Nvidias Flora senkt die Kosten für das Labeln von Robotervideos
Nvidias neues System Flora annotiert Trainingsvideos für Roboter deutlich günstiger als GPT-6 Astra, schneidet aber nicht in jedem Test besser ab.
Illustration made on Lumeta with GPT Image 2.5Make one like it
Nvidia hat Flora als Open Source veröffentlicht, ein System zur Annotation von Roboter-Trainingsvideos. Am 25. Oktober 2026 erklärte das Unternehmen, Flora könne Arbeit, die mit GPT-6 Astra rund $88.49 pro Stunde Quellvideo kosten würde, für etwa $0.72 erledigen. Das ist für Robotik-Teams relevant, die mit riesigen Videodatensätzen trainieren. Allerdings beruht Nvidias Preisvorteil auf Schätzungen und nicht auf tatsächlichen Abrechnungen aus dem Produktivbetrieb. Forschende können die veröffentlichten Modelle bereits jetzt auf Hugging Face ausprobieren.
Was sich geändert hat
Flora soll aus Robotervideos drei Arten von Labels erzeugen: mit Zeitstempeln versehene Aktionsbeschreibungen, schrittweise Fortschrittsbewertungen und ein abschließendes Urteil darüber, ob die gesamte Aufgabe gelungen ist. Laut Nvidia wird das System bereits beim Training der GR00T-Modelle eingesetzt und verarbeitet dabei bis zu 200.000 Stunden Video pro Tag auf 512 GB300-GPUs. Technisch basiert Flora auf drei feinabgestimmten Qwen3.5-Modellen, darunter ein 9B-Segmentierer und zwei 27B-Modelle für Beschreibungen und Reward-Bewertung.

Illustration made on Lumeta with GPT Image 2.5Make one like it
Was hinter der Preisangabe steckt
In Nvidias Test mit 50 Videos erreichte Flora bei der Annotationsqualität 57,1 Prozent, GPT-6 Astra 53,7 Prozent. Die Kosten schätzte Nvidia auf $0.72 pro Videostunde für Flora und $88.49 für Astra. Laut Paper handelt es sich bei den Flora-Kosten um Hochrechnungen auf Basis eines angenommenen GPU-Mietpreises von $10 pro GPU-Stunde, nicht um gemessene Kosten aus dem realen Einsatz. Im selben Vergleich nennt Nvidia für Claude Opus 5 $41.70 pro Videostunde und für Gemini 3.8 Flash $8.48.
Wo Flora stark ist und wo nicht
Nvidias Ergebnisse deuten darauf hin, dass Flora besonders gut darin ist, Aktionsgrenzen zu erkennen, fehlgeschlagene Schritte innerhalb einer Episode aufzuspüren und Teilpunkte zu vergeben, wenn ein Roboter Fortschritte macht, die Aufgabe aber nicht vollständig abschließt. Auf RoboRewardBench liegt Floras Fehlerrate laut Nvidia um 27,8 Prozent unter der von Astra, und Flora-Rewarder erkennt in diesem Test 53,3 Prozent der fehlgeschlagenen Schritte, Astra dagegen keinen einzigen. Bei einigen Kennzahlen liegt Astra jedoch weiterhin vorn, etwa beim Gesamtergebnis in WGO-Bench, bei den Robotervideo-Ergebnissen in Nvidias DenseCaptionBench, bei der rubrikbasierten Bewertung und beim Ranking von Trajektorien. Damit wirkt Flora weniger wie ein vollständiger Ersatz für multimodale Frontier-Modelle, sondern eher wie eine spezialisierte offene Alternative für Labore, die günstige Robotik-Annotation in großem Umfang benötigen.


