Flora của Nvidia giúp giảm chi phí gắn nhãn dữ liệu huấn luyện robot
Hệ thống Flora mới của Nvidia gắn nhãn video huấn luyện robot với chi phí thấp hơn nhiều so với GPT-6 Astra, nhưng không phải bài kiểm tra nào nó cũng vượt trội.
Illustration made on Lumeta with GPT Image 2.5Make one like it
Nvidia đã mở mã nguồn Flora, một hệ thống gắn nhãn video huấn luyện robot. Ngày 25/10/2026, công ty cho biết Flora có thể xử lý khối lượng công việc vốn tốn khoảng 88,49 USD cho mỗi giờ video gốc với GPT-6 Astra, nhưng chỉ với khoảng 0,72 USD. Điều này có ý nghĩa lớn với các nhóm robot đang huấn luyện trên những bộ dữ liệu video khổng lồ, dù khoảng chênh lệch giá mà Nvidia đưa ra dựa trên ước tính chứ không phải hóa đơn vận hành thực tế. Giới nghiên cứu hiện đã có thể dùng thử các mô hình được phát hành trên Hugging Face.
Có gì thay đổi
Flora được thiết kế để tạo ra ba loại nhãn từ video robot: mô tả hành động kèm mốc thời gian, đánh giá tiến độ theo từng bước và phán định cuối cùng về việc toàn bộ nhiệm vụ thành công hay không. Nvidia cho biết hệ thống này đã được dùng để huấn luyện các mô hình GR00T, xử lý tới 200.000 giờ video mỗi ngày trên 512 GPU GB300. Về bên trong, Flora sử dụng ba mô hình Qwen3.5 đã được tinh chỉnh, gồm một mô hình phân đoạn 9B và hai mô hình 27B dùng để tạo chú thích và chấm điểm thưởng.

Illustration made on Lumeta with GPT Image 2.5Make one like it
Tuyên bố về giá thực sự có ý nghĩa gì
Trong bài kiểm tra trên 50 video của Nvidia, Flora đạt 57,1% về chất lượng gắn nhãn so với 53,7% của GPT-6 Astra, trong khi Nvidia ước tính chi phí là 0,72 USD mỗi giờ video với Flora và 88,49 USD với Astra. Bài báo cho biết chi phí của Flora là con số dự phóng dựa trên giá thuê GPU giả định 10 USD mỗi giờ GPU, chứ không phải hóa đơn triển khai đo được. Trong cùng phép so sánh, Nvidia cũng nêu Claude Opus 5 ở mức 41,70 USD mỗi giờ video và Gemini 3.8 Flash ở mức 8,48 USD.
Flora mạnh ở đâu và chưa mạnh ở đâu
Kết quả của Nvidia cho thấy Flora đặc biệt giỏi trong việc xác định ranh giới giữa các hành động, phát hiện những bước thất bại trong một lượt thực hiện và chấm điểm một phần khi robot có tiến triển nhưng chưa hoàn thành hẳn nhiệm vụ. Trên RoboRewardBench, Nvidia cho biết tỷ lệ lỗi của Flora thấp hơn 27,8% so với Astra, và Flora-Rewarder phát hiện được 53,3% số bước thất bại, trong khi Astra không phát hiện được bước nào trong bài kiểm tra đó. Tuy vậy, Astra vẫn dẫn đầu ở một số tiêu chí, gồm điểm tổng trên WGO-Bench, kết quả với video robot trên DenseCaptionBench của Nvidia, chấm điểm theo bộ tiêu chí và xếp hạng quỹ đạo. Như vậy, Flora chưa phải là sự thay thế hoàn toàn cho các mô hình đa phương thức hàng đầu, mà giống một lựa chọn mở chuyên biệt hơn cho các phòng thí nghiệm cần gắn nhãn dữ liệu robot giá rẻ với khối lượng lớn ở quy mô lớn.


