輝達 Flora 開源上線：機器人影片標註成本大降，但授權與評測仍有但書

輝達 GEAR 實驗室釋出三個機器人影片標註模型，宣稱每小時標註成本遠低於大型模型，但比較範圍與授權限制值得先看清楚。

機器人學到新動作之前，往往要先看懂海量的操作影片：哪一段在做什麼、做到哪一步、最後有沒有成功。輝達旗下的 GEAR 機器人實驗室把自家用來訓練人形機器人模型的標註工具公開了，取名 Flora，試圖把這段最花錢、最花時間的前置作業壓下來。

三個模型分工：切段、寫說明、打分數

Flora 不是單一模型，而是三個各司其職的模型組合。第一個負責把影片切成一段段動作區間，標出每一步的起訖時間；第二個根據前後畫面，為每個區間寫一句簡短的操作說明；第三個則評估整段任務的成敗與每一步的品質，也能依照使用者自訂的評分標準打分。

以參數規模來看，切段模型約 90 億參數，寫說明與評分的模型各約 270 億參數，後兩者皆以阿里巴巴的 Qwen3.5 系列為基礎再行微調。輝達表示，這套工具已實際用於訓練其 GR00T 系列人形機器人模型，並在內部以 512 張 GB300 晶片、每日處理約 20 萬小時影片的規模運轉。

成本對比很吸睛，但要看比較範圍

最受討論的數字是成本。輝達估算，標註一小時影片約需 0.72 美元，相較之下以 GPT-6 Astra 完成同類工作約需 88.5 美元，差距約 125 倍。不過這組對比只涵蓋「寫說明」這一環，並未把評分模型算進去；而且分母採用的 GPU 時數是模型推估值，尚未經過外部驗證。

品質方面同樣不能只看總分。在同一批測試影片上，Flora 整體得分 57.1%，略高於 Astra 的 53.7%，但細項互有勝負：Flora 在真人操作影片、動作邊界判斷與部分成功案例上較佳，Astra 則在機器人影片、說明準確度與自訂評分上占優。換句話說，Flora 並非全面勝出，而是各有擅場。

先弄清授權：目前僅限非商業研究

另一個實務重點是授權。Flora 目前在 Hugging Face 上提供，適用範圍限定於非商業研究或評估用途，企業若想直接導入產品線，必須先確認授權條款是否允許。對機器人團隊而言，它的價值更像是把標註門檻大幅降低的起點：先用便宜的方式把影片變成可用教材，再由自家流程把關品質，而不是把標註結果不經檢查就餵給模型。

資料來源

• The Decoder：輝達開源 Flora，機器人影片標註成本對比報導
• NVIDIA GEAR：Flora 論文與模型說明
• Hugging Face：Flora 模型頁面