发生了什么
英伟达 GEAR 研究实验室开源了面向机器人视频标注的数据引擎 Flora，模型权重已上传 Hugging Face。与只提供单一标签的既有工具不同，Flora 同时产出三类标注：动作分段与描述、逐步执行进度评分、任务成败判定。系统由三个微调的 Qwen3.5 模型构成：9B 模型负责动作分段，27B 模型结合前后文生成动作描述，另一个 27B 模型 Flora-Rewarder 依据提示切换角色，给出 1 至 5 分的整段评价、每半秒步骤的正常／次优／失败分类，以及自定义评分。
关键数字
- 成本：官方估算每小时机器人视频标注约 0.72 美元，对比 GPT-6 Astra 约 88.50 美元，最高相差 125 倍；该估算基于每 GPU 每小时 10 美元的假设租价，属推算而非实测。
- 产能：已用于 GR00T 模型训练，在 512 张 GB300 上单日可标注约 20 万小时视频。
- 质量：50 段视频测试中 Flora 得分 57.1%，略高于 GPT-6 Astra 的 53.7%（后者允许使用完整推理能力）；Claude Opus 5 同测试更低，成本约每小时 42 美元。
- 失败识别：Flora-Rewarder 能捕捉 53.3% 的中途失败步骤，竞品不超过 11.7%，Astra 在该项为零；代价是约 11% 的正常步骤被误判为异常。
为什么重要
具身智能的瓶颈正从模型结构转向数据供给。机器人基础模型依赖带文本标注的视频，而人工标注与旗舰模型调用的成本都难以支撑百万小时级规模。Flora 的意义在于把「标注」变成可离线、可批量复投的自有产能：团队可以在本地或自建集群上跑完整流水线，敏感数据不出域，单位成本按 GPU 小时而非 token 计价。这也解释了英伟达的生态位置——从加速卡、仿真到数据引擎与 GR00T 基座，把训练链路上的每一段都留在自家栈内。
不确定之处
成本数字是推算值，非生产实测，且假设的 GPU 租价高低会显著改变结论。基准对比存在方法学问题：在部分测试中 GPT-6 Astra 既是被测对象又被用作评审。公开的 WGO-Bench 上 Flora 在动作边界检测领先，但整体得分落后 Astra，纯描述准确率亦不及 Gemini 3.8 Flash；机器人视频的密集描述任务上排第二。工程侧还需注意误报率与长视频下的稳定性。