Przejdź do treści

Flux 3 Action

Integracja

Identyfikator modelu flux-3-action/so101
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.com/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://api.doitong.com/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

To żądanie: ≈0,003 $ 3 kredyty API Uruchom na tej stronie

Uzyskaj klucz API
Black Forest Labs Wideo na wideo #robotic#arm

Model polityki robota przewidujący fragmenty działań ramienia SO-101 na podstawie klatek z kamery, stanu przegubów i instrukcji

Utworzone w Doitong

Publiczne prace utworzone za pomocą Flux 3 Action przez społeczność Doitong. Użyj ponownie promptu jednym kliknięciem.

Pokazane publiczne prace: 9
Close-up portrait seorang wanita berkulit pucat berdiri setengah tubuh di dalam air berwarna lemb...

Close-up portrait seorang wanita berkulit pucat berdiri setengah tubuh di dalam air berwarna lembut kebiruan, dikelilingi bunga teratai berkelopak penuh yang bermekaran indah di permukaan air. Rambutnya pirang pucat tersanggul longgar dengan beberapa helaian tipis jatuh alami membingkai sisi...

Close-up portrait seorang wanita berkulit pucat berdiri setengah tubuh di dalam air berwarna lemb...

Close-up portrait seorang wanita berkulit pucat berdiri setengah tubuh di dalam air berwarna lembut kebiruan, dikelilingi bunga teratai berkelopak penuh yang bermekaran indah di permukaan air. Rambutnya pirang pucat tersanggul longgar dengan beberapa helaian tipis jatuh alami membingkai sisi...

Prompt Details Seorang wanita berkulit pucat berdiri setengah tubuh di dalam air berwarna lembut ...

Prompt Details Seorang wanita berkulit pucat berdiri setengah tubuh di dalam air berwarna lembut kebiruan, dikelilingi bunga teratai berkelopak penuh yang bermekaran indah di permukaan air. Rambutnya pirang pucat tersanggul longgar dengan beberapa helaian tipis jatuh alami membingkai sisi...

Seorang wanita berkulit pucat berdiri setengah tubuh di dalam air berwarna lembut kebiruan, dikel...

Seorang wanita berkulit pucat berdiri setengah tubuh di dalam air berwarna lembut kebiruan, dikelilingi bunga teratai berkelopak penuh yang bermekaran indah di permukaan air. Rambutnya pirang pucat tersanggul longgar dengan beberapa helaian tipis jatuh alami membingkai sisi wajahnya. Ia memeluk...

​"Potret sinematik ultra-realistis close-up seorang anak laki-laki kecil (balita) yang sangat men...

​"Potret sinematik ultra-realistis close-up seorang anak laki-laki kecil (balita) yang sangat menggemaskan dengan mata cokelat besar yang ekspresif, rambut hitam berantakan yang tebal, mengenakan kaus putih kerah henley. Dia berpose dengan kedua tangan terkatup di depan dada, menunjukkan senyum...

​"Potret sinematik ultra-realistis close-up seorang anak laki-laki kecil (balita) yang sangat men...

​"Potret sinematik ultra-realistis close-up seorang anak laki-laki kecil (balita) yang sangat menggemaskan dengan mata cokelat besar yang ekspresif, rambut hitam berantakan yang tebal, mengenakan kaus putih kerah henley. Dia berpose dengan kedua tangan terkatup di depan dada, menunjukkan senyum...

​"Potret sinematik ultra-realistis close-up seorang anak laki-laki kecil (balita) yang sangat men...

​"Potret sinematik ultra-realistis close-up seorang anak laki-laki kecil (balita) yang sangat menggemaskan dengan mata cokelat besar yang ekspresif, rambut hitam berantakan yang tebal, mengenakan kaus putih kerah henley. Dia berpose dengan kedua tangan terkatup di depan dada, menunjukkan senyum...

Foto sinematik hiper-realistis resolusi tinggi menampilkan seorang pria muda Indonesia dengan tub...

Foto sinematik hiper-realistis resolusi tinggi menampilkan seorang pria muda Indonesia dengan tubuh ramping dan proporsional, rambut hitam pendek agak acak, mengenakan jaket kulit hitam, celana riding fit, dan sepatu motor. Ia sedang melakukan aksi freestyle ekstrem dengan motor sport 500cc...

Zbuduj żądanie

Elementy sterujące są generowane ze schematu modelu. Kod i cena aktualizują się podczas ich zmiany.

•wymagane 88 / 2000

Instrukcje zadania robota wyrażone w języku naturalnym.

•wymagane
Upuść plik lub

Obraz w lewym kafelku przedstawiający bieżącą klatkę kamery stałej sceny po zmianie rozmiaru do 256x256.

•wymagane
Upuść plik lub

Bieżąca klatka z kamery nadgarstkowej, umieszczona w prawym kafelku i przeskalowana do 256x256.

•wymagane

Zmierzonych wartości stanu w kolejności: obrót i unoszenie barku, zgięcie łokcia, zgięcie i obrót nadgarstka, wszystkie w stopniach, a następnie pozycja chwytaka jako wartość procentowa.

Zaawansowane history_scene_image_url · history_wrist_image_url · num_inference_steps · guidance_scale · seed · state_history · command_history
Upuść plik lub

Historyczne dane wejściowe klatki sceny wymagające `state_history`; pominięcie powoduje użycie bieżącej klatki. Podana klatka przedstawia najwcześniejszą obserwację historii, sprzed 7 taktów.

Upuść plik lub

Klatka z kamery nadgarstkowej z najwcześniejszego taktu historii; wymagane jest `state_history`.

domyślnie 4

Liczba kroków odszumiania Eulera; podczas walidacji checkpointu użyto 4 kroków.

domyślnie 3

Siła guidance bez klasyfikatora dla wideo i działania; ustaw 1.0, aby wyłączyć CFG.

Ziarno próbkowania; w ustawieniach referencyjnej ewaluacji DROID wynosi 0, a SO-101: 42. Pominięcie wybiera ziarno losowo.

Historia zmierzonego stanu, pomijana dla nowego epizodu; w przeciwnym razie wymaga `command_history`. Podaj pomiary chronologicznie dla 7 taktów sterowania bezpośrednio poprzedzających `state`, przy 30 Hz.

Historia poleceń bezwzględnych wymagająca `state_history`, z ostatnio wysłanym poleceniem w ostatnim wierszu. Wiersze są uporządkowane chronologicznