黑森林实验室开源 FLUX.3 Action：7B 世界动作模型，把图像模型的视觉底座变成机器人动作

9 月 22 日，Black Forest Labs 发布 FLUX.3 Action：一个 7B 参数的开源权重世界动作模型（world action model），官方定位是「把 FLUX 的视觉智能变成你的机器人、仿真器或游戏的动作」。技术路线是在 FLUX.3 视觉底座上随机初始化动作头、再在 DROID 数据集上微调，Base/Droid/SO-101 三个权重已同步挂上 Hugging Face。

官方技术页给出两条落地路径：DROID 版本沿用 Cosmos 3 式的「底座+动作头微调」配方，在 RoboLab 评测（官方注明使用的是小批次初步设置、不代表该检查点的性能上限）；SO-101 版本则用少量自采遥操作数据微调，除分布内任务外还展示了跨物体、跨容器、跨机位的分布外泛化。镜像资源与 LeroBot（lerobot）生态兼容。

它改变了什么：Stable Diffusion 系出身的生成式视觉厂商正式进入机器人基座赛道——同一份预训练视觉底座，过去用来生图，现在直接产出可执行动作序列，与 NVIDIA Cosmos、Pi（Physical Intelligence）的世界模型线形成正面竞争。边界：7B 动作头为随机初始化、DROID 版成绩为初步设置，实际控制性能待第三方复现。

原文链接：Black Forest Labs 官方页面