Neidio i'r cynnwys

Flux 3 Action

Integreiddio

ID y model flux-3-action/so101
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://vit.doitong.com/api/v1/run/flux-3-action/so101?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "scene_image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
    "wrist_image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
    "state": [
      -18.94,
      134.52,
      120.15,
      28.3,
      -32.17,
      27.02
    ]
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://vit.doitong.com/api/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Y cais hwn: ≈$0.003 3 o gredydau API Ei redeg ar y dudalen hon

Cael allwedd API
Black Forest Labs Fideo i Fideo #robotic#arm

Model polisi robot sy’n rhagfynegi darnau gweithredu braich SO-101 o fframiau camera, cyflwr cymalau a chyfarwyddyd

Black Forest Labs · Data (JSON)

Mae eich canlyniad cyntaf yn mynd yma

Adeiladwch gais isod a'i redeg gyda'ch allwedd API. Mae allbynnau'n cael eu copïo i'n storio, wedi'u cadw am byth neu am 7 diwrnod am ddim.

Adeiladu cais

Cynhyrchir rheolyddion o sgema'r model. Mae'r cod a'r pris yn diweddaru wrth i chi eu newid.

•gofynnol 88 / 2000

Cyfarwyddiadau tasg robot wedi'u mynegi mewn iaith naturiol.

•gofynnol
Gollyngwch ffeil, neu

Delwedd teils chwith sy'n dangos ffrâm gyfredol camera'r olygfa sefydlog ar ôl ei newid i 256x256.

•gofynnol
Gollyngwch ffeil, neu

Ffrâm gyfredol camera'r arddwrn, wedi'i gosod yn y deilsen dde a'i newid i 256x256.

•gofynnol

Gwerthoedd cyflwr wedi'u mesur mewn trefn: troad a chodiad yr ysgwydd, ystwythiad y penelin, ystwythiad a rholiad yr arddwrn, oll mewn graddau, ac yna safle'r gripper fel canran.

Uwch history_scene_image_url · history_wrist_image_url · num_inference_steps · guidance_scale · seed · state_history · command_history
Gollyngwch ffeil, neu

Mewnbwn ffrâm olygfa hanesyddol sy'n gofyn am `state_history`; defnyddir y ffrâm gyfredol yn lle hynny os caiff ei hepgor. Mae'r ffrâm a ddarperir yn cynrychioli arsylwad hanesyddol cynharaf, 7 tic yn ôl.

Gollyngwch ffeil, neu

Ffrâm camera'r arddwrn ar y tic hanesyddol cynharaf; mae angen `state_history`.

rhagosodedig 4

Nifer y camau dad-sŵnio Euler; defnyddiodd dilysu'r checkpoint 4 cam.

rhagosodedig 3

Cryfder arweiniad heb ddosbarthwr ar gyfer fideo a gweithred; gosodwch i 1.0 i analluogi CFG.

Hadau samplu gyda gosodiadau gwerthuso cyfeirio DROID: 0 a SO-101: 42. Mae ei adael heb ei nodi yn dewis hedyn ar hap.

Hanes cyflwr wedi'i fesur, wedi'i hepgor ar gyfer pennod newydd ac fel arall yn gofyn am `command_history`. Rhowch y mesuriadau mewn trefn gronolegol ar gyfer y 7 tic rheoli yn union cyn `state`, ar 30 Hz.

Hanes gorchmynion absoliwt sy'n gofyn am `state_history`, gyda'r gorchymyn a anfonwyd fwyaf diweddar yn y rhes olaf. Mae'r rhesi'n rhedeg yn gronolegol ar draws 8 tic arsylwi ac yn nodi'r gorchymyn sydd mewn grym ym mhob tic.

POST /run/flux-3-action/so101?wait=20 dyfynbris → $0.003
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://vit.doitong.com/api/v1/run/flux-3-action/so101?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "scene_image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
    "wrist_image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
    "state": [
      -18.94,
      134.52,
      120.15,
      28.3,
      -32.17,
      27.02
    ]
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://vit.doitong.com/api/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Rhedeg y cais hwn

Mae'ch allwedd yn aros yn y porwr hwn: caiff ei hanfon at Doitong API yn unig a'i chadw (localStorage) dim ond os ticiwch Cofio. Cael allwedd API

Ynglŷn â Flux 3 Action

Yn lle cyfryngau, mae hwn yn dychwelyd JSON gyda `actions` a ragfynegwyd, eu cyfradd reoli, labeli colofnau, a faint o gamau blaenllaw i’w gweithredu (`execute_steps`) cyn gofyn am ddarn newydd. Y mewnbynnau gofynnol yw `prompt` testun (hyd at 2000 nod), `scene_image_url`, `wrist_image_url`, a `state` â 6 gwerth. Mae mewnbynnau hanes dewisol (`state_history`, `command_history`, delweddau hanes) yn darparu cyd-destun amserol. Mae `num_inference_steps` yn rhedeg o 1 i 8 ac mae `guidance_scale` o 1 i 10.

