İçindekiler
NVIDIA'nın GEAR araştırma laboratuvarı, robot videolarını metinle etiketleyen Flora adlı veri motorunu açık kaynak olarak yayınladı. Şirketin iddiası çarpıcı: bir saatlik robot videosunu etiketlemek Flora ile yaklaşık 72 sente mal oluyor; aynı işi GPT-6 Astra ile yapmak saat başına yaklaşık 88,50 dolar tutuyor. Bu, 125 kata varan bir fark anlamına geliyor.
Modeller Hugging Face üzerinde yayınlandı. NVIDIA, sistemin hâlihazırda kendi GR00T modellerinin eğitiminde çalıştığını ve 512 adet GB300 GPU üzerinde günde 200 bin saate kadar video etiketlediğini söylüyor.
Robot eğitiminde üç ayrı etiket problemi
Robotik modeller video izleyerek öğreniyor ama videonun metin açıklamasına ihtiyacı var. NVIDIA'ya göre bu ihtiyaç üç ayrı etiket türüne ayrılıyor:
- Eylem açıklaması: Videoda ne zaman ne yapıldığı. Bu etiketler eğitim verisini seçmek için kullanılıyor.
- Adım değerlendirmesi: Robotun her adımda ne kadar iyi ilerlediğinin puanlanması. Deneme yanılma ile öğrenme bu puana dayanıyor.
- Sonuç değerlendirmesi: Görevin başarıyla tamamlanıp tamamlanmadığı. Bu, robot sahada çalışırken izleme için kullanılıyor.
Mevcut araçların çoğu bu üç türden yalnızca birini üretiyor. GPT-6 Astra gibi büyük dil modelleri üçünü de üretebiliyor ama milyonlarca saatlik video için maliyet sürdürülemez hale geliyor.
Flora nasıl çalışıyor?
Flora, ince ayar yapılmış üç Qwen3.5 modelinden oluşuyor. 9 milyar parametreli model videoyu eylem bölütlerine ayırıyor. 27 milyar parametreli model her eylemi, öncesinde ve sonrasında ne olduğunu da hesaba katarak açıklıyor. Flora-Rewarder adlı ikinci 27 milyar parametreli model ise verilen isteme göre üç farklı rol üstleniyor: bir bölümün başarısını 1-5 arasında puanlamak, her yarım saniyelik adımı normal, yetersiz veya başarısız olarak sınıflamak ve kendi tanımladığı ölçütlere göre skor vermek.
Yani bölütleme ve açıklama modelleri zaman damgalı metin üretirken, tek bir ödül modeli üç tür puanlamayı da yapıyor.
Maliyet iddiası: 72 sent mi, 88,50 dolar mı?
NVIDIA'nın 50 videoluk testinde Flora, GPT-6 Astra'ya göre biraz daha iyi puan aldı — üstelik OpenAI'nın modeline tam akıl yürütme kapasitesi verilmiş olmasına rağmen. Aynı testte Claude Opus 5 belirgin biçimde daha kötü performans gösterdi ve saat başına yaklaşık 42 dolara mal oldu.
Kalite tarafında Flora, video saati başına 0,72 dolarla %57,1 etiketleme kalitesine ulaşırken GPT-6 Astra %53,7'de kaldı.
Ancak buradaki maliyet rakamları üretim ölçümü değil, projeksiyon. NVIDIA hesaplamayı GPU saati başına 10 dolarlık kiralama varsayımıyla yapmış. Gerçek üretim ortamında doluluk oranları ve GPU fiyatları değiştiğinde tablo da değişir.
WGO-Bench: sınır tespitinde lider, açıklamada geride
Herkese açık WGO-Bench testinde Flora, eylem sınırlarını tespit etmede en iyi sonucu veriyor. Buna karşılık genel skorda Astra'nın gerisinde kalıyor ve saf açıklama kalitesinde Gemini 3.8 Flash'ın arkasında. Yani "her metrikte en iyi" bir sonuç yok; Flora belirli bir işi çok ucuza yapmak için optimize edilmiş.
Türkiye'deki robotik ekipleri için ne anlama geliyor?
Robotik veri toplama ve etiketleme, bu alanda çalışan ekipler için en pahalı kalemlerden biri. Açık ağırlıklı ve görece küçük modellerin (9B ve 27B) kullanılabilir olması, kendi sunucusunda çalıştırmak isteyen ekipler için maliyet eşiğini düşürüyor. Özellikle tek bir görev ailesine odaklanan laboratuvarlar için kapalı API'ye bağımlı kalmadan veri hattı kurmak mümkün hale geliyor.
Bunun karşılığında iki dikkat noktası var: video saatlerini işlemek ciddi depolama ve hesaplama gerektiriyor, ayrıca açıklama kalitesi istenen seviyeye çıkmadığında düzeltme işi yine insana kalıyor.
Sonuç
Flora, "veri etiketleme" işini büyük dil modellerine emanet etmenin maliyet duvarına çarptığı bir dönemde yayınlandı. 125 kat iddiası bir projeksiyona dayanıyor ve her metrikte geçerli değil; ama açık ağırlıklı, göreve özel modellerin bu işi devralabileceğini göstermesi açısından önemli bir referans.