FLUX 3 Action: Black Forest Labs veröffentlicht offenes 7B-Robotik-KI-Modell

38,3 Prozent Erfolgsrate mit nur 7 Milliarden Parametern – und damit besser als ein Konkurrenzmodell mit mehr als doppelt so vielen Parametern. Diese Zahl allein erklärt, warum FLUX 3 Action seit dem Release-Tag in Entwickler-Foren, auf GitHub und in Robotik-Laboren für Gesprächsstoff sorgt. Black Forest Labs, das Freiburger und San-Francisco-basierte KI-Unternehmen, hat am 24. September 2026 mit FLUX 3 Action ein offenes World Action Model vorgestellt, das Roboterarme direkt aus Kamerabildern, Sensordaten und Textbefehlen steuert. Für ein Feld, das lange von riesigen, geschlossenen Modellen dominiert wurde, ist das ein bemerkenswerter Gegenentwurf: kleiner, schneller, offen – und laut unabhängigem Benchmark trotzdem an der Spitze.

Der folgende Artikel ordnet ein, was FLUX 3 Action technisch leistet, wie es sich von klassischen Vision-Language-Action-Modellen unterscheidet, welche Zahlen auf dem RoboLab-120-Leaderboard wirklich zählen und wie Entwickler das Modell in eigene Projekte integrieren können.

Key Takeaways

• FLUX 3 Action ist ein offenes 7-Milliarden-Parameter World Action Model von Black Forest Labs, veröffentlicht am 24. September 2026 auf Basis des multimodalen FLUX-3-Backbones.
• Auf dem Nvidia-Research-Leaderboard RoboLab-120 erreicht das Modell 38,3 Prozent Erfolgsrate (Distilled-Variante bis 42,92 Prozent) und schlägt damit Cosmos3-Nano-Policy (16B, 36,8 Prozent) und Pi0.5 (3,3B, 28,0 Prozent).
• Trotz weniger als halber Größe im Vergleich zu Cosmos3-Nano läuft FLUX 3 Action auf B200-GPUs bis zu 3,95-mal schneller.
• Gewichte und Code sind offen verfügbar (Hugging Face, GitHub) unter der FLUX Kommunity License v.1.0; der Text-Encoder Qwen3-VL-4B-Instruct steht unter Apache-2.0.
• Kombiniert mit einem Reasoning-Modell wie GPT 6 Astra als Hybrid-Policy steigt die Erfolgsrate laut BFL-Bericht auf 90 Prozent, bei 29 Prozent geringeren Kosten pro erfolgreicher Aufgabe.

Was ist ein World Action Model – und warum ist das anders als ein VLA?

Um FLUX 3 Action einzuordnen, hilft ein Blick auf den Unterschied zwischen zwei Modellklassen, die in der Robotik-KI oft in einen Topf geworfen werden.

Ein klassisches Vision-Language-Action-Modell (VLA) nimmt ein Kamerabild, eine Textanweisung und den aktuellen Roboterzustand entgegen und sagt daraus direkt die nächste Aktion voraus – also zum Beispiel, wie sich ein Greifarm bewegen soll. Das funktioniert gut, hat aber eine Schwäche: Das Modell "versteht" nicht wirklich, wie sich die Welt durch seine Aktion verändern wird. Es reagiert, ohne vorauszudenken.

Ein World Action Model (WAM) wie FLUX 3 Action geht einen Schritt weiter. Es sagt nicht nur die nächste Bewegung voraus, sondern gleichzeitig auch, wie die Szene danach aussehen wird – also die resultierenden Video-Frames [1]. Das Modell baut sich quasi ein inneres Modell der physikalischen Welt und simuliert die Konsequenzen seines eigenen Handelns, bevor oder während es handelt. Das ist konzeptionell näher an einer Art "mentaler Vorschau" als an einer reinen Reiz-Reaktions-Kette.

Für die Praxis bedeutet das: FLUX 3 Action verarbeitet Bilder von mehreren Kameras gleichzeitig, den aktuellen Zustand des Roboters (Gelenkwinkel, Greiferposition und Ähnliches) und eine natürliche Sprachanweisung. Aus diesen drei Informationsquellen berechnet es gemeinsam die nächsten Bewegungs-Aktionen und eine Vorhersage der kommenden Video-Frames [1][2]. Diese gemeinsame Vorhersage von Aktion und visueller Konsequenz ist der zentrale technische Unterschied zu einem reinen VLA.

FLUX 3 Action im Detail: Architektur und Herkunft

FLUX 3 Action basiert nicht auf einer komplett neuen Grundarchitektur, sondern nutzt das multimodale FLUX-3-Backbone, das Black Forest Labs bereits im Juli 2026 vorgestellt hatte [3][4]. Dieses Backbone wurde von Grund auf für Bild-, Video- und Audio-Verarbeitung trainiert und bringt entsprechend ein tiefes Verständnis visueller und zeitlicher Zusammenhänge mit – eine Grundvoraussetzung dafür, dass ein Modell wie FLUX 3 Action überhaupt plausible zukünftige Video-Frames vorhersagen kann.

