rubric 打分专门做的窄任务模型，拿通用模型干专活，价格天然吃亏。
真正有价值的结论是方向性的：窄任务专用小模型在标注这件事上，能以可接受的成本压过通用前沿模型。英伟达在英伟达开源 Run:ai 深度：KAI Scheduler 与 3 至 6 倍加载加速那套调度实践里反复讲同一个逻辑，推理侧效率做上去，下游的数据规模才撑得住。
基准结果：赢在哪，输在哪
公开的 WGO-Bench 上，Flora 最擅长找出动作发生的时间边界，总分仍然落后于 GPT-6 Astra，纯描述准确率落后 Gemini 3.8 Flash。研究者把增益归因于时间定位，而不是描述文本本身更好。
在英伟达自建的 DenseCaptionBench 上，场景要分开看。人类拍摄视频的所有指标 Flora 都领先，机器人视频则排第二，落后于 Astra。
| 评测 | Flora 表现 | 对比 |
|---|---|---|
| WGO-Bench 总分 | 落后 | GPT-6 Astra 领先 |
| WGO-Bench 动作边界定位 | 领先 | 本项最佳 |
| 纯描述准确率 | 落后 | Gemini 3.8 Flash 更高 |
| DenseCaptionBench 人类视频 | 全指标领先 | 领先 |
| DenseCaptionBench 机器人视频 | 第二 | GPT-6 Astra 第一 |
| 整段结果评分 | 领先 | 领先 |
| rubric 自定义标准打分 | 落后 | GPT-6 Astra 领先 |
还有一个方法论上的自曝：评价描述质量用的评判模型正是 GPT-6 Astra 本身，而 Astra 同时是被测模型之一。研究者在论文里承认了这一点，读者在解读分数时需要把这个折扣算进去。同一生态里的对比可以参考Gemini 4 Argon 机器人版：一图生成 4500 条训练数据，谷歌那条路走的是从仿真侧造数据，与 Flora 从真实视频里抽标注是两种互补思路。
真正的杀手锏：抓中途失败的那一步
RoboRewardBench 上，Flora 的错误率比 Astra 低 27.8%，差距主要来自「只完成一半」的任务。论文举了个具体例子：机器人只是把瓶子倾倒而不是推下桌子，Flora 给 3 分（满分 5 分）去对齐人类参考，Astra 只给 1 分。
数字上的对比更直观。Flora-Rewarder 能抓到一段轨迹里 53.3% 的失败步骤，其他任何模型都没超过 11.7%，Astra 一条都没抓到。对应的代价是，Flora 大约会把 11% 的正常步骤误判为错误。轨迹排序和 rubric 打分两项，Astra 依然占优。
动作切分的颗粒度差异在极端视频里被放大。一段包含大量短促手部动作的视频，Flora 识别出 37 个参考动作中的 34 个，Astra 只认出 4 个。反过来，Flora 也会把长动作切得过碎，偶尔描述出错，比如机器人明明在用布擦盘子，它写成了叠餐巾。
规模、部署与它在英伟达战略里的位置
这套系统已经在英伟达训练 GR00T 模型时跑起来了，每天最多标注 20 万小时视频，跑在 512 块 GB300 上，模型权重已放到 Hugging Face。这个量级很关键，因为标注速度决定了机器人基础模型的数据周转速度。
英伟达把 Flora 定位为 Scale AI 物理 AI 数据引擎这类商业服务的开源替代品，让研究者自己放大数据集规模，测试比如把人类演示迁移给机器人这类方法。战略上这很直白：开源标注工具既扩大自家模型生态，又进一步锁定自家硬件需求。英伟达 DSX POD 发布：AI 工厂部署从 6 个月压缩到 14 天那篇讲过部署周期从 6 个月压到 14 天，Flora 是同一条流水线上补数据标注这一段。
