NVIDIA Flora 是什麼？機器人資料引擎宣稱低 125 倍成本與非商用授權怎麼讀
NVIDIA GEAR 團隊的 Flora 是替機器人影片切段、寫動作說明、打分數的三個開放權重模型。本文整理它與 GPT-6 Astra 的對照、125 倍成本的算法、非商用授權與導入限制，說明哪些人能用。
訓練一個機器人模型，需要的不只是影片，而是每一段影片都有標籤：這段在做什麼、從哪裡到哪裡、做得好不好。這些標籤過去靠人工或昂貴的商用模型產生，NVIDIA 的 Flora 想把這件事自己做。
Flora 是 NVIDIA GEAR 實驗室發表的一組開放權重模型，由三個模型組成。一個把影片切成動作片段，一個替每個片段寫一句指令，一個替整段操作打分數。NVIDIA 說，它是訓練 GR00T 機器人模型時用的資料引擎。
NVIDIA GEAR 團隊的 Jim Fan 在 2026 年 10 月 20 日 17:31 UTC 發文介紹，換算成台灣時間是 10 月 21 日凌晨 1:31。我查詢時貼文有 899 個讚、約 5 萬次瀏覽，內容是 Astra 等級的表現、成本低 125 倍、權重開放。
這三句話都有出處，但每一句都附帶條件。Astra 指的是 GPT-6 Astra，論文摘要說在內部基準上具競爭力，所以有些項目贏、有些項目輸。125 倍則是估算，因為它假設了特定的 GPU 租價與部署方式。
最需要先看清楚的是授權。權重可以免費下載，但授權是 NVIDIA 的非商用條款，模型卡明寫不支援商業或正式環境使用，所以「開放權重」並不等於「可以商用」。
我的判斷是，需要替機器人資料加標籤的學術團隊與研究型新創，很值得下載來比較。想把它放進收費產品或對外服務的公司，則得先處理授權，或另外找 NVIDIA 談。
要判斷值不值得用，得先弄清楚三個模型各做什麼。
Flora 是什麼？三個模型如何把機器人影片變成訓練標籤
三個模型各管一段流程。切段模型接收影片，找出每個動作的起訖時間，並標記某個動作是否延伸到畫面之外。
寫說明的模型針對切好的片段，輸出一句英文祈使句，例如論文圖中的「Pick up the yellow paper cup on the left side of the table with the left hand.」
打分的模型叫 Rewarder，輸出三種獎勵。結果獎勵是整段操作的成功分數，從 1 分完全失敗到 5 分完全成功。過程獎勵是每 0.5 秒的動作品質，分成失敗、次佳與正常。第三種則依使用者給的評分表逐項打分。
三種獎勵用在不同的地方。結果獎勵用來監控已經部署的機器人，過程獎勵用來做強化學習的後訓練，帶時間戳的說明則用來篩選與平衡預訓練資料。
三個模型都是 Qwen3.5 的後訓練版本。切段模型來自 9B 參數的 Qwen3.5-9B，說明與打分模型來自 27B 參數的 Qwen3.5-27B。模型卡寫明，基礎模型是 Apache 2.0 授權，但後訓練的成果另受 NVIDIA 的條款約束。
Hugging Face 上的模型卡寫的釋出日期是 10 月 15 日，Jim Fan 的貼文與論文首頁的日期都是 10 月 20 日。
不過我無法確認倉庫實際從哪一天開始公開，模型集合頁的最後更新時間是 10 月 20 日 16:05 UTC，貼文前約一個半小時。
官方說這套引擎最高每天標註 20 萬小時的影片，使用 512 張 GB300 GPU。貼文寫的是 500 張，我以論文的 512 張為準。
我把兩個數字相除，平均每張 GPU 每天最多處理約 390 小時的影片。這只是粗略換算，因為論文寫的是「最高」，影片的長度與複雜度也不同，不能當成單張 GPU 的穩定速度。
它處理的對象包含人類第一人稱影片與機器人遙控影片，目的是把兩種來源統一標成可以訓練的格式。貼文把這件事說成「為機器人學習擴大前沿」。
知道它做什麼之後，才能看它和商用模型的比較。
Flora 的基準怎麼讀？贏過 GPT-6 Astra 的九列與輸給它的八列
論文與專案頁的主表，把這套引擎與 GPT-6 Astra、GPT-5.6 Sol、Claude Opus 5、Kimi K3 等模型並排。我把表中它與 Astra 的 18 列逐列比較，Flora 領先 9 列，Astra 領先 8 列，另有 1 列平手。