Auf dieses Video-lastige Fundament setzt Black Forest Labs die Robotik-Komponente auf: ein kompaktes, aber leistungsfähiges 7-Milliarden-Parameter-Modell, das gezielt für die Steuerung realer Roboterarme trainiert wurde [1][2]. Als Text-Encoder kommt Qwen3-VL-4B-Instruct zum Einsatz, der separat unter der freizügigen Apache-2.0-Lizenz verfügbar ist [8].

"FLUX 3 Action zeigt, dass ein kleineres, gezielt trainiertes Modell ein deutlich größeres Konkurrenzsystem in einem harten, unabhängig gemessenen Benchmark schlagen kann." – sinngemäße Einordnung des Release durch unabhängige Fachmedien [6]

Leistung auf dem RoboLab-120-Leaderboard

Der eigentliche Beweis für die Leistungsfähigkeit von FLUX 3 Action liefert das RoboLab-120-Leaderboard, das von Nvidia Research betrieben wird – wichtig: Nvidia stellt hier lediglich die unabhängige Testumgebung, ist aber nicht der Entwickler von FLUX 3 Action [5][6].

Die folgende Tabelle fasst die zentralen Vergleichswerte zusammen:

Bemerkenswert ist dabei nicht nur die reine Erfolgsrate, sondern das Verhältnis von Leistung zu Größe: FLUX 3 Action ist weniger als halb so groß wie Cosmos3-Nano-Policy, übertrifft dieses Modell aber trotzdem deutlich [5][6]. Auf B200-GPUs von Nvidia läuft FLUX 3 Action zudem bis zu 3,95-mal schneller, wenn beide Modelle mit FP8-Präzision betrieben werden [5][6]. Für produktive Robotik-Anwendungen, bei denen Latenz direkt die Reaktionsgeschwindigkeit des physischen Systems bestimmt, ist dieser Geschwindigkeitsvorteil praktisch mindestens so wichtig wie die reine Erfolgsquote.

Hybrid-Ansatz: FLUX 3 Action plus Reasoning-Modell

Black Forest Labs zeigt in einem eigenen Bericht, dass sich die Ergebnisse von FLUX 3 Action noch weiter steigern lassen, wenn man das Modell mit einem separaten Reasoning-Modell kombiniert – konkret mit GPT 6 Astra als planender Instanz [5][6].

In diesem Hybrid-Setup übernimmt das Reasoning-Modell die höhere Aufgabenplanung, während FLUX 3 Action die schnelle, feinmotorische Ausführung liefert. Das Ergebnis laut BFL-Bericht:

• 90 Prozent aller Testaufgaben werden erfolgreich gelöst.
• Die Kosten pro erfolgreicher Aufgabe sinken auf 8,77 US-Dollar bei rund 8 Minuten Ausführungszeit.
• Zum Vergleich: reines Reasoning ohne die schnelle Aktions-Policy kostet 13,47 US-Dollar und dauert rund 14 Minuten.
• Das entspricht 29 Prozent geringeren Kosten und 40 Prozent kürzerer Zeit pro erfolgreicher Aufgabe.

Dieser Hybrid-Ansatz deutet auf einen größeren Trend hin: langsame, teure Reasoning-Modelle für die Planung, schnelle, spezialisierte Action-Modelle für die Ausführung. FLUX 3 Action ist explizit für diese Rolle als schneller, präziser Ausführungs-Layer konzipiert.

Offene Gewichte, Lizenz und Verfügbarkeit

Ein zentrales Merkmal von FLUX 3 Action ist die Offenheit. Die Gewichte stehen auf Hugging Face in mehreren Varianten zur Verfügung, unter anderem als base-, so101- und droid-Repositories unter dem Namensraum black-forest-labs/flux-3-action [8]. Der zugehörige Code ist auf GitHub im Repository black-forest-labs/flux-action einsehbar.

Lizenzrechtlich gilt für FLUX 3 Action die FLUX Kommunity License v.1.0. Der separat nutzbare Text-Encoder Qwen3-VL-4B-Instruct steht dagegen unter der freieren Apache-2.0-Lizenz. Diese Aufteilung erlaubt es Entwicklern, den Sprachverstehens-Teil relativ frei weiterzuverwenden, während für den eigentlichen Action-Teil die Bedingungen der Kommunity-Lizenz greifen [8].

Für die praktische Integration ist relevant, dass FLUX 3 Action als kompaktes 7B-Modell so ausgelegt ist, dass es sich auch mit Quantisierung auf deutlich kleinerer Hardware als High-End-Rechenzentrums-GPUs betreiben lässt – ein Aspekt, der es für Forschungsteams und kleinere Robotik-Unternehmen ohne eigene GPU-Cluster interessant macht.

Sicherheitshinweise: Was FLUX 3 Action nicht selbst übernimmt

Black Forest Labs weist in der Dokumentation ausdrücklich auf eine wichtige Einschränkung hin: FLUX 3 Action gibt lediglich Gelenk-Zielwerte (joint targets) aus – also Zielpositionen für die Roboter-Gelenke. Das Modell selbst begrenzt weder Geschwindigkeit noch Kraft noch den zulässigen Arbeitsbereich des Roboters [1].

