512 張 GB300 同時轉，官方寫一天能標 20 萬小時的機器人與人手操作影片。這條產線不叫標註平台，叫 Flora：NVIDIA GEAR 實驗室公開的資料引擎，用來餵自家 GR00T 實體基礎模型的訓練資料。論文與專案頁把對標寫死——內部測集跟 GPT-6 Astra 互有勝負，標註成本大約是 Astra 的 1/125。權重已經上 Hugging Face，三顆模型上個月下載量各自約一千次。授權不是 Apache，是 NVIDIA 單向非商用授權：研究可以，商用不行，NVIDIA 自己除外。
機器人基礎模型缺的不是再多一顆會聊天的大型語言模型，是帶時間戳的標籤。預訓練要知道影片哪一秒在做什麼，才能過濾、平衡資料；強化學習後訓練要逐步獎勵，才知道這半秒是正常、勉強還是失敗；上線監控要結局分數，才知道這次任務有沒有做成。多數現成工具只給其中一種。Astra 這類通用視覺語言模型三種都能寫，但按公開價目表，輸入每百萬 Token 10 美元、輸出 50 美元，再把推理開到最大，一小時片源會把帳單拉到兩位數美元。Flora 的主張是：同一條管線三種標籤都出，而且能用專用小模型把單價壓到一塊美元以下。
三顆模型，三種標籤，同一條管線
Flora 不是一顆端到端大模型。官方把它拆成三個後訓練過的 Qwen3.5 多模態模型，Hugging Face 卡片把用途寫得很窄：只產標註，不直接控機器人，也不能當實體系統唯一的安全監視器。
Flora-TempSeg 是 9B，從 Qwen3.5-9B 接 LoRA（rank 32、alpha 64），視覺編碼器凍結，先做監督微調再做可驗證時間對齊獎勵的 GRPO。推理時一次看 16 秒或 32 秒視窗，4 Hz 抽幀，輸出半開區間的起迄 tick 與左右延續旗標。標準視窗可見範圍是 20 Hz 座標系上長度 320 tick 的半開區間，真正准許輸出的核心是中間 12 秒；前後各留 2 秒當邊界緩衝。產線把碎片投回片源時鐘再縫合，才得到整段 episode 的子任務。訓練資料少於 1,000 萬筆、少於 1 萬小時影片，全是英文。
Flora-Captioner 是 27B，視覺 patch embedding 與視覺 Transformer 凍結，語言模型與 visual merger 全參數微調，再加一輪以參考標註為準的 GRPO。它不改邊界。輸入是 BEFORE／TARGET／AFTER 三塊，TARGET 名義 8 Hz、8 到 40 幀，三塊合計最多 64 幀，輸出一句英文祈使句，例如「用右手把藍色馬克杯放到托盤上」。失敗或重試要保留原本意圖，不能把失手寫成新目標。WGO-Bench 官方金窗說明正確率 64.7%。
Flora-Rewarder 也是 27B，這次連視覺編碼器一起全參數微調。同一顆權重靠提示詞切三種輸出：結局 1 到 5 分；每 0.5 秒一步的密集品質（1 失敗、2 不佳、3 正常）；以及自訂評分表逐步打分。結局與密集任務最多 16,384 個 token，評分表任務最多 32,768。結局最多均勻抽 64 幀；密集獎勵用 16 秒、4 FPS、64 幀。
官方說這套已經在 GR00T-2 的訓練裡跑過。公開能核對的是吞吐數字：512 張 GB300、每天 20 萬小時。若按論文成本假設每卡時 10 美元，512 張全天是 12,288 卡時、約 12.3 萬美元；20 萬小時片源均下來約每小時 0.61 美元，跟 50 集測集估出來的 0.72 美元同一數量級。這仍是官方自己的產線數字，不是第三方實測。
官方表：Flora 跟人手影片，Astra 跟機器人影片
GEAR 專案頁把對照攤成一張表，對手是 Astra、GPT-5.6 Sol、Claude Opus 5、Kimi K3。數字全部是 NVIDIA 自己報的。
| 測項 | Flora | Astra | Sol | Opus 5 | Kimi K3 |
|---|---|---|---|---|---|
| 人手 DenseCaption 切段 [email protected] | 54.6 | 44.2 | 32.6 | 22.7 | 21.1 |