Paramedrau

EnwMath RhagosodedigCaniateir Disgrifiad
promptgofynnol
Mathstring
≤ 2,000 nod
Cyfarwyddiadau tasg robot wedi'u mynegi mewn iaith naturiol.
scene_image_urlgofynnol
Mathurl · image
Delwedd teils chwith sy'n dangos ffrâm gyfredol camera'r olygfa sefydlog ar ôl ei newid i 256x256.
wrist_image_urlgofynnol
Mathurl · image
Ffrâm gyfredol camera'r arddwrn, wedi'i gosod yn y deilsen dde a'i newid i 256x256.
stategofynnol
Mathnumber[]
≤ 6 eitem≥ 6 eitem
Gwerthoedd cyflwr wedi'u mesur mewn trefn: troad a chodiad yr ysgwydd, ystwythiad y penelin, ystwythiad a rholiad yr arddwrn, oll mewn graddau, ac yna safle'r gripper fel canran.
state_historydewisol
Matharray[]
≤ 7 eitem≥ 7 eitem
Hanes cyflwr wedi'i fesur, wedi'i hepgor ar gyfer pennod newydd ac fel arall yn gofyn am `command_history`. Rhowch y mesuriadau mewn trefn gronolegol ar gyfer y 7 tic rheoli yn union cyn `state`, ar 30 Hz.
command_historydewisol
Matharray[]
≤ 8 eitem≥ 8 eitem
Hanes gorchmynion absoliwt sy'n gofyn am `state_history`, gyda'r gorchymyn a anfonwyd fwyaf diweddar yn y rhes olaf. Mae'r rhesi'n rhedeg yn gronolegol ar draws 8 tic arsylwi ac yn nodi'r gorchymyn sydd mewn grym ym mhob tic.
history_scene_image_urldewisol
Mathurl · image
Mewnbwn ffrâm olygfa hanesyddol sy'n gofyn am `state_history`; defnyddir y ffrâm gyfredol yn lle hynny os caiff ei hepgor. Mae'r ffrâm a ddarperir yn cynrychioli arsylwad hanesyddol cynharaf, 7 tic yn ôl.
history_wrist_image_urldewisol
Mathurl · image
Ffrâm camera'r arddwrn ar y tic hanesyddol cynharaf; mae angen `state_history`.
num_inference_stepsdewisol
Mathinteger
Rhagosodedig4
1 – 8
Nifer y camau dad-sŵnio Euler; defnyddiodd dilysu'r checkpoint 4 cam.
guidance_scaledewisol
Mathnumber
Rhagosodedig3
1 – 10
Cryfder arweiniad heb ddosbarthwr ar gyfer fideo a gweithred; gosodwch i 1.0 i analluogi CFG.
seeddewisol
Mathinteger | null
Hadau samplu gyda gosodiadau gwerthuso cyfeirio DROID: 0 a SO-101: 42. Mae ei adael heb ei nodi yn dewis hedyn ar hap.
gofynnol

Mae paramedrau ffeil yn derbyn URL cyhoeddus https://, URI data: hyd at 10 MB, neu file_url uwchlwythiad. Ffeiliau

Allbwn

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "flux-3-action/so101",
  "status": "succeeded",
  "created_at": "2026-10-20T12:00:00Z",
  "started_at": "2026-10-20T12:00:02Z",
  "completed_at": "2026-10-20T12:00:09Z",
  "queue_position": null,
  "cost": {
    "credits": 3,
    "usd": "0.003",
    "charged": 3,
    "refunded": 0
  },
  "input": {
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "scene_image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
    "wrist_image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
    "state": [
      -18.94,
      134.52,
      120.15,
      28.3,
      -32.17,
      27.02
    ]
  },
  "output": {
    "actions": [
      [
        1.0
      ]
    ],
    "action_labels": [
      "string"
    ],
    "action_hz": 1.0,
    "execute_steps": 1,
    "seed": 42,
    "timings": {}
  },
  "outputs": [
    {
      "type": "file",
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.jpeg",
      "content_type": "image/jpeg",
      "file_size": 1843200,
      "stored": true
    }
  ],
  "error": null,
  "metrics": {
    "inference_seconds": 6.8
  },
  "urls": {
    "self": "https://vit.doitong.com/api/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://vit.doitong.com/api/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
Eich ffeiliau, eich dewisMae pob outputs[].url yn gopi ar ein storio: wedi'i gadw am byth (telir fesul GB-mis) neu am 7 diwrnod am ddim, yn ôl gosodiad eich cyfrif neu ?storage=.
Yr un siâp ar bob modeltype, url, content_type, width, height a duration, ar gyfer delweddau, fideo a sain fel ei gilydd. Gwrthrych canlyniad y model ei hun yw output.
Meysydd yr allbwn
actions
array of array of numberArae gweithredoedd a ragfynegwyd gyda rhesi cronolegol sy'n cynrychioli camau rheoli; nid yw'r gwerthoedd wedi'u clipio, felly rhaid gorfodi terfynau cymalau, cyflymder a gweithle ar y robot.
action_labels
array of stringEnwau sy'n cyfateb i golofnau'r gweithredoedd.
action_hz
numberAmledd rheoli ar gyfer rhesi'r gweithredoedd.
execute_steps
integerNifer y gweithredoedd cychwynnol i'w gweithredu cyn gofyn am ddarn arall.
seed
integerHedyn ar hap a ddefnyddir wrth samplu.
timings
objectMesuriadau amseru o'r gweinydd, wedi'u mynegi mewn eiliadau.

Ar gyfer asiantau AI: mae'r dudalen hon fel Markdown ar gael yn https://doitong.com/cy/developers/models/flux-3-action/so101.md. Pob model a chanllaw: https://doitong.com/developers/llms.txt