# Nvidia lança Flora, código aberto que reduz custo de rotular vídeos de robôs

> O Flora rotula uma hora de vídeo de robô por cerca de US$ 0,72 — segundo a Nvidia, 125 vezes menos que o GPT‑6 Astra, da OpenAI.

Oossa · 2026-10-25 · https://oossa.com/pt/nvidia-releases-open-source-flora-to-cut-robot-video-labeling-costs

O braço de pesquisa da Nvidia, GEAR, tornou público o código de um sistema chamado Flora, que adiciona três tipos de rótulos a vídeos de robôs: qual ação está acontecendo, quão bem cada etapa é executada e se a tarefa como um todo é concluída com sucesso. A empresa afirma que a ferramenta consegue rotular uma hora de gravação por cerca de 72 centavos, ante aproximadamente US$ 88,50 com o GPT‑6 Astra, da OpenAI. A estimativa de custo considera o aluguel de GPUs a US$ 10 por hora.

O Flora foi desenvolvido com três modelos Qwen 3.5 ajustados. Um modelo de 9 bilhões de parâmetros divide os vídeos em segmentos de ação. Um modelo de 27 bilhões de parâmetros gera legendas levando em conta as ações ao redor, e outro modelo de 27 bilhões de parâmetros — chamado Flora‑Rewarder — atribui a nota de sucesso, classifica cada etapa e dá notas com base em critérios predefinidos. A Nvidia informa que o sistema já anota até 200 mil horas de vídeo por dia em um conjunto de 512 GPUs GB300, e que os modelos estão disponíveis no Hugging Face.

## Como o Flora se compara a outros grandes modelos de linguagem

Em um benchmark da própria Nvidia com 50 vídeos de robôs, o Flora obteve uma nota de qualidade de anotação de 57,1%, a US$ 0,72 por hora, enquanto o GPT‑6 Astra marcou 53,7%, a US$ 88,49 por hora. O Claude Opus 5 custou menos que o Astra, cerca de US$ 42 por hora, mas teve desempenho bem pior. No WGO‑Bench, de acesso público, o Flora se destacou na identificação dos limites entre ações, mas ficou atrás do Astra e do Gemini 3.8 Flash na precisão geral das descrições. No DenseCaptionBench, da Nvidia, o Flora liderou em gravações com pessoas, mas ficou em segundo lugar, atrás do Astra, nos vídeos de robôs.

## Por que o custo e os recursos do Flora importam para quem desenvolve robôs

Rotular grandes conjuntos de dados de vídeo é um gargalo no treinamento de modelos de controle de robôs. Ao reduzir o custo por hora de anotação, o Flora pode permitir que laboratórios menores e startups montem conjuntos de treinamento maiores sem pagar por serviços comerciais como o Physical AI Data Engine, da Scale AI. A disponibilização do código também permite que desenvolvedores mantenham o fluxo de dados dentro do ecossistema de hardware da Nvidia, o que pode impulsionar a compra de mais GPUs da empresa.

## Os fatos

- O Flora rotula vídeos de robôs por um custo estimado de US$ 0,72 por hora, ante US$ 88,50 por hora para o GPT‑6 Astra, segundo a estimativa da Nvidia.
- O sistema usa três modelos Qwen 3.5: um modelo de 9 bilhões de parâmetros para segmentação, um de 27 bilhões para legendas e o Flora‑Rewarder, também de 27 bilhões, para avaliações.
- A Nvidia afirma que o Flora consegue processar até 200 mil horas de vídeo por dia em 512 GPUs GB300.
- Em um teste com 50 vídeos, o Flora obteve 57,1% de qualidade e o Astra, 53,7%; o Claude Opus 5 custou cerca de US$ 42 por hora e teve desempenho pior.
- A taxa de erro do Flora no RoboRewardBench é 27,8% menor que a do Astra, e o Rewarder detecta 53,3% das etapas malsucedidas, enquanto o Astra não detecta nenhuma.

## Por que importa

Para equipes de robótica, reduzir o custo das anotações significa poder treinar modelos mais capazes, mais rapidamente e com conjuntos de dados maiores, sem precisar de um orçamento enorme. O código aberto permite que pesquisadores personalizem o fluxo de trabalho, mas as estimativas de custo dependem das premissas internas de preços da Nvidia, então os gastos na prática podem ser diferentes.

## Fontes e referências

1. [Nvidia open-sources Flora to make robot video labeling 125x cheaper than GPT-6 Astra](https://the-decoder.com/nvidia-open-sources-flora-to-make-robot-video-labeling-125x-cheaper-than-gpt-6-astra/) – The Decoder, 2026-10-25
2. [FLORA: An Open Model Suite for Scaling Robotics Data Engines](https://arxiv.org/abs/2610.31779) – arXiv cs.RO, 2026-10-26

Última atualização: 2026-10-26