Flora van Nvidia maakt labelen van robotvideo's veel goedkoper
Nvidia's nieuwe Flora-systeem labelt trainingsvideo's voor robots voor veel minder geld dan GPT-6 Astra, maar presteert niet op elke test beter.
Illustration made on Lumeta with GPT Image 2.5Make one like it
Nvidia heeft Flora open source gemaakt, een systeem voor het labelen van trainingsvideo's voor robots. Op 25 okt. 2026 meldde het bedrijf dat Flora werk kan doen dat met GPT-6 Astra ongeveer $88.49 per uur bronvideo zou kosten, voor zo'n $0.72. Dat is belangrijk voor roboticateams die trainen op enorme videodatasets, al is het prijsverschil van Nvidia gebaseerd op schattingen en niet op werkelijke productiekosten. Onderzoekers kunnen de vrijgegeven modellen nu al uitproberen op Hugging Face.
Wat er verandert
Flora is ontworpen om drie soorten labels uit robotvideo's te halen: actiebeschrijvingen met tijdstempels, stapsgewijze voortgangsbeoordelingen en een eindoordeel over het slagen van de hele taak. Volgens Nvidia wordt het systeem al gebruikt bij het trainen van zijn GR00T-modellen, waarbij tot 200.000 uur video per dag wordt verwerkt op 512 GB300-GPU's. Onder de motorkap gebruikt Flora drie gefinetunede Qwen3.5-modellen: een 9B-segmenter en twee 27B-modellen voor ondertiteling en beloningsscores.

Illustration made on Lumeta with GPT Image 2.5Make one like it
Wat de prijsclaim betekent
In Nvidia's test met 50 video's scoorde Flora 57,1 procent op annotatiekwaliteit, tegenover 53,7 procent voor GPT-6 Astra. Nvidia schatte de kosten op $0.72 per video-uur voor Flora en $88.49 voor Astra. Volgens de paper zijn die kosten voor Flora prognoses op basis van een aangenomen GPU-huurprijs van $10 per GPU-uur, geen gemeten facturen uit de praktijk. In dezelfde vergelijking noemt Nvidia ook $41.70 per video-uur voor Claude Opus 5 en $8.48 voor Gemini 3.8 Flash.
Waar Flora het sterkst lijkt, en waar niet
De resultaten van Nvidia wijzen erop dat Flora vooral goed is in het vinden van actiegrenzen, het opsporen van mislukte stappen binnen een episode en het toekennen van gedeeltelijke punten als een robot vooruitgang boekt zonder een taak helemaal af te ronden. Op RoboRewardBench ligt het foutpercentage van Flora volgens Nvidia 27,8 procent lager dan dat van Astra, en Flora-Rewarder ontdekt 53,3 procent van de mislukte stappen, terwijl Astra er in die test geen enkele vindt. Toch blijft Astra op sommige punten voorop, waaronder de totale WGO-Bench-score, de resultaten voor robotvideo's op Nvidia's DenseCaptionBench, scoring op basis van rubrics en het rangschikken van trajecten. Daarmee lijkt Flora minder een volledige vervanging voor geavanceerde multimodale modellen en meer een gespecialiseerd open alternatief voor labs die goedkope robotica-annotatie in grote volumes nodig hebben.


