英伟达开源 Flora：机器人视频标注成本据称降至 GPT-6 Astra 的约 1/125

英伟达开源 Flora，主打机器人视频标注

英伟达 GEAR 研究实验室开源了数据引擎 Flora，用于为机器人训练视频生成文本标注。据该团队介绍，机器人学习需要三类标签：视频中动作发生时间的描述、机器人逐步进展的评分，以及任务是否成功的判断。Flora 由三个微调后的 Qwen3.5 模型组成：一个 9B 模型负责把视频切分为动作片段，一个 27B 模型结合前后文描述动作，另一个名为 Flora-Rewarder 的 27B 模型按提示承担成功度打分、逐步状态分类和自定义评分标准打分三种角色。相关模型已在 Hugging Face 发布。

成本对比与评测表现

英伟达称，Flora 已用于其 GR00T 模型训练，在 512 块 GB300 GPU 上每天可标注最多 20 万小时视频。在 50 段视频的测试中，英伟达估算 Flora 标注一小时视频约需 0.72 美元，GPT-6 Astra 约需 88.5 美元，前者标注质量 57.1%，后者 53.7%；Claude Opus 5 在同一测试中得分更低，成本约每小时 42 美元。在公开的 WGO-Bench 上，Flora 在动作边界检测上最好，但总分落后于 Astra，纯描述准确率也不及 Gemini 3.8 Flash；在英伟达自建的 DenseCaptionBench 上，Flora 在人类拍摄视频的各项指标领先，在机器人视频上则位列 Astra 之后。RoboRewardBench 上 Flora 错误率比 Astra 低 27.8%，Flora-Rewarder 能识别 53.3% 的失败步骤，但会把约 11% 的正常步骤误判为错误。

限制与来源

需注意，上述成本数字是英伟达基于每小时每 GPU 10 美元租金假设做出的推算，并非生产环境实测。研究团队也承认，GPT-6 Astra 既是被测模型之一，又参与描述质量评估，存在方法学上的问题。英伟达将 Flora 定位为 Scale AI 等商业数据服务的开源替代，服务于其硬件生态。本文信息来自 the-decoder.com 的报道，具体功能、可用范围与许可条款请以英伟达官方及 Hugging Face 页面当前信息为准。