| 人手說明品質 | 66.5 | 60.3 | 36.4 | 31.0 | 30.3 |
| 機器人 DenseCaption 切段 [email protected] | 66.9 | 71.9 | 45.8 | 45.9 | 41.2 |
| 機器人說明品質 | 73.7 | 80.2 | 69.6 | 49.7 | 48.0 |
| WGO 切段 [email protected] | 50.3 | 46.0 | 33.7 | 25.5 | 26.1 |
| WGO 金窗正確率 | 64.7 | 77.4 | 56.6 | 49.3 | 50.6 |
| RoboReward MAE（愈低愈好） | 40.0 | 55.4 | 78.0 | 88.2 | 68.2 |
| Robometer 分布外 Kendall | 72.0 | 82.3 | 64.2 | 63.1 | 63.5 |
| 失敗步驟召回 | 53.3 | 0.0 | 1.0 | 0.3 | 0.3 |
| RubricBench 合併 L1（愈低愈好） | 6.5 | 3.6 | 8.4 | 17.1 | 15.6 |
「SOTA」只在部分欄成立。WGO-Bench 的切段 Flora 第一，金窗正確率與語意聯合 F1 仍是 Astra 高。人手影片 Flora 全勝；機器人影片 Astra 全勝。論文自己承認一個方法學問題：說明品質有一部分是 Astra 在評，而 Astra 同時是參賽模型。
獎勵這一側，Flora 的優勢集中在「沒做完」與「中途出錯」。RoboRewardBench 2,831 集、人類 1 到 5 分，Flora 的平均絕對誤差 40.0（已乘 100），Astra 55.4，專用 RoboReward 模型 66.5。論文舉的例子：機器人只把瓶子推倒、沒推出桌面，人類標 3 分，Flora 對上 3，Astra 給 1。DenseRewardBench 40 集雙手操作、4,861 個時間步，Flora 宏觀 F1 46.2，失敗召回 53.3%；沒有任何基線超過 11.7%，Astra 的失敗召回是 0。代價寫在同一段：大約 11% 的正常步驟被 Flora 標成失敗。軌跡排序與評分表，Astra 仍領先——分布外 Kendall 82.3 對 72.0，RubricBench 合併 L1 3.6 對 6.5。
定性例子同樣兩面。一段短促手部動作，Flora 對上 37 個參考區間裡的 34 個，Astra 只抓到 4 個；反過來 Flora 會把長動作切太碎，也會寫錯物件。論文裡有一集機器人用手帕擦盤子，Flora 寫成摺餐巾。
0.72 對 88.49，分母是假設租金
成本比較來自 DenseCaptionBench 固定 50 集：20 集人手、15 集平行夾爪、15 集靈巧手。品質把切段、參考窗說明、三本體聯合標註等權平均。Flora 57.1%，Astra 開最大推理 53.7%。Flora 的單價按「8 張 GB300、每卡時 10 美元」估成每小時片源 0.72 美元；Astra 按已知用量的 API 帳單估成 88.49 美元。The Decoder 轉述同一測集裡 Claude Opus 5 品質更差，單價仍約 42 美元。
這 125 倍不是實測雲帳單對實測雲帳單。10 美元卡時是假設。8 張 GB300 是論文的參考部署，不是 512 張生產線的均價。Astra 那 88.49 美元是「已知用量」乘上市價：標準檔輸入 10、輸出 50 美元／百萬 token，長上下文（輸入超過 27.2 萬 token）再加倍輸入、輸出乘 1.5；Batch 半價，Fast 加倍。換 Batch、關最大推理、或改打 GPT-6 Sol（輸入 2、輸出 10），分母會立刻變。論文沒有公布這 50 集各模型實際消耗的 token 數，外人無法重算。
把 0.72 美元外推到「一天 20 萬小時」會得到每天約 14.4 萬美元的標註成本。同一條產線若照 512×24×10 美元算卡時，是每天 12.3 萬美元。兩條帳對得上數量級，仍都是 NVIDIA 自己的假設。獨立實驗室若沒有 GB300、也租不到 10 美元卡時，單價不會自動等於 0.72。
