NVIDIA 論文展示的一段人類操作影片中，操作者用右手把線插入左手拿著的連接器；Flora 描述出這兩個手部動作，GPT-6 Astra 卻把畫面說成拿著白色花形零件、用黃色工具操作。這類差異會左右標註人員是否需要回看原片。論文另以 50 段影片比較品質和成本：Flora 整體品質分數為 57.1%，估算每小時源影片成本約 0.72 美元；GPT-6 Astra 在最高推理強度下為 53.7%，已知 API 用量成本是 88.49 美元。兩者計價方式不同，測試也不是完整生產環境，數字不能直接當成團隊報價。

NVIDIA 將 Flora 稱為開放的機器人資料引擎並公開模型權重，模型卡則列出非商業授權。它用模型把操作影片轉成訓練或評估標籤。真正需要判斷的是：低成本估算依賴哪些條件，模型產出的標籤能否符合自己的資料與任務？答案要從測試內容、錯誤型態和整合成本分開看。

每小時 0.72 美元的估算，來自哪一種比較？

這是 NVIDIA 以固定 50 段影片、8 張 GB300 GPU 和每張每小時 10 美元的假設計算出的模型運算成本估值；不是所有團隊都能取得的實際成交價，也沒有涵蓋儲存與部署管理支出。

50 段影片來自 DenseCaptionBench 子集，包括 20 段人類操作、15 段平行夾爪操作和 15 段靈巧手操作。論文將時間切段、參考區間描述和聯合標註等權計分。兩者相差約 3.3 個百分點；這是多項任務的平均，不代表所有標註都正確，也無法單獨說明各任務的可用程度。

Flora 的 0.72 美元以 8 張 GPU、每 GPU 小時 10 美元和估計吞吐量推算；工程情境區間約 0.51 至 1.26 美元，論文也指出生產 GPU 小時分母尚未驗證。Astra 的 88.49 美元則依記錄到的 API 用量和當時公開費率計算，少數呼叫沒有用量資料，因此只是已知用量小計。125 倍只描述這組估算，不能視為固定折扣。

「GPU 定價是假設，儲存、計費粒度與部署額外成本未納入。」（Leng 等人，FLORA 論文附錄 D，2026 年）

Flora 標註流程會產生哪些資料？

Flora 把影片切成帶時間戳的動作區間、替區間撰寫操作描述，並可對單一步驟、整段任務結果或自訂評分規準產生獎勵標籤。

「資料引擎」是一組協作模型與處理流程。時間切段模型估計動作起訖；描述模型參考前後畫面，寫出「用右手把杯子放到托盤」等操作語句；獎勵模型判斷任務完成度、逐步評價品質，或依自訂規準評分。標籤可用於篩選預訓練影片、提供強化學習訊號或檢視任務執行情形。

這幾種輸出解決不同資料問題：只有時間邊界，缺少「做了什麼」的語意；只有文字描述，可能混淆長影片中的短動作。獎勵標籤可標示進度或錯誤，但不是機器人控制指令。能力整合成同一流程，也不代表下游訓練一定改善。

NVIDIA 稱 Flora 已用於 GR00T 訓練，並報告 512 張 GB300 每天處理最高 20 萬小時資料。這是 NVIDIA 的生產部署案例，不是可複製的單機效能；硬體並行、解碼、傳輸和排程都會影響吞吐量。

哪些基準結果提醒團隊不要只看總分？

公開基準顯示 Flora 的優勢會隨資料型態和任務改變：它在部分人類操作影片與失敗步驟偵測上表現突出，但在機器人影片描述與自訂規準評分上，GPT-6 Astra 的部分指標更好。

WGO-Bench 評測 100 段人類與機器人操作影片，Flora 的時間切段 F1 為 50.3，高於 Astra 的 46.0；但聯合標註 F1 為 Flora 34.5、Astra 39.0，參考區間描述準確度則是 64.7 對 77.4。論文另列一段人類操作案例：Flora 將「右手拿茶葉、再交到左手」標成手間交接，Astra 卻描述成用雙手捏合茶包。若任務標籤要供訓練流程使用，這類物件和動作辨識差異會讓複核者回看影片、修正文字，即使時間區間切得準確也不能省去內容抽查。

NVIDIA 建立的 DenseCaptionBench 也呈現資料類型差異：在人類影片 Human100 中，Flora 聯合 F1 為 37.4，Astra 為 29.7；在機器人影片 Robot200 中，Astra 57.9、Flora 51.0。這些數字顯示主要收集哪類影片會影響哪項結果較有參考性，不能代替自有資料檢查。

DenseRewardBench 以 40 段雙臂操作影片、4,861 個時間步測試失敗辨識。論文的玩具飛機組裝片段中，紅色零件掉落後 Flora 標為失敗，Astra 則判成次佳操作；若用來篩選失敗片段，這個差異會改變哪些影片進入人工檢查。另一個瓶子任務要求把瓶子撞下桌，瓶子倒下但仍留在桌面時，人工參考分數是 3/5，Flora 給 3/5、Astra 給 1/5，顯示部分進度的判讀也會影響獎勵標籤。整體上 Flora 失敗召回率為 53.3%，Astra 為 0%；Flora 也把約 11% 正常步驟誤標為失敗，誤報可能增加複查或錯誤中止成本。

「較高的失敗召回率也有代價：模型會把約 11% 的正常步驟標成失敗。」（Leng 等人，FLORA 論文，DenseRewardBench 結果，2026 年）

Flora 與 GPT-6 Astra 在四項影片標註基準的成對分數，以及 Flora 對正常步驟的誤報比例。
Flora 在動作切段與失敗召回較高，Astra 在聯合標註和機器人影片描述部分指標較高；失敗召回的優勢伴隨正常步驟誤報。