机器人基础模型的世界模型路线也在并行推进，千诀 Polibrain 世界模型发布：5 类机器人复用，隐变量早 LeCun 一年那套隐变量预测方案与 Flora 属于上下游关系，前者学物理规律，后者从视频里抽监督信号。
对做机器人的团队意味着什么
如果你的团队正在做机器人基础模型，标注成本通常是账单上最难看的一项。Flora 把这笔账从每小时几十美元压到不到一美元，同时保留了三类标注的完整产出，门槛降到可以在自有集群上跑全量视频。53.3% 的中途失败检出率尤其值得注意，因为机器人失败常常发生在中段，某一步悄悄滑掉了。
需要保持清醒的是三件事。成本数字是投影不是实测账单，拿它做财务预算要自己按真实 GPU 租金重算。WGO-Bench 上落后 Astra 说明它在公开对比里还不是全能冠军。研究团队自己也提到评委模型与被测模型重合的方法论瑕疵，独立复现之前，125 倍和 57.1% 都应该当作待验证的官方口径。
常见问题
Flora 是什么，用起来贵吗
Flora 是英伟达 GEAR 实验室开源的机器人视频标注引擎，由三个微调后的 Qwen3.5 模型组成。按英伟达的投影口径，标注一小时机器人视频约需 0.72 美元，而同一任务用 GPT-6 Astra 约需 88.5 美元。需要注意的是，这个成本按每 GPU 每小时 10 美元租金假设推算，实际部署要按自己的算力价格重算。
Flora 和 GPT-6 Astra 谁更好
各有所长。Flora 在动作边界定位、中途失败检出和人类视频描述上领先，Astra 在公开 WGO-Bench 总分、机器人视频描述和 rubric 打分上占优。选型取决于你要的是大规模便宜的通用标注，还是少量高精度难样本的精标。
Flora 开源了什么，普通人能用吗
模型权重已放到 Hugging Face，包含分割、描述和奖励三个模型，可以自行部署在自有算力上。需要接受的是它的定位偏向机器人训练视频，用在通用视频描述上并没有优势。同时要留意评测中 GPT-6 Astra 既是评判模型又是被测模型这一点，独立复现时建议换一套评判模型重跑。
相关阅读
- GPT-6 Astra 接宇树 G1 进厨房：一个周末学会整理抽屉、递药到家
- 英伟达开源 Run:ai 深度：KAI Scheduler 与 3 至 6 倍加载加速
- 英伟达 DSX POD 发布：AI 工厂部署从 6 个月压缩到 14 天
- Gemini 4 Argon 机器人版：一图生成 4500 条训练数据
- 千诀 Polibrain 世界模型发布：5 类机器人复用，隐变量早 LeCun 一年
小结
机器人训练的隐性成本正在被一点点拆开来看。Flora 给出的答案很直接，标注这件事不必交给最贵的通用模型，三个专用小模型加上一套窄任务设计就够，成本还能压到两个数量级以下。它在动作边界、中途失败这两处领先尤其有价值，因为那正是机器人从「几乎做对」滑向「完全做错」的地方。剩下的悬念在于官方口径之外的独立复现，以及 WGO-Bench 上那个还没追平的差距。
延伸阅读
- DeepSeek领投Winverse AI：4亿美元估值入局具身智能机器人2 周前
- GPU Unlock 解锁 RTX 30 系：3090 Ti BF16 算力提升 80%3 小时前
- 英伟达 Nemotron 3.5 Super VL：1200 亿参数，单卡吞吐提升 5 倍1 周前
- 东风风神 L8+ 上市：首搭天元智驾 T800，12.99 万元起2 天前
继续读
同一批更新里这几篇值得一看：
- GPU Unlock 解锁 RTX 30 系：3090 Ti BF16 算力提升 80%2026-10-26
- 高德 λ0 全身基座模型：500 小时人类数据，真机成功率 62.5%2026-10-24
- JOLT 师生同模训练：MATH 72.14%，训练 token 省 6.5 倍2026-10-23