Das bedeutet in der Praxis: Jede Anwendung, die FLUX 3 Action einsetzt, muss selbst für geeignete Sicherheitslimits und einen funktionierenden Not-Aus-Mechanismus sorgen. Das Modell trifft keine eigenständigen Sicherheitsentscheidungen und darf laut Lizenzbedingungen nicht eingesetzt werden, um Menschen ohne menschliche Aufsicht zu gefährden. Für Entwickler, die FLUX 3 Action in reale Hardware integrieren, ist dieser Punkt keine Fußnote, sondern eine harte technische und rechtliche Anforderung an die umgebende Systemarchitektur.

Einordnung im Produktportfolio: FLUX-mimic als Vorläufer

FLUX 3 Action steht nicht isoliert im Portfolio von Black Forest Labs. Bereits im Juli 2026 hatte das Unternehmen zusammen mit dem Robotik-Partner mimic robotics das Modell FLUX-mimic vorgestellt. Dieses System wird unter anderem bei Audi in der Produktion getestet, speziell für die Manipulation weicher, deformierbarer Objekte – eine Aufgabe, die klassische, starre Greif-Algorithmen traditionell vor große Probleme stellt.

FLUX 3 Action erweitert diese Linie um ein allgemeineres, breiter einsetzbares World Action Model, das nicht auf eine spezielle Materialklasse zugeschnitten ist, sondern als vielseitige Grundlage für verschiedenste Roboter-Plattformen dient – von Forschungsarmen bis zu Industrieanwendungen.

Fazit: Was FLUX 3 Action für die Robotik-Entwicklung bedeutet

FLUX 3 Action markiert einen Punkt, an dem offene Robotik-KI mit geschlossenen und deutlich größeren Systemen konkurrieren kann. Mit 7 Milliarden Parametern erreicht das Modell auf dem unabhängigen RoboLab-120-Leaderboard eine höhere Erfolgsrate als Nvidias Cosmos3-Nano-Policy mit 16 Milliarden Parametern – und das bei bis zu 3,95-fach höherer Geschwindigkeit auf vergleichbarer Hardware. Die Kombination aus offenen Gewichten, nachvollziehbarem Code und einer klar dokumentierten Lizenz macht FLUX 3 Action zu einem attraktiven Ausgangspunkt für Forschungsteams, Start-ups und etablierte Robotik-Unternehmen gleichermassen.

Für Entwickler, die einsteigen wollen, empfehlen sich folgende nächste Schritte: Wer sich zusätzlich einen Überblick über aktuelle große KI-Sprachmodelle verschaffen möchte, findet Einordnung und Vergleich in unserer aktuellen LLM-Rangliste 2026. Zunächst die Modellkarten und Repositories auf Hugging Face prüfen (base-, so101- und droid-Varianten), um die passende Konfiguration für die eigene Roboter-Plattform zu identifizieren. Anschließend lohnt sich ein Blick in das GitHub-Repository black-forest-labs/flux-action, um die Integration in bestehende Steuerungs-Pipelines zu planen. Wer FLUX 3 Action auf echter Hardware einsetzt, sollte von Anfang an eigene Sicherheitslimits für Geschwindigkeit, Kraft und Arbeitsbereich implementieren, da das Modell diese Aufgabe explizit nicht selbst übernimmt. Und wer maximale Erfolgsraten anstrebt, sollte den Hybrid-Ansatz aus FLUX 3 Action und einem Reasoning-Modell wie GPT 6 Astra in Betracht ziehen, um Planung und Ausführung sinnvoll zu trennen.

References

[1] Flux3 Action Overview – https://docs.bfl.ai/flux_3/flux3_action_overview [2] Flux 3 Action – https://bfl.ai/models/flux-3-action [3] Flux3 Overview – https://docs.bfl.ai/flux_3/flux3_overview [4] Flux 3 – https://bfl.ai/models/flux-3 [5] Black Forest Labs Releases Flux 3 Action A 7b Open Weights World Action Model That Tops Robolab 120 – https://www.marktechpost.com/2026/09/24/black-forest-labs-releases-flux-3-action-a-7b-open-weights-world-action-model-that-tops-robolab-120/ [6] Black Forest Labs Debuts Flux 3 Action An Open Weights Ai Robotics Model That Tops The Leaderboard At Half The Size Of Its Competition – https://venturebeat.com/infrastructure/black-forest-labs-debuts-flux-3-action-an-open-weights-ai-robotics-model-that-tops-the-leaderboard-at-half-the-size-of-its-competition [7] Models – https://bfl.ai/models [8] Flux 3 Action – https://huggingface.co/collections/black-forest-labs/flux-3-action [9] Blog – https://bfl.ai/blog [10] Black Forest Labs Open Weights Flux 3 Action A 7b Robotics Model – https://aiweekly.co/alerts/black-forest-labs-open-weights-flux-3-action-a-7b-robotics-model