NVIDIA GEAR实验室在2026年10月20日发布了论文《FLORA: An Open Model Suite for Scaling Robotics Data Engines》，宣称其机器人视频标注引擎Flora能将每小时视频的处理成本从OpenAI GPT-6 Astra的88.4922美元拉低至0.7224美元，降幅接近122.49倍。
这一惊人价差瞬间点燃了具身智能圈。但在极端的商业降本神话背后，这并非通用多模态大模型的全面败退，而是NVIDIA针对具身数据长久以来的时序痛点进行的一次精算狙击；其开源面具之下，更藏着牢固的商业锁链。
降本神话背后的算力精算学
所谓125倍的成本落差，实际建立在一套极其严苛且不对称的假想环境之上。
NVIDIA给出的0.72美元单价并非来自真实长线账单。论文作者在推演这笔账目时，设定了一组纯理论边界：租赁8张GB300 GPU、批处理大小固定为16、每张卡每小时租金假设为10美元。在这套公式里，工程团队普遍面临的数据冷启动损耗、分布式存储读取带宽以及故障冗余运维费用，全被剔除在外。若放入实际工程环境测算，其实际波动区间在0.51至1.26美元之间。
与之对比的GPT-6 Astra，则是直接按开启最高推理算力模式调用的商业API顶配账单计价。更关键的是，这一悬殊结论全部产自一个仅包含50个视频片段的微型测试集。这50个样本涵盖20个人类动作、15个平行夹爪操作和15个灵巧手动作，累计时长仅4,483.54秒。虽然NVIDIA公布其内部正通过512张GB300集群每天处理20万小时视频用于训练GR00T-2具身模型，但那是厂内专属流水线，不能直接等同于普通开发者能拿到的生产成本。
此外评测机制本身也耐人寻味。论文在衡量GPT-6 Astra与Flora的文字生成质量时，担任裁判的大模型正是GPT-6 Astra自身。且在全套7,062次评测调用中，有106次因为用量数据缺失未被计入最终账单。这种在微型测试样本上建立的理想外推，带有鲜明的学术推演色彩。
专用小模型何以击穿通用旗舰
剥离掉商业维度的宣传包装，Flora在技术分工上的探索确实击中了具身智能数据标注的核心死穴。
通用视觉大模型擅长宏观语义概括，却普遍看不懂机械臂的细碎动作。机器人强化学习依赖亚秒级的精确切片与步进式反馈，但GPT-6 Astra这类千亿规模的庞然大物对局部高频动作反应迟缓。Flora并未盲目堆砌参数，而是基于阿里通义千问开源的Qwen3.5底座微调出了三款专用模型：负责划分时间边界的9B模型，负责情境字幕的27B模型，以及兼顾步骤评分、终局成败与量规奖励的27B Flora-Rewarder。
| 评估基准与核心维度 | NVIDIA Flora | OpenAI GPT-6 Astra | 差距归因与表现特征 |
|---|---|---|---|
| WGO-Bench 时序分割（F1@0.75） | 50.3 | 46.0 | Flora时序定位边界捕捉更为严密 |
| WGO-Bench 精准动作描述准确率 | 64.7% | 77.4% | Astra通用多模态语义归纳显著占优 |
| Robot200 机器人片段语义字幕（F1） | 51.0 | 57.9% | Flora易把细微操作误判，如抹布擦盘认作折叠餐巾 |
| RoboRewardBench 过程故障识别错误率 | 40.0% | 55.4% | Flora捕获53.3%局部步骤失误，Astra几乎全漏 |
在RoboRewardBench基准中，Flora展现出了小模型的专业特长。当机械手只是撞歪瓶子而未将其扫落桌面时，Flora给出了贴近人类专家标准的3分中间分，Astra却直接给出了1分的极端低分。更极端的是，在半秒级的单步失败识别中，Flora抓出了53.3%的局部错误动作，而Astra在这一项上毫无斩获。
但专用模型并非万能。Flora时序敏感的代价是极易草木皆兵，会将约11%的正常动作误判为失误。在Robot200机器人片段测试中，Flora的F1得分落后于Astra；在一次测试中，机械手正用布擦拭盘子，Flora却武断地将其归类为折叠餐巾。
通用大模型擅长看懂全局，专用小模型擅长找准时隙。
- 结论.单纯依靠调用前沿闭源通用接口做具身数据标注既不可持续也不够精准。具身工程正在转向专业时序模型切段打分、通用大模型补齐复杂语义的混合分工机制。
开源面具下的硬件生态阳谋
2026年10月15日，NVIDIA把模型权重上传到了Hugging Face平台。然而热闹的开源背后，却布设着严密的商业防线。
基座模型Qwen原本遵循极其宽松的Apache 2.0协议，但微调后的Flora被套上了NVIDIA OneWay Noncommercial License（2022年3月22日版）。该协议白纸黑字禁止任何形式的商业用途，仅供非商业研究和技术评估。同时，NVIDIA官方并未公开完整的端到端训练工程代码仓。
这意味着，市场上雄心勃勃的具身智能初创企业，根本无法直接将Flora部署进自家创造营收的工业流水线。
- 风险.若无视非商用协议强行嵌入生产环境，具身智能企业将面临法务暴击；若仅将其当作学术评估玩具，企业仍需自行寻找合规的替代方案。
NVIDIA此举的真正意图昭然若揭。它并非在做普惠全行业的慈善，而是通过开源权重在学术界建立事实上的标注标准，将开发者群体深度锁定在其生态之内。
降本神话中反复强调的8张GB300、512张内部生产集群，处处是为新一代芯片量身定制的硬件秀场。面对Google此前发布的Gemini 4 Argon等竞品，NVIDIA正借由Flora筑高从芯片底座、GR00T软硬件栈到数据工程的全链条壁垒。对产业界而言，要真正实现廉价自主的标注流水线，唯一的出路依然是基于完全商用的开源基座，自研并复现这一套级联工程。