以下我挑出幾列代表性的結果。分數都已乘以 100，括號註明數字愈高或愈低愈好。
| 基準項目 | Flora | GPT-6 Astra | 較好的是 |
|---|---|---|---|
| WGO-Bench 切段 F1@0.75（愈高愈好） | 50.3 | 46.0 | Flora |
| WGO-Bench 片段說明準確率（愈高愈好） | 64.7 | 77.4 | Astra |
| 機器人影片切段 Robot200 F1@0.5（愈高愈好） | 66.9 | 71.9 | Astra |
| 機器人影片說明品質 Robot200（愈高愈好） | 73.7 | 80.2 | Astra |
| 人類影片說明品質 Human100（愈高愈好） | 66.5 | 60.3 | Flora |
| RoboReward 結果誤差 MAE（愈低愈好） | 40.0 | 55.4 | Flora |
| Robometer 分布外軌跡排序（愈高愈好） | 72.0 | 82.3 | Astra |
| DenseRewardBench 巨集 F1（愈高愈好） | 46.2 | 40.7 | Flora |
| 失敗步驟召回率（愈高愈好） | 53.3 | 0.0 | Flora |
| RubricBench 評分表誤差（愈低愈好） | 6.5 | 3.6 | Astra |
這張表顯示，它的強項在人類影片的切時間點與找失敗。切段是判斷動作從哪裡到哪裡。
它在 WGO-Bench 與人類影片領先 Astra，但機器人影片的切段與說明品質、評分表打分都落後。論文自己寫，WGO-Bench 上的增益主要來自時間定位，說明準確率仍低於 Astra 與 Gemini 3.8 Flash。
論文摘要還說 Flora 在 WGO-Bench、RoboReward 與 Robometer 達到 SOTA，結論則收窄成勝過已發表的專用獎勵模型。
所以 SOTA 要看對手是誰，GPT-6 Astra 在 Robometer 分布外排序（82.3 對 72.0）與 WGO 說明準確率上仍然更高。
失敗召回率的 53.3 對 0.0 很醒目，但論文同時說明了代價。它會把約 11% 的正常步驟也標成失敗，所以抓到更多失敗的同時，也多出不少誤報。
Astra 在這項抓不到任何失敗，其他通用模型的召回率最高也只有 11.7%，所以通用模型確實不太會挑出失敗的步驟。
除了和通用模型比，論文也把整套流程和現成的標註工具放在 WGO-Bench 上比較。分數是切段 F1、片段說明準確率與聯合語意 F1，都是愈高愈好。
| 標註流程 | 使用的模型 | 切段 F1 | 說明準確率 | 聯合 F1 |
|---|---|---|---|---|
| Flora | Qwen3.5 的 9B 與 27B 後訓練版 | 50.3 | 64.7 | 34.5 |
| Refiner | Gemini 3.5 Flash | 33.4 | 64.3 | 27.2 |
| Pegasus | Pegasus 1.5 | 27.9 | 50.1 | 23.3 |
| 通用流程 | Gemini 3.5 Flash | 25.3 | 57.2 | 18.9 |
| LeRobot | Gemini 3.5 Flash | 24.5 | 41.4 | 17.1 |
這張表的重點是說明準確率幾乎打平，Flora 是 64.7，Refiner 是 64.3，所以拉開差距的仍是時間定位。另外，其中三種流程都用 Gemini 3.5 Flash 當後端，這是商用 API，使用者還要另外負擔費用。
這些基準的來源也要看。DenseRewardBench 只有 40 段雙臂操作影片，共 4,861 個時間步，RubricBench 只有 40 段遙控影片，兩者都是 NVIDIA 自己建立的內部基準。
更關鍵的是，DenseCaptionBench 的評審由 GPT-6 Astra 擔任。論文自己承認，Astra 同時是被評的對象，評審與被評者之間可能存在自我偏好，所以 Flora 在這組基準上的優勢，需要用別人的資料複核。
