Nvidias forskningsavdelning GEAR har släppt systemet Flora som öppen källkod. Det lägger till tre typer av etiketter i robotvideor: vilken handling som utförs, hur väl varje moment genomförs och om uppgiften som helhet lyckas. Enligt företaget kan verktyget märka en timmes videomaterial för ungefär 72 cent, jämfört med cirka $88.50 med OpenAI:s GPT‑6 Astra. Kostnadsberäkningen utgår från ett hyrespris på $10 per GPU-timme.
Flora bygger på tre finjusterade Qwen 3.5-modeller. En modell med 9 miljarder parametrar delar upp videor i handlingssegment. En modell med 27 miljarder parametrar skriver bildtexter som tar hänsyn till omkringliggande handlingar, medan en andra modell med 27 miljarder parametrar – Flora‑Rewarder – sätter betyg på resultatet, klassificerar momenten steg för steg och ger poäng enligt en bedömningsmall. Nvidia uppger att systemet redan märker upp till 200 000 videotimmar per dag på en serverpark med 512 GB300-GPU:er. Modellerna finns på Hugging Face.
Så står sig Flora mot andra stora språkmodeller
I Nvidias eget test med 50 robotvideor fick Flora 57.1 % i märkningskvalitet till en kostnad av $0.72 per timme, medan GPT‑6 Astra fick 53.7 % och kostade $88.49 per timme. Claude Opus 5 var billigare än Astra, cirka $42 per timme, men presterade betydligt sämre. I det offentliga testet WGO‑Bench var Flora särskilt bra på att hitta gränser mellan handlingar, men låg efter Astra och Gemini 3.8 Flash i den övergripande träffsäkerheten i beskrivningarna. I Nvidias DenseCaptionBench var Flora bäst för inspelningar med människor, men kom tvåa efter Astra för robotvideor.
Därför spelar kostnaden och kapaciteten roll för robotikutvecklare
Att märka stora videodatamängder är en flaskhals när robotstyrningsmodeller ska tränas. Om kostnaden per videotimme sjunker kan Flora göra det möjligt för mindre forskningslaboratorier och nystartade företag att bygga större träningsmängder utan att betala för kommersiella tjänster som Scale AI:s Physical AI Data Engine. Den öppna källkoden gör det också möjligt för utvecklare att hålla datapipelinen inom Nvidias hårdvaruekosystem, vilket kan leda till fler GPU-köp från Nvidia.
Varför det spelar roll
För robotikteam innebär billigare märkning att de kan träna mer kapabla modeller snabbare och med större datamängder utan enorma budgetar. Den öppna källkoden gör det möjligt för forskare att anpassa datapipelinen, men kostnadsuppgifterna bygger på Nvidias interna prisantaganden, så de faktiska kostnaderna kan skilja sig.
