0.72 美元标注一小时机器人视频:NVIDIA 开源 Flora 数据引擎,成本与质量账怎么算

行业新闻 · 丁香 · 发布 2026-10-27 · 阅读 44
NVIDIA 的机器人实验室 GEAR 本周把自家正在给 GR00T 人形模型喂数据的标注引擎 Flora 整体开源。它不是单一大模型,而是三个微调 Qwen 3.5 的专用件:9B 的切段器把视频切成动作片段,27B 的描述器给每个片段写带上下文的说明,另一个 27B 的 Rewarder 负责打成功率分、判定每一步是正常、次优还是失败、按自定义评分细则打分。权重已挂上 Hugging Face,许可是 NVIDIA 的非商用研究授权,商用部署需要另行谈。

三类标签一次给齐,这是它和 API 大模型的分界线

机器人基础模型训练要三种标注:时间戳动作描述用于筛选预训练数据,过程奖励用于强化学习后训练,结果奖励用于监控实机部署。现有工具大多只覆盖其中一种;GPT-6 Astra 这类前沿模型虽然全能,但按 token 加推理深度计费,在二十万小时量级的视频池上根本付不起。Flora 的思路是用三个窄专家替代一个通用大模型,把标注成本从 API 账单降回裸算力价格。
@Q@机器人操作视频标注场景@Q?

成本账:0.72 美元对 88.49 美元,但这是厂商自报的投影值

论文给出的 50 段视频对比:Flora 标注质量 57.1%,单小时视频成本约 0.72 美元;GPT-6 Astra 开满推理档 53.7%、88.49 美元;Claude Opus 5 约 41.70 美元但质量仅 30.4%;Gemini 3.8 Flash 约 8.48 美元、38.3%。0.72 这个数基于 8 张 GB300、每张 10 美元/卡时的假设算出,是投影不是实测,多家媒体复算后都强调了这一点。按此假设集群每墙钟小时烧 80 美元,要摊到 0.72 美元/视频小时,相当于每小时处理约 111 小时视频,即约 111 倍实时吞吐——数字激进,但批处理多段视频后尚可成立。
@Q@NVIDIA

质量账:失败步骤召回 53.3%,对手最高 11.7%

RoboRewardBench 上 Flora 的错误率比 Astra 低 27.8%,Rewarder 能抓住 53.3% 的失败步骤,最好的竞品只有 11.7%。短板同样明确:WGO-Bench 总分仍落后 Astra,纯描述准确率落后 Gemini 3.8 Flash;自家 DenseCaptionBench 的机器人视频子集也排第二;约 11% 的正常步骤会被误标为异常。50 段样本的测试量对通用标注引擎的结论偏小,NVIDIA 自报的 512 张 GB300、每天 20 万小时规模也没有第三方审计。落地前必须用自己的机器人和任务复测。

选型判断:先算你的 GPU 内部成本,再决定用不用

125 倍的成本差对 GPU 租金高度敏感:租金 5 美元/卡时约 246 倍,20 美元约 61 倍,40 美元只剩约 31 倍。如果自有 GPU 的折旧、电力、运维摊进去,真实卡时成本往往高于 10 美元假设,优势会缩水;只有本来就要租 8 张 GB300 时这笔账才成立。对机器人团队,Flora 真正的价值不是便宜,而是把数据管线拿回内网:视频不出机房、标注可持续迭代、成本结构从按 token 变成按卡时。风险清单也清晰:非商用许可意味着商业产品要先和 NVIDIA 谈授权;11% 误标率意味着下游强化学习要配一层人工抽检;它直接对标 Scale AI 的 Physical AI 数据引擎和 Google 的 Gemini 4 Argon,商业标注服务的报价会跟着松动。一句话:这是卖铲子逻辑的延伸——NVIDIA 开源数据引擎,是为了让更多实验室把算力烧在自家卡上。

← 返回新闻列表