延伸閱讀：Figure Index 是什麼？做家事也能賺錢，1,600 萬支人類影片如何訓練機器人
基準講完，才有辦法看「低 125 倍」到底算了什麼。
Flora 低 125 倍的成本是怎麼算的？
專案頁寫的是約 125 倍，論文附錄 D 說明了算法。比較的是每小時來源影片的標註成本，Flora 是 0.72 美元，GPT-6 Astra 在最高推理強度下是 88.49 美元，相除是 122.5 倍，論文概略寫成約 125 倍。
同一張圖也列出其他商用模型。Gemini 3.8 Flash 每小時 8.48 美元，品質 38.3%，Claude Opus 5 每小時 41.70 美元，品質 30.4%，所以 Astra 是其中品質最高、也最貴的一個。
品質欄的算法要看清楚。它在 DenseCaptionBench 的固定 50 段子集上評分，包含 20 段人類、15 段平行夾爪與 15 段靈巧手影片，總長只有約 1.25 小時，切段、說明與聯合標註三項同等加權。
在這個子集上，Flora 是 57.1%，Astra 是 53.7%。
論文也承認兩邊用的參考答案版本並不完全一致，Flora 用的是目前版本，API 結果沿用成本研究當時的版本。
兩邊的成本性質不同。Astra 的成本是依真實 API 用量計算，但 7,062 次請求中有 106 次沒有用量紀錄，所以論文稱它是已知用量的小計，並非完整帳單。Flora 的成本則是估算。
估算的假設相當具體。它假設用 8 張 GB300，每張 GPU 每小時 10 美元，資料平行、批次大小 16，工作量取自早期部署研究的 660 個視窗與 890 次說明。
論文附錄明說，生產環境的 GPU 小時分母尚未驗證，儲存、計費粒度與部署開銷也沒有計入。在不同工程情境下，每小時成本落在 0.51 到 1.26 美元之間。
我把這個區間代回去，倍數大約落在 70 到 173 倍之間，這是我用 88.49 除以區間兩端的結果。所以「約 125 倍」比較像一個數量級的說法，不是可以保證的省錢比例。
我另外做了一個交叉檢查。若 512 張 GPU 每天處理 20 萬小時影片，每張每小時租價 10 美元，一小時影片的成本約 0.61 美元，和論文的 0.72 美元相近。這是我的粗略推算，不是官方數字，而且 20 萬小時是「最高」值，實際單價可能更高。
要真的省到這個程度，前提是你自己有 GPU，而且影片量大到能讓 GPU 長時間跑滿。標註量小的團隊，直接用 API 反而可能更簡單。
成本之外，能不能拿來用，還要看授權怎麼寫。
Flora 開放權重可以商用嗎？授權與取得方式
三個模型都放在 Hugging Face 的 nvidia 帳號下，授權是 NVIDIA OneWay Noncommercial License，2022 年 3 月 22 日版。模型卡寫明，這些模型僅供研究與開發，不支援商業或正式環境使用。
授權全文把「非商業」定義為只限研究或評估用途，NVIDIA 與關係企業則可以商業使用。所以學術研究與評估是它設計的用途，授權也要求轉散布時附上完整授權文字。
把標好的資料拿去訓練要賣錢的機器人模型，算不算商業使用，要請法務依授權全文判斷，我沒有法律意見可以提供。
模型卡也寫明，輸出只是標註，不用來直接控制機器人，也不能當作實體系統的唯一安全監控。這點要和 Rewarder 的失敗偵測分開理解，因為它只抓到約 53% 的失敗步驟，不能取代安全設計。
取得與執行的條件也很具體。官方執行環境是 PyTorch 與 Hugging Face Transformers，測試硬體是 NVIDIA H100，支援 Ampere、Hopper、Blackwell 與 Lovelace 架構，作業系統是 Linux。
官方附的批次工具驗證過的環境是 Python 3.12 與一張 80GB 顯示記憶體的 GPU，下載與快取空間建議至少 150GB。
因為說明模型的權重以 FP32 釋出，我查到的倉庫檔案約 109GB，打分模型則是 BF16 的約 56GB，切段模型只是約 0.35GB 的 LoRA 轉接層，要另外搭配 Qwen3.5-9B 基礎模型。
