Nvidia Flora: Robotervideos für 72 Cent pro Stunde beschriften
Von Jörg SchockGründer · testet Smart Home seit den ersten Funksteckdosen im eigenen Haus · davor 35 Jahre in verschiedenen Funktionen der Polizei
Kurz gesagt: Flora besteht aus drei feinjustierten Qwen3.5-Modellen und annotiert Robotervideos laut Nvidia 125-mal günstiger als GPT-6 Astra, bei leicht besserer Gesamtqualität im Nvidia-Test. Die Kosten sind eine Hochrechnung, die Lizenz laut Modellkarten nur für Forschung und Entwicklung.
Symbolbild: KI-generiert
Nvidia hat mit Flora ein System vorgestellt, das Videos von Robotern automatisch beschriftet. Entwickelt hat es das Forschungslabor GEAR. Laut Nvidia läuft es bereits beim Training der GR00T-Roboter-Modelle. Hintergrund: Wer Roboter mit Videos trainieren will, braucht dazu Beschreibungen, Fortschrittsbewertungen und Erfolgsurteile – bislang meist teure Handarbeit oder Aufrufe großer Sprachmodelle.
Was Flora kann und was es kostet
Flora besteht aus drei feinjustierten Qwen3.5-Modellen: Ein 9B-Modell zerlegt Videos in Handlungsabschnitte, ein 27B-Modell beschreibt sie, ein weiteres 27B-Modell („Rewarder“) bewertet den Erfolg einer Episode auf einer Skala von 1 bis 5 und stuft jeden halbsekündigen Schritt als normal, suboptimal oder Fehler ein. Auf 512 GB300-GPUs schafft das System laut Nvidia bis zu 200.000 Videostunden pro Tag.
Nvidia rechnet mit etwa 0,72 US-Dollar je Stunde Video. GPT-6 Astra komme auf rund 88 Dollar, Claude Opus 5 auf etwa 42 Dollar – bei deutlich schlechterer Qualität. Wichtig: Das ist eine Hochrechnung mit 10 Dollar pro GPU-Stunde, keine Messung im Betrieb.
Benchmarks: Vorsicht bei den Siegermeldungen
In einem Test mit 50 Videos erreicht Flora 57,1 Prozent Annotationsqualität, Astra 53,7 Prozent. Bei der Erkennung von Aktionsgrenzen liegt Flora im WGO-Bench vorn, bei der reinen Beschreibungsgenauigkeit aber hinter Gemini 3.8 Flash. Bei Robotervideos führt in Nvidias eigenem DenseCaptionBench Astra; laut einer Auswertung von Humanoids Daily liegt die Segmentierung bei 66,9 (Flora) gegen 71,9 (Astra). Auffällig ist die Fehlererkennung: Der Rewarder findet 53,3 Prozent der Fehlerschritte, kein Konkurrent mehr als 11,7 Prozent – markiert aber auch rund 11 Prozent normaler Schritte fälschlich als Fehler. Einmal beschrieb Flora das Abwischen eines Tellers als Falten einer Serviette. Alle Zahlen stammen von Nvidia selbst; unabhängige Nachprüfungen gibt es bisher nicht.
Einordnung für Deutschland
Für Verbraucher ist Flora kein Produkt, sondern ein Baustein: Je billiger Trainingsdaten für Roboter werden, desto schneller können auch Haushalts- und Lagerroboter lernen – langfristig auch Saugroboter und Co. Für Forschende und Start-ups in Deutschland ist spannend, dass die Modelle auf Hugging Face liegen. Doch der „offen“-Anspruch hat eine Grenze: Laut den Modellkarten gilt eine nicht-kommerzielle Lizenz nur für Forschung und Entwicklung. Wer Flora in ein Produkt packen will, braucht eine andere Lösung. Nvidia setzt damit auf offene Modelle, um Entwickler im eigenen Hardware-Ökosystem zu halten.
Quellen: The Decoder, Nvidia GEAR (Paper), Humanoids Daily.