72 美分对 88.5 美元：Nvidia 开源 Flora 之后，机器人标注负载在 API 货架上多出一档

标注工厂开源了：Nvidia 把机器人数据引擎 Flora 全量放出

10 月 25 日，Nvidia 的 GEAR 实验室把机器人数据引擎 Flora 开源：代码在 GitHub 的 NVIDIA/Flora 仓库，模型在 Hugging Face。它的活是从机器人和人类操作的原生视频里自动生产三类标签——动作发生的时间边界、逐步的文本描述、以及"成没成功"的奖励评估。前三类用于筛选与均衡预训练数据，奖励类用于部署期监控，一口气覆盖 GR00T 机器人模型的数据全生命周期。官方页面上写得很直接：Flora 已在生产环境标注，512 张 GB300 每天处理 20 万小时视频。

先说成本账：125 倍差距，但全是厂商自报的测算

传播最广的数字是一小时视频标注 0.72 美元，对 GPT-6 Astra 满推理 88.49 美元、Claude Opus 5 约 42 美元且质量更差。注意口径：0.72 美元是假设 8 张 GB300 按 10 美元/卡·时租用（集群 80 美元/时）反推出来的估算，不是生产实测；88.49 除以 0.72 约 123 倍，媒体统一取整成 125 倍。倒推一下，Flora 需要 1 小时处理约 111 小时视频——这条 ~111 倍实时吞吐假设，是整套数字的命门。

架构拆开看：三个 Qwen3.5 微调各干一段

按 The Decoder 拆解，Flora 是三个模型接力：9B 的 TempSeg 负责切分动作段，27B 的 Captioner 结合前后文写逐步说明，27B 的 Rewarder 按提示词切换角色——5 分制评估成功度、把每个半秒步骤分成正常/次优/失败、或按自定义评分细则打分。三者均基于 Qwen3.5 微调，这条细节来自单一报道，官方页面未复述。管线本身是"先切分、再描述、再打分"的串行结构，输出直接进训练队列。

放到 API 聚合货架上：多出一档"GPU 租用+开源套件"计价

现在货架上的模型全按百万 tokens 计价，而机器人标注负载是按"视频小时"计价的，这是货架上尚未覆盖的单位。如果客户里有机器人实验室或仿真团队，该加一档了：按厂商自报口径，1 万小时视频，Astra 路线约 88.5 万美元，Flora 路线约 7200 美元，再叠加自有或租用 GPU 的固定成本。两个坑要写进选型表：其一，0.72 美元完全挂在 10 美元/卡·时的租金假设上，GB300 市场价高于这个数，成本优势随租金缩水；其二，Nvidia 自家基准的评审方就是被测的 Astra（方法学瑕疵被官方承认），公开 WGO-Bench 上 Astra 的机器人视频描述精度与 rubric 打分仍然领先——Flora 不是全能。

真正的差异点在奖励标签：官方 DenseRewardBench 里，失败召回 Flora 53.3，GPT-6 Astra、GPT-5.6 Sol、Claude Opus 5 全部低于 1.1。也就是说"让机器人从自己的失误里学"这档负载，闭源 API 目前做不了，开源套件是唯一选项。代价是 Flora 对正常步骤有约 11% 的误报率，人工复核队列不能省。

我们的观察：Flora 是 Nvidia 过去一年开放模型打法的延续——软件层免费，把数据负载的标注成本变成买 GB300 的新理由。对聚合方，别急着上架，先量客户的视频负载量级：千小时以下走 API 仍划算，万小时以上开源套件才是能算平的档位。

来源：NVIDIA GEAR 官方页（research.nvidia.com，2026-10-25）、The Decoder（2026-10-25）、Tech Insider（2026-10-26）；成本数字均为厂商自报估算。