批次工具驗證過的輸入上限是單檔 120 秒、256 MiB，影片至少每秒 4 格。打分模型的範例腳本在 H100 80GB 上驗證，結果與過程獎勵用一張，評分表獎勵用兩張。
三個模型的訓練方式也不同。論文寫明，Rewarder 只做了監督式微調，沒有強化學習階段，切段與說明模型則另外經過強化學習。
延伸閱讀：NVIDIA ASPIRE v1.0 開源：機器人技能發現與自我改善，99% 成績要怎麼讀？
適合誰、不適合誰
適合已經有一批機器人或人類示範影片，需要加上時間戳說明與品質分數的研究團隊。這類團隊可以直接拿它和手上的商用模型並排比較，數字、成本與誤差一次看到。
也適合做強化學習後訓練的人。過程獎勵與失敗偵測在論文的 DenseRewardBench 上四項全勝，權重也可以下載檢查，但這個基準只有 40 段影片，由 NVIDIA 自己建立。
不適合要把標註服務賣給客戶的公司，因為授權明寫不支援商業使用。也不適合只有少量影片的個人，因為跑 27B 模型的硬體成本與設定時間，可能比直接用 API 更高。
更不適合把它當成機器人的安全把關者。官方說明輸出只是標註，而失敗召回率約 53%，所以仍有近一半的失敗步驟抓不到。
Flora 的限制與風險
限制先從基準的來源說起。六組主要基準裡，WGO-Bench、RoboReward 與 Robometer 是公開基準，DenseCaptionBench 的 300 段影片、DenseRewardBench 與 RubricBench 則是內部建立，我沒有在論文看到公開這些資料的說明，第三方暫時無法自行重跑。
比較口徑也有落差。論文說明，對一般模型使用的是共同流程，先用同一個模型切段，再逐段寫說明，這是在評比整套系統，輸入的畫面與推論算力並不相同，所以結果反映的是「這套流程在這些設定下的表現」。
模型專攻機器人影片，官方沒有主張它能處理一般影片理解，標註語言也是英文，所以中文或其他語言的資料需要自己轉換。
供應與維護同樣不確定。NVIDIA 標明這些模型僅供研究，所以升級節奏與長期支援，都不該預設會有保證。
最後提醒影片內容的問題。模型卡提醒使用者要確認自己對輸入影片擁有權利，並說明影片裡若有人物或個人資料，模型不會替你模糊處理。把員工或客戶的影片拿來標註前，要先確認同意與隱私規定。
導入前最常被問到的幾件事，整理在下面的常見問題。
Flora 常見問題
Flora 的權重可以商用嗎？
不行直接商用。模型卡寫的是 NVIDIA OneWay Noncommercial License，只支援研究與開發，不支援商業或正式環境使用。若有商業需求，需要和 NVIDIA 另行洽談。
低 125 倍是在比什麼？
比的是每小時來源影片的標註成本，它是 0.72 美元，GPT-6 Astra 是 88.49 美元。前者是以 8 張 GB300、每張每小時 10 美元估算，不是實際帳單。比較用的影片只有 50 段，總長約 1.25 小時。
它真的達到 Astra 的表現嗎？
要看項目。論文說在內部基準上具競爭力，在 18 列主表中，領先 9 列，落後 8 列，1 列平手。切段與失敗偵測是強項，片段說明準確率與評分表打分仍然落後。
需要多少 GPU 才跑得動？
模型卡只列測試硬體是 H100，沒有寫最低需求。官方批次工具驗證過的環境是一張 80GB 顯示記憶體的 GPU，說明模型的權重以 FP32 釋出，倉庫約 109GB，需要預留 150GB 以上的磁碟空間。
先在自己的影片上比一輪，再決定要不要用 Flora
這套資料引擎把機器人標註拆成切段、說明與打分三步，權重公開，數字與成本假設也寫得很清楚。對做機器人學習的研究者，它是少見能下載、能核對的標註工具。
但它與 GPT-6 Astra 互有勝負，125 倍成本是估算，授權又限定非商用。建議先用一小批自己的影片，比較切段準確度、說明品質與失敗偵測的誤報率，再決定要不要建立完整流程。
想持續追蹤機器人資料與開放模型的新發展，可以免費訂閱 AI 郵報，也可以回到 NVIDIA 專案頁核對基準與授權是否更新。
