NVIDIA Flora: Offene Modelle beschriften Robotervideos – der 125-fache Preisvorteil ist gerechnet

Mit Flora hat NVIDIA drei offene KI-Modelle veröffentlicht, die Videos von Robotern und Menschen in Handlungsschritte zerlegen, beschriften und bewerten. Eine Videostunde soll rund 72 Cent kosten statt 88 Dollar mit GPT-6 Astra. Der Wert ist eine Modellrechnung, und die Lizenz erlaubt nur Forschung.

Von Roboterwelt Redaktion4 Min. LesezeitQuellen: 10
Ein Mann in rotem T-Shirt und weißer Weste trägt eine Videobrille und Handschuhe mit Sensorbügeln an den Unterarmen; im Vordergrund hebt ein humanoider Roboter mit goldenem Helm beide weißen Hände, ringsum Kabel und Geräte an den Wänden der Raumstation
Teleoperation auf der Internationalen Raumstation, April 2013: NASA-Astronaut Tom Marshburn steuert den humanoiden Roboter Robonaut 2. Videos ferngesteuerter Roboter gehören zu dem Material, das NVIDIA in Floras Tests verwendet. Die NASA ist an Flora nicht beteiligt. Foto: NASA/Chris Cassidy

Wer Roboter mit KI-Modellen trainiert, braucht Videos mit Text: was wann passiert, wie gut ein Schritt gelingt und ob die Aufgabe am Ende erledigt ist. Für diese Beschriftung hat die Forschungsgruppe GEAR von NVIDIA das System Flora entwickelt und drei Modelle auf Hugging Face gestellt; das zugehörige Paper ist auf den 20. Oktober 2026 datiert. Nach eigenen Angaben nutzt NVIDIA Flora beim Training seiner GR00T-Robotermodelle und beschriftet damit auf 512 GB300-Grafikprozessoren bis zu 200.000 Stunden Video am Tag. Unabhängig geprüft ist das nicht. 

Drei Modelle, drei Aufgaben

Flora besteht aus feinjustierten Varianten der offenen Qwen3.5-Modelle. Ein Modell mit 9 Milliarden Parametern zerlegt ein Video in einzelne Handlungen mit Start- und Endzeit. Ein Modell mit 27 Milliarden Parametern beschreibt jede Handlung als kurze Anweisung und bezieht dafür die Momente davor und danach ein. Ein drittes Modell, Flora-Rewarder, bewertet je nach Prompt den Erfolg einer Episode auf einer Skala von 1 bis 5, stuft jeden halbsekündigen Schritt als normal, suboptimal oder Fehler ein oder vergibt Punkte nach einem selbst definierten Bewertungsschema. Trainiert wurde mit offenen, lizenzierten und selbst erhobenen Datensätzen; die eigenen Daten haben Menschen nach festen Richtlinien beschriftet. 

Wie der 125-fach-Vergleich zustande kommt

Grundlage ist ein Test mit 50 Videos aus NVIDIAs eigenem Benchmark DenseCaptionBench: 20 zeigen Menschen, je 15 Roboter mit Parallelgreifer und mit mehrfingriger Hand. Flora erreicht dort 57,1 Prozent Annotationsqualität, GPT-6 Astra von OpenAI bei maximalem Denkaufwand 53,7 Prozent. Für Astra hat NVIDIA die angefallene API-Nutzung zu den Listenpreisen vom 4. Oktober 2026 abgerechnet: 88,49 Dollar je Videostunde. Die 72 Cent für Flora sind dagegen gerechnet, nicht gemessen. Das Paper setzt acht GB300-Chips zu angenommenen 10 Dollar je Chip und Stunde und einen modellierten Durchsatz an. Der genaue Faktor beträgt 122,5, NVIDIA rundet auf rund 125. In den eigenen Szenarien des Papers kostet Flora 0,51 bis 1,26 Dollar je Stunde, wäre also rechnerisch 70- bis 173-mal günstiger. Die Beschreibungen bewertet zudem ein GPT-6-Astra-Modell, das zugleich im Test steht; die Autoren nennen das selbst als Schwäche. 

