Flora dari Nvidia Pangkas Biaya Pelabelan Data Robot
Sistem Flora terbaru dari Nvidia melabeli video pelatihan robot dengan biaya jauh lebih murah daripada GPT-6 Astra, tetapi kinerjanya tidak lebih unggul di semua pengujian.
Illustration made on Lumeta with GPT Image 2.5Make one like it
Nvidia telah merilis Flora secara open source, sebuah sistem untuk melabeli video pelatihan robot. Pada 25 Oktober 2026, perusahaan itu menyatakan Flora dapat mengerjakan tugas yang dengan GPT-6 Astra bisa menelan biaya sekitar $88.49 per jam video sumber, hanya dengan sekitar $0.72. Hal ini penting bagi tim robotika yang melatih model dengan kumpulan data video berukuran raksasa, meski selisih harga versi Nvidia didasarkan pada estimasi, bukan tagihan produksi. Para peneliti sudah bisa mencoba model yang dirilis di Hugging Face.
Apa yang berubah
Flora dirancang untuk menghasilkan tiga jenis label dari video robot: deskripsi tindakan bertanda waktu, penilaian kemajuan langkah demi langkah, serta penilaian akhir keberhasilan untuk keseluruhan tugas. Nvidia mengatakan sistem ini sudah digunakan dalam pelatihan model GR00T miliknya, dengan memproses hingga 200.000 jam video per hari menggunakan 512 GPU GB300. Di balik layar, Flora memakai tiga model Qwen3.5 yang telah di-fine-tune, termasuk segmenter 9B dan dua model 27B untuk pembuatan keterangan dan penilaian reward.

Illustration made on Lumeta with GPT Image 2.5Make one like it
Arti klaim harga tersebut
Dalam uji 50 video yang dilakukan Nvidia, Flora meraih skor kualitas anotasi 57.1 persen, dibandingkan 53.7 persen untuk GPT-6 Astra, sementara Nvidia memperkirakan biayanya $0.72 per jam video untuk Flora dan $88.49 untuk Astra. Makalahnya menyebutkan bahwa biaya Flora tersebut merupakan proyeksi yang dihitung dari asumsi harga sewa GPU $10 per jam GPU, bukan tagihan penerapan yang diukur secara nyata. Dalam perbandingan yang sama, Nvidia juga mencatat Claude Opus 5 sebesar $41.70 per jam video dan Gemini 3.8 Flash sebesar $8.48.
Di mana Flora tampak paling kuat, dan di mana tidak
Hasil Nvidia menunjukkan Flora sangat baik dalam menemukan batas-batas tindakan, mendeteksi langkah yang gagal dalam sebuah episode, serta memberikan nilai parsial ketika robot membuat sebagian kemajuan tanpa menuntaskan tugas sepenuhnya. Di RoboRewardBench, Nvidia menyebut tingkat kesalahan Flora 27.8 persen lebih rendah daripada Astra, dan Flora-Rewarder menangkap 53.3 persen langkah yang gagal, sementara Astra tidak menangkap satu pun dalam uji tersebut. Namun, Astra masih unggul di beberapa ukuran, termasuk skor keseluruhan WGO-Bench, hasil video robot di DenseCaptionBench milik Nvidia, penilaian berbasis rubrik, dan pemeringkatan lintasan. Alhasil, Flora tampak bukan sebagai pengganti total model multimodal terdepan, melainkan lebih sebagai pilihan terbuka yang terspesialisasi bagi laboratorium yang membutuhkan anotasi robotika murah dalam volume tinggi dan skala besar.