團隊如何估算自己的總成本與標註品質？

將 GPU 或雲端租用、儲存、資料前處理、人工抽查與修正、整合維護分開記帳，再以同一批影片比較每種流程的可用標籤數與人工工時，才會得到能決策的單位成本。

每小時源影片成本只是起點。團隊仍須檢查區間完整性、物件描述、時間戳對齊和獎勵分數。大量標籤若需重做，每筆可用標籤的成本就會升高；格式轉換、多機推論、版本管理和錯誤排查也都要計入整合支出。

試用時將運算、儲存、人工複核修正、資料串接與維護分項記帳。分母除了影片小時，也記錄通過抽查的有效區間或影片數，才能比較每筆合格標籤的成本。

小規模試用的評估步驟

  1. 挑代表性資料：抽出常見操作、短動作、遮擋、失敗與部分完成任務，避免只挑容易處理的乾淨片段。

  2. 先定義可接受標準：寫下時間邊界容許誤差、描述須包含的物件與操作、必須標記的錯誤，以及誤報可接受比例。

  3. 做人工參考標註：由熟悉任務的人為同一批影片建立答案，記錄標註者差異，避免把含糊規準當成模型錯誤。

  4. 並行跑現行流程與 Flora：使用相同影片、標註範圍和品質標準，記錄 GPU 小時、API 費、等待時間及錯誤數量。

  5. 計入修正與整合時間：由實際使用者修正結果，統計有效標籤比例、每段影片修正分鐘數和資料匯入工時。

  6. 用有效產出比較：將費用與人工時數除以通過標準的有效標籤量，再決定限量使用、擴大試驗或維持舊流程。

六個相連步驟依序呈現代表性影片挑選、品質標準設定、人工參考標註、兩套流程並行測試、修正工時記錄與合格標籤比較。
用同一批代表性影片跑完試用流程，才能把模型結果、人工修正和合格標籤成本放在一起評估。

Flora 適合哪些機器人團隊先試？

有研究用途、具備 GPU 或可控雲端運算環境，並能建立人工參考答案的團隊，較適合先用小批資料測試；需要立即商用或以模型輸出單獨監控實體安全的團隊，必須先確認授權與用途限制。

Flora 的模型卡將用途列為非商業機器人研究與開發，並明載不支援商業或生產使用；輸出是標註，不能直接控制機器人，也不應成為實體系統唯一的安全監測器。模型權重雖可取得，授權條款仍是 NVIDIA OneWay Noncommercial License。團隊若準備把標註用於營收服務、商業產品或實際部署流程，應先由法務或授權負責人核對完整條款，不要把「開放權重」直接理解成「可自由商用」。

資料條件也要先看。模型卡指出，描述模型接受影片輸入，建議流程需要整理時間戳、目標區間和相機視角資訊；訓練文字為英文。若團隊的標籤規格使用中文、特定工序詞彙或特殊感測器欄位，應檢查輸出是否可穩定映射到內部詞表與資料格式。影片若含操作人員、客戶場域或受保護的技術資訊，也要確認資料使用權限、存取控制和保存方式。

Flora 和 API 模型的取捨，主要落在部署責任和計費方式。自架模型可讓團隊自行控制批次、資料流向與版本，但要承擔 GPU 資源、部署環境和維護工作；API 服務通常按用量付費，省下部分模型服務維運，卻需要納入網路傳輸、服務條款和價格變動。兩種方案都要做人工作業抽查，因為模型提供的是標籤候選，不會替團隊定義什麼是正確的機器人操作。

評估面向Flora 自行部署API 模型流程
直接成本依 GPU、吞吐、儲存與維運估算依輸入、輸出用量及服務費率計算
團隊責任管硬體、模型版本、推論與資料管線管 API 串接、用量、供應商條款與輸出檢查
標註品質依影片類型、區間和任務指標逐項驗證同樣須以自有影片測試，不能直接沿用公開分數
使用限制Flora 權重模型卡列非商業研究與開發用途依各 API 的適用條款、資料處理與服務限制判斷
  • 論文條件下 Flora 的成本估算約為 GPT-6 Astra 的 1/125，實際差距須用自有流程核算。
  • Flora 的能力涵蓋動作切段、描述和獎勵標註，但不同影片類型與任務基準的結果不一致。
  • 試用要比較每筆合格標籤的總成本，並納入人工修正、授權和資料流程整合。

決策時檢查自有影片錯誤率是否可接受、每筆有效標籤總成本是否低於現行流程，以及授權與資料治理是否允許預定用途。用能代表現場變異的影片回答，再決定是否擴大。

常見問題

Q1：Flora 每小時標註影片真的只要 0.72 美元嗎？

不是固定價格。0.72 美元是論文條件下的模型運算估值，團隊應以自有影片的吞吐量和有效標籤量重算。

Q2：Flora 的標註品質全面勝過 GPT-6 Astra 嗎？

不是。50 段影片的整體品質分數中 Flora 略高，但不同基準呈現不同優勢；例如 WGO-Bench 的聯合語意 F1 與 Robot200 機器人影片子集，Astra 分數較高。

Q3：取得 Flora 模型權重後可以直接用於商業產品嗎？

NVIDIA 模型卡將 Flora 限定為非商業研究與開發用途，並指出不支援商業或生產使用。預定用途若涉及商業服務，應先確認授權是否允許。

Q4：Flora 的失敗偵測可以取代機器人安全監控嗎？

不可以。論文報告的失敗召回率來自有限基準，且正常步驟也有約 11% 被誤標成失敗。模型卡亦說明 Flora 輸出是標註，不是機器人控制器或唯一安全監測器。