權重能下，產線不能直接拿去賣
三顆權重在 Hugging Face 的發布日寫成 10/15。卡片統一寫：NVIDIA OneWay Noncommercial License（2022-03-22），底模 Qwen3.5 維持 Apache 2.0。授權第 3.3 條把「非商用」定義成僅供研究或評估；同一條明文讓 NVIDIA 及其關係企業可以商用。換句話說，GEAR 能用 Flora 標 20 萬小時去訓 GR00T-2 再把機器人模型賣給客戶，下載權重的人不能把同一條產線接進收費標註服務。
這跟「開源了所以能取代 Scale」不是同一件事。Scale 的 Physical AI Data Engine 對外賣的是收集加標註：舊金山原型實驗室累計超過 10 萬生產小時，平台端宣稱每天超過 1,000 小時新示範進站，客戶名單寫了 Physical Intelligence、Generalist AI、Cobot。Scale 用人工加自動視覺語言模型管線寫動作說明，暫時還把時間切段當成後續階段。Flora 把切段、說明、三種獎勵一次公開，但授權把商業標註市場關在門外。對做機器人基礎模型的實驗室，能合法做的是：標自己的研究集、試人到機器人遷移、試實體自動研究；不能合法做的是：開一個跟 Scale 對打的標註 API。
Gemini 4 Argon 走另一條。Google 這顆模型的機器人說明把事後標註寫進同一顆通用模型：一段 136 秒雙臂摺紙狐狸，能產出四層時間對齊 JSON——任務目標、6 個語意子任務、17 個接觸級原子動作，以及把失手與重試的學習權重壓到 0.15×–0.25×。Argon 還能從照片或草圖重建模擬、做零樣本控制。它走付費開發者通道，導入價先前公開是輸入 2、輸出 10 美元／百萬 token，不是可下載權重。Flora 專精標註、便宜、可自架，但不能商用、不能控手臂；Argon 通吃控制、模擬與標註，帳單走 API。兩套不是同一張報價單上的替代品。
開發者能跑起來的部分，跟產線仍有一段距離
參考推理寫得很具體。TempSeg 要關掉思考、貪婪解碼、每窗最多 1,024 個新 token，混合精度要保住 Gated DeltaNet 與 LoRA 的 FP32，測試硬體寫 Hopper H100。Captioner 每條指令最多 512 個新 token。三鏡頭輸入要拼成固定馬賽克：主鏡頭在上、左腕左下、右腕右下，角色不能對調。單鏡頭每幀像素上限 4 萬（TempSeg）或 26.2 萬（Captioner）；三鏡頭馬賽克再放寬。序列預算 32,768 token。
訓練資料卡同樣具體，而且偏小。三顆模型的影片訓練量都寫「少於 1 萬小時」，文字「少於 10 億 token」，來源是開源集、供應商授權集與 NVIDIA 自採，標註是人工、自動與合成混用。20 萬小時／天是產線吞吐，不是這三顆模型看過的資料量。一個實驗室若只有幾張消費卡、幾百小時自有示範，下載權重之後仍要自己接視窗切分、時鐘投影、跨窗縫合、BEFORE／AFTER 刷新。官方沒有放可商用的託管端點，也沒有放每小時片源的公開價目表。
社群下載量也還沒反映「125 倍」這個標題。TempSeg、Captioner、Rewarder 上月下載分別約 1,037、1,213、1,024。對研究權重來說不算零，對一條號稱工業級的資料引擎來說，還停留在「有人 clone 下來看卡片」的階段。
要驗證這套數字，至少有四件事現在對不上公開帳。第一，50 集測集之外，有沒有獨立團隊用同一套 DenseCaptionBench／RoboRewardBench 協議重跑 Astra 與 Flora。第二，0.72 美元在實際租卡市場能不能成立，尤其是沒有 8 張 GB300、只能用 H100 或消費卡的時候。第三，失敗召回 53.3% 換來的 11% 誤報，接到真實強化學習迴路裡會不會把策略罰歪。第四，單向非商用授權會不會在後續版本改成可商用，或永遠維持「NVIDIA 能賣、別人只能研究」。這四題沒有答案之前，Flora 比較像 NVIDIA 把自己已經在用的標註工廠拆一層出來，而不是機器人資料市場的新價目表。