「一小时视频标注 0.72 美元」：NVIDIA 开源 Flora，给机器人训练数据降本的故事没那么简单

NVIDIA 在 10 月 20 日放出了 Flora，一套给机器人视频打标签的开源模型。10 月 25 日，The Decoder 跟进报道后，这套东西在机器人圈子里传开了，传开的理由很直接：NVIDIA 说，标注一小时机器人视频，Flora 只要 0.72 美元，拿 GPT-6 Astra 干同样的活要花 88.49 美元。数字相差 125 倍，听起来像要把机器人训练数据的成本打下来一个量级。

先把话说在前面。我认为这个 125 倍值得认真看，但不值得直接当真。Flora 确实把一件以前很贵的事变便宜了，论文里的内测也确实跑赢了 Astra 一点。可 0.72 美元这个数建立在租卡价格假设上，质量账上 Flora 有赢有输，许可证还把商业用途挡在门外。把它当成「机器人数据管线里一个能用的新零件」比较贴切，当成「免费午餐」就过头了。

机器人缺的不是模型，是带标签的视频

具身智能这几年卡住的地方，常常不在模型本身。机器人要学会叠杯子、收拾桌面、拧瓶盖，得先看大量人类和机器人动手操作的视频，而且每段视频得标清楚：这个动作从哪一秒开始，到哪一秒结束，动作叫什么，做得对不对。没有这些标签，视频只是一堆像素，模型学不到步骤。

以前这事有两条路。人工标，又慢又贵。拿通用大模型标，模型能写出像样的描述，也能打分，可按量计费的 API 账单撑不住海量视频。NVIDIA 的 GEAR 实验室做 Flora，就是想把第二条路的账单砍下来，顺带把这套管线攥在自己手里。Flora 已经用在 GR00T 系列的训练里，NVIDIA 称它每天能标 20 万小时视频，跑在 512 张 GB300 上。这个数字来自 NVIDIA 自己的生产口径，外部没法独立复核，听听就好，别当成实测。

三个模型，各管一段活

Flora 不是一个模型，而是三个分工的模型，全都基于阿里 Qwen3.5 微调，权重挂在 Hugging Face 上：

流程走下来像一条小流水线。TempSeg 先切时间轴，Captioner 再给每段配一句人话，比如「用右手把蓝色杯子放到托盘上」，Rewarder 最后交三份成绩单：整段任务成没成（1 到 5 分）、每个步骤正常、次优还是失败、按你自己写的标准打的分。做机器人强化学习的人对最后这份成绩单最熟，过程奖励和结果奖励都从这里来，机器人部署后在线监测也能复用同一套打分。

值得单独提一句的是 Rewarder 的「找茬」本事。论文里说，在 DenseRewardBench 一类测试上，Flora 能抓住 53.3% 的失败步骤，而参与对比的前沿 API 模型大多不到 1%。一个例子很能说明问题：机器人只把瓶子碰倒、没推下桌子，人类标注给 3 分，Flora 也给了 3 分，Astra 只给了 1 分。半成品和彻底失败之间那点差别，Flora 拎得更清楚。

0.72 美元这笔账，怎么算出来的

先看 Flora 的成本账怎么列。NVIDIA 的算法建立在每小时每张卡 10 美元的租用价假设上，8 张 GB300 跑标注，一小时视频摊下来约 0.72 美元。同一批 50 段视频拿去给 GPT-6 Astra，按最高努力档跑，账单约 88.49 美元。两者一除，125 倍这个数字就出来了。同场对比里，Claude Opus 5 标一小时约 42 美元，也贵得离谱。

# 按 NVIDIA 论文口径复算这笔账
flora_per_hour = 0.72        # 美元 / 视频小时，基于 10 美元/GPU 小时的假设
astra_per_hour = 88.49       # 美元 / 视频小时，GPT-6 Astra 最高努力档
opus_per_hour = 42.0         # 美元 / 视频小时，Claude Opus 5 同场对比
print(f"Flora 对 Astra：{astra_per_hour / flora_per_hour:.1f} 倍")
print(f"标 1000 小时视频：Flora 约 ${flora_per_hour*1000:.0f}，Astra 约 ${astra_per_hour*1000:.0f}")

我算了一遍，125 倍本身没算错，问题出在前提上。10 美元一小时的 GB300 租价是假设，不是 NVIDIA 实际掏出去的账单；这笔账只覆盖了 Captioner 的标注，没把 Rewarder 的开销算进去；50 段视频的样本也不大。所以 0.72 美元更像「按这个假设推导出的下限」，而不是你在自己机房跑出来的价格。真要上量，还得把卡的实际到手价、推理框架的利用率、失败重试都算进去。

质量账：赢的地方很具体，输的地方也不含糊

质量上，Flora 和 Astra 打了个有来有回，论文内测 50 段视频的总分是 Flora 57.1%，Astra 53.7%。这个差距不大，而且测试大多由 NVIDIA 自己跑，Astra 还同时扮演了「被测模型」和「描述评分员」两个角色，评分口径难免偏向自己人。看分项更有用：

• 动作边界检测，Flora 最好。时间轴切得准，这是它整个管线的地基。
• 人类操作视频的描述，Flora 领先；机器人视频的描述，Astra 反超。
• 过程奖励和结果打分，Flora 领先；按自定义标准打分和轨迹排序，Astra 领先。
• 公开的 WGO-Bench 上，Flora 在动作边界上拿第一，总分落后 Astra，纯描述准确度落后 Gemini 3.8 Flash。

还有两个细节值得记下来。一个例子里，视频包含 37 个短动作，Flora 找出了 34 个，Astra 只找到 4 个，长视频里的小动作确实是通用大模型的弱项。反过来，Flora 也会犯低级错误：一段机器人用布擦盘子的视频，它写成了「叠餐巾」，还会把一个长动作拆成太多小段。我的看法是，Flora 适合当「第一遍粗标 + 找茬」的工具，关键样本仍需要人工复核，别直接拿它的输出当真理喂给下一代模型。

许可证这条线，先看清楚再动手

Flora 的权重可以下载，但许可证是 NVIDIA 的非商业许可，只覆盖研究和评测，商业生产用途明确不受支持。这句话直接决定了它能用在哪：高校实验室、机器人团队内部做数据管线验证、复现论文结果，都没问题；想把它包进付费产品、对外提供标注服务，就得另外谈授权，或者等 NVIDIA 放宽条款。

这个限制也解释了 NVIDIA 的算盘。Flora 免费给研究者用，跑起来需要 GB300 这样的卡，数据管线搭在自家生态里，开发者用顺手了，硬件和云服务的订单自然跟上来。同期 Google 的 Gemini 4 Argon 也在往机器人训练视频里做步骤识别和失败标记，两家争的其实是同一条数据管线：谁定义了「机器人训练数据长什么样」，谁就握住了下一代具身模型的上游。

普通人怎么用，值不值得跟

如果你在做机器人、仿真或者视频理解，这套东西的上手路径很清晰：先从 Hugging Face 拉三个权重，在小批量视频上跑一遍，对照人工标注看 TempSeg 的切分准不准、Captioner 的描述能不能用，再决定要不要把 Rewarder 接进强化学习的数据流。做短视频理解、体育动作分析的人也能借鉴这条「切分加描述加打分」的思路，虽然模型本身针对操作视频调过，直接搬去别的领域效果要打折。

如果你只是平时用 AI 聊天、写代码，Flora 对你没有直接入口，但它透露了一个趋势：2026 年的模型竞争，正在从「谁的聊天更聪明」转向「谁能把某个垂直环节的成本打下来一个量级」。上周 OpenAI 折扣抢 Anthropic 编码客户是这个逻辑，Flora 是另一个版本。模型够用之后，账单和管线开始说了算。

一句话总结：Flora 把机器人视频标注这件苦活变便宜了不少，质量上赢了该赢的几项，输的几项也写在论文里，拿来做研究和内部管线很值，拿去赚钱之前先把许可证读一遍。

来源

• The Decoder：Nvidia open-sources Flora to make robot video labeling 125x cheaper than GPT-6 Astra（2026-10-25）：https://the-decoder.com/nvidia-open-sources-flora-to-make-robot-video-labeling-125x-cheaper-than-gpt-6-astra/
• Tesla News Wire：Nvidia Flora: open-source robot video labeling for GR00T（2026-10-20）：https://teslanewswire.com/articles/nvidia-flora-open-source-robot-video-labeling-models-gr00t-200000-hours-oct-2026
• AICoder：NVIDIA open-sources Flora, the robotics data engine behind GR00T（2026-10-21）：https://aicoder.com/news/news-20261021-nvidia-flora-open-robotics-data-engine-models-gr00t
• StrongMocha 对成本口径与许可限制的复核：https://strongmocha.com/ai-infrastructure/the-cost-savings-and-licensing-limits-to-consider-with-nvidia-flora/