Разметка видео для обучения ИИ дешевеет на два порядка, если заменить универсальную модель на специализированный открытый движок. Nvidia открыла исходники Flora — системы, которая размечает час робовидео за 72 цента вместо $88 у GPT-6 Astra, причём по качеству чуть выше. Ниже — что это, какую задачу решает и как начать.
Что такое Flora и какую задачу она решает
Flora — открытый data engine от Nvidia для разметки видео с роботами. Он превращает сырые записи в размеченные данные для обучения: описывает действия, проверяет их корректность и отбраковывает ошибки. Задача вечная — подготовить датасет для модели, не потратив бюджет на API дорогой LLM. Nvidia продаёт это как часть стратегии контроля всей цепочки робототехники: данные — узкое место, и кто удешевляет их подготовку, тот задаёт темп.
Ключевая цифра: час видео стоит 72 цента. У GPT-6 Astra — $88. Разница в 125 раз при чуть более высоком качестве у Flora.
Из чего она собрана и почему это дешево
Flora построена на трёх дообученных моделях Qwen3.5, а не на одной универсальной LLM. Узкая специализация под рободействия даёт два эффекта: меньше токенов на задачу и точнее проверка. Система ловит ошибки в действиях робота надёжнее конкурентов — это её сильная сторона. Слабое место — описательная точность: там, где нужно подробно словами описать сцену, Flora иногда уступает.
Практический вывод: если вам важна корректность разметки действий (что робот сделал, в каком порядке, без ложных шагов) — это ваш профиль. Если нужны развёрнутые текстовые описания каждого кадра, проверяйте результат вручную.
Кому это нужно
- Командам, которые готовят датасеты для обучения роботов и не хотят платить за каждый час видео по прайсу большой модели.
- Разработчикам пайплайнов разметки, которым нужен открытый код, а не чёрный ящик с API.
- Тем, кто уже собирает видео и упёрся в стоимость аннотирования — это узкое место съедает бюджет быстрее, чем обучение.
Если вы пока выбираете между локальным и облачным подходом к моделям, начните с материала Локальная LLM или облачная: как выбрать по бенчмаркам — логика та же: специализированное дешевле универсального на узкой задаче.
Как начать: шаги
- Заберите исходники Flora из открытого репозитория Nvidia (ссылка — в первоисточнике The Decoder).
- Проверьте требования к железу под три модели Qwen3.5 — это не одна маленькая модель, а ансамбль. Прикиньте VRAM заранее, чтобы не скачивать вслепую: пригодится разбор Сколько VRAM нужно для локальной LLM.
- Прогоните на коротком фрагменте: возьмите 10–15 минут робовидео и сравните разметку Flora с тем, что даёт ваша текущая модель.
- Посчитайте экономику на своём объёме: умножьте часы видео на 0,72 и на 88 — разница покажет, окупается ли развёртывание.
- Отдельно проверьте описательную часть: там, где Flora слабее, добавьте ручную вычитку или гибридную схему.
Пример с числами: 100 часов робовидео — это $72 через Flora против $8800 через GPT-6 Astra. Экономия $8728 на одном датасете, ещё до качества.
Чем Flora отличается от альтернатив
Универсальная LLM вроде GPT-6 Astra берёт гибкостью: она опишет что угодно, но дорого и не всегда точно ловит ошибки в действиях. Flora — противоположный компромисс: узко, дёшево, надёжно на проверке действий, слабее на описаниях. Открытый код даёт ещё одно преимущество — можно дообучить под свою предметную область и не зависеть от цен API. Похожая логика выбора узкого инструмента под задачу — в разборе Как выбрать модель для редактирования изображений с открытыми весами.
Что это меняет для вас
Разметка перестаёт быть статьёй расходов, которая тормозит проект. Когда час данных стоит меньше доллара, можно позволить себе больше экспериментов: собрать несколько датасетов, сравнить подходы, отбраковать неудачные без сожаления о бюджете. Для команд, которые строят роботов или учат модели на видео, это снимает главный ограничитель — стоимость подготовки данных.
Частые вопросы
Насколько Flora дешевле GPT-6 Astra? Час робовидео — 72 цента против $88. Это в 125 раз дешевле, при чуть более высоком качестве разметки.
На чём построена Flora? На трёх дообученных моделях Qwen3.5. Код открыт, Nvidia выложила исходники.
В чём Flora слабее? В описательной точности: она надёжно ловит ошибки в действиях робота, но иногда уступает на подробных текстовых описаниях сцены.
Больше разборов по ИИ и автоматизации — в канале: @il_chum