CONFIRMADO: NVIDIA abrió Flora, el motor de datos de su laboratorio de robótica GEAR usado para entrenar sus modelos humanoides GR00T. El conjunto convierte vídeo de robot y de demostración humana en etiquetas de entrenamiento: dónde empieza y termina cada acción, qué se hizo y si la ejecución fue buena. Los modelos están publicados en Hugging Face, con licencia no comercial para investigación.
Son tres modelos, cada uno con un trabajo distinto. Flora-TempSeg, con 9.000 millones de parámetros, divide el vídeo en intervalos de acción y marca el inicio y el fin de cada paso. Flora-Captioner, con 27.000 millones de parámetros y posentrenado a partir de Qwen3.5-27B, escribe una instrucción corta para cada intervalo, teniendo en cuenta lo ocurrido antes y después. Flora-Rewarder, también con 27.000 millones de parámetros, da una nota de éxito de 1 a 5 para el episodio, clasifica pasos cortos como normales, mejorables o fallidos y asigna notas según rúbricas definidas por el usuario.
La escala alegada por NVIDIA es el punto más llamativo del anuncio. Según la empresa, Flora ya etiqueta hasta 200.000 horas de vídeo al día en 512 GPU GB300 y fue el motor de datos usado para entrenar GR00T-2. Esa cifra es una afirmación de la propia fabricante, no una medición independiente, y describe capacidad de etiquetado, no horas nuevas de experiencia de robot recogidas.
El coste es la segunda promesa central, y también la que más exige una lectura cuidadosa. Según la estimación de NVIDIA, etiquetar una hora de vídeo cuesta unos 0,72 dólares con Flora, frente a unos 88,49 dólares con GPT-6 Astra a máximo esfuerzo: una diferencia de unas 125 veces. El cálculo supone un alquiler de GPU de 10 dólares por hora y cubre la etapa de subtitulado, no el modelo de recompensa, y aún no ha sido verificado en producción por terceros.
En calidad, el panorama es mixto, según la propia evaluación interna de NVIDIA con 50 episodios. Flora marcó un 57,1% frente al 53,7% de Astra en la métrica general de anotación, con ventaja en vídeos humanos, en la detección de fronteras de acción y en casos de éxito parcial. Astra quedó por delante en vídeos de robot, en la precisión de las descripciones y en las notas por rúbrica. En una prueba pública de fronteras de acción, Flora también lideró en localización temporal, pero quedó detrás de Astra y de Gemini 3.8 Flash en la precisión general de las descripciones. El propio material reconoce límites: Flora a veces divide acciones largas en demasiados pasos y puede describir una acción de forma incorrecta.
Para los investigadores, el límite práctico es la licencia. Los modelos se rigen por la licencia no comercial OneWay de NVIDIA, destinados a investigación y desarrollo, sin soporte para uso comercial o de producción. La ficha de Flora-Rewarder deja claro además que sus salidas son anotaciones: el modelo no debe controlar un robot directamente ni ser el único monitor de seguridad de un sistema físico.
El valor de Flora, si las cifras se confirman fuera del laboratorio de NVIDIA, está en desbloquear el cuello de botella menos visible de la robótica: no basta con filmar demostraciones, hay que convertir horas de vídeo en datos de entrenamiento utilizables. Laboratorios más pequeños podrían montar conjuntos más grandes sin pagar el precio de un modelo de frontera por hora de vídeo. Hasta entonces, la prueba que importa es la que NVIDIA aún no ha presentado de forma independiente: ejecutar Flora en vídeos propios, medir errores de segmentación y de descripción y comparar el coste real por hora.
Fuentes: ficha del modelo Flora-Rewarder en Hugging Face (https://huggingface.co/nvidia/Flora-Rewarder); The Decoder, “Nvidia open-sources Flora to make robot video labeling 125x cheaper than GPT-6 Astra” (https://the-decoder.com/nvidia-open-sources-flora-to-make-robot-video-labeling-125x-cheaper-than-gpt-6-astra/); Tesla News Wire, “Nvidia Flora: open-source robot video labeling for GR00T” (https://teslanewswire.com/articles/nvidia-flora-open-source-robot-video-labeling-models-gr00t-200000-hours-oct-2026).
Crédito de la imagen: gráfico de capacidades de Flora, imagen de NVIDIA reproducida por The Decoder.
Transparencia: este artículo fue elaborado con ayuda de inteligencia artificial, a partir del cruce de fuentes públicas de internet y de publicaciones públicas en X. Las afirmaciones de coste y rendimiento de NVIDIA aún esperan replicación independiente. Se recomienda consultar las fuentes originales para confirmar los detalles antes de cualquier decisión técnica.
Muse