Wo Flora vorn liegt und wo nicht

Auf dem öffentlichen WGO-Bench findet Flora die Grenzen zwischen Handlungen am besten, beschreibt sie aber ungenauer als GPT-6 Astra und Gemini 3.8 Flash. In DenseCaptionBench liegt Flora bei Menschenvideos vorn, bei Robotervideos hinter Astra. Bei der Erfolgsbewertung auf dem öffentlichen RoboRewardBench ist Floras Fehler 27,8 Prozent kleiner als der von Astra. Am deutlichsten ist der Abstand beim Erkennen von Fehlern innerhalb einer Episode, gemessen auf dem internen DenseRewardBench: Flora-Rewarder findet 53,3 Prozent der Fehlerschritte, kein Vergleichsmodell mehr als 11,7 Prozent, Astra keinen einzigen. Dafür markiert Flora rund elf Prozent der normalen Schritte fälschlich als Fehler. Beim Punktevergeben nach Bewertungsschema ist Astra genauer. 

Offen, aber nur für die Forschung

Die drei Modelle stehen ohne Zugangsantrag auf Hugging Face, die Modellkarten nennen als Einsatzgebiet „Global“; Nutzer in Europa können sie also herunterladen. Die Lizenz ist allerdings die NVIDIA OneWay Noncommercial License: Die Modelle und alle Ableitungen dürfen nur für Forschung oder Evaluierung genutzt werden, NVIDIA selbst darf sie kommerziell verwenden. Laut Modellkarten ist Flora nicht für den Produktiveinsatz gedacht und soll Roboter weder steuern noch als alleinige Sicherheitsüberwachung dienen. Für kommerzielle Datenpipelines ist Flora damit vorerst kein Werkzeug. Neben Modellgewichten und Paper hat NVIDIA auf GitHub Inferenzcode für alle drei Modelle veröffentlicht, nach eigener Beschreibung Beispielcode und nicht das eigene Produktionssystem; Trainingscode fehlt. 

Häufige Fragen

Was ist NVIDIA Flora?

Eine Sammlung von drei KI-Modellen, die Trainingsvideos für Roboter automatisch beschriften: Ein Modell zerlegt Videos in Handlungen mit Zeitangaben, ein zweites beschreibt jede Handlung, ein drittes bewertet Erfolg und Ausführungsqualität. Entwickelt hat sie die Forschungsgruppe GEAR von NVIDIA; NVIDIA nutzt Flora nach eigenen Angaben beim Training seiner GR00T-Modelle. 

Ist Flora wirklich 125-mal günstiger als GPT-6 Astra?

Das ist eine Hochrechnung. Für GPT-6 Astra hat NVIDIA die API-Nutzung in einem Test mit 50 Videos zu Listenpreisen abgerechnet (88,49 Dollar je Videostunde). Für Flora setzt das Paper acht GB300-Chips zu angenommenen 10 Dollar je Chip und Stunde und einen modellierten Durchsatz an (0,72 Dollar). Der genaue Faktor ist 122,5; in den Szenarien des Papers liegt Flora zwischen 0,51 und 1,26 Dollar je Stunde. 

Ist Flora besser als GPT-6 Astra?

Teils. Im Kostentest erreicht Flora 57,1 statt 53,7 Prozent Qualität, findet Handlungsgrenzen besser und erkennt Fehlerschritte, die Astra übersieht. Astra beschreibt Handlungen auf dem WGO-Bench genauer, liegt bei Robotervideos in DenseCaptionBench vorn und bewertet nach vorgegebenem Schema genauer. Alle Zahlen stammen aus NVIDIAs eigenem Paper. 

Darf man Flora kommerziell nutzen?

Nein. Die Modelle stehen unter der NVIDIA OneWay Noncommercial License, die Nutzung und Ableitungen nur für Forschung oder Evaluierung erlaubt. Laut Modellkarten ist Flora nicht für den Produktiveinsatz gedacht und soll Roboter weder steuern noch allein deren Sicherheit überwachen. 

Wo gibt es Flora?

Die drei Modelle Flora-TempSeg, Flora-Captioner und Flora-Rewarder stehen ohne Zugangsantrag auf Hugging Face; die Modellkarten nennen als Einsatzgebiet „Global“. Das Paper liegt auf der Projektseite von NVIDIA Research und auf arXiv. Inferenzcode für die drei Modelle stellt NVIDIA auf GitHub bereit, Trainingscode nicht. 

Roboterwelt Redaktion

Alle Angaben in diesem Artikel wurden am 28. Oktober 2026 anhand des Papers, der Projektseite, der Modellkarten, des GitHub-Repositorys und der Lizenz geprüft.

Mehr zu Künstliche Intelligenz

Alle 82 Beiträge
Humanoider Roboter von vorn vor weißem Hintergrund, vom Kopf bis zu den Oberschenkeln: ein Gerüst aus Metallrohren mit Kabelsträngen und schwarzen Gelenkantrieben, im Brustkorb ein blau leuchtender Lüfter, als Kopf ein Sensormodul mit mehreren Kameralinsen, an den Armen GreifhändeAnalyseFiktion und Wirklichkeit: Terminator – was autonome Waffen heute könnenIm Kino übernimmt Skynet die Welt und schickt den T-800 auf Menschenjagd. Echte Waffen sind davon weit entfernt, doch manche wählen ihre Ziele heute schon selbst. Was Loitering Munition und Drohnenschwärme können, was „human in the loop“ bedeutet und worüber die Staaten in Genf beraten.17.11.2026Roboterarme an einem hellen Förderband, einer mit der Aufschrift KAWADA: Ein Greifer im Vordergrund setzt einen weißen Block in einen schwarzen Karton, dahinter stehen schwarze Kartons mit grün-weißen Packungen, rechts hängt ein weiterer Arm mit Greifer.KurzmeldungRunway gibt Robotik-Modell Praxis-1 mit offenen Gewichten freiRunway stellt sein Robotermodell Praxis-1 unter der Apache-Lizenz frei zur Verfügung, auch für kommerzielle Nutzung. Das Modell mit 27 Milliarden Parametern baut auf einem Videomodell auf und braucht eine große Grafikkarte. Was es kann und wie es sich zu π0 und GR00T verhält.15.11.2026Weiße Roboterhand mit fünf gegliederten Fingern, Handfläche nach oben ausgestreckt, vor einem weißen Roboterkörper und einem Monitor in einem hellen Raum mit grauem SteinbodenKurzmeldungOpenAI verteilt sein Robotik-Team und setzt auf AllzweckmodelleOpenAI hat die Forscher seines eigenständigen Robotik-Teams auf andere Teams verteilt. Die Begründung: Allzweckmodelle wie GPT-6 Astra ließen sich direkt auf Roboter anwenden. Was belegt ist, was OpenAI in der Robotik bisher versucht hat und was das für Figure, Physical Intelligence und Google DeepMind bedeutet.15.11.2026Weiß-grüner Lieferroboter von Serve Robotics mit vier Rädern und Sensorturm, auf der Seite der Name „Arden“, steht auf einem hellen Gehweg in einer Fußgängerzone; im Hintergrund ein Pflanzbeet, ein Fahrradständer und ein Baumstamm.KurzmeldungServe Robotics öffnet seine Robotertechnik für andere Firmen – der Chef spricht vom „AWS-Moment“Der US-Lieferroboter-Betreiber Serve Robotics verkauft unter dem Namen „Physical AI Services“ Technik aus der eigenen Flotte an andere Roboterfirmen. Zu den ersten Kunden zählt Bedrock Robotics. Sechs Tage später öffnete Serve auch seine Lieferroboter selbst für Entwickler.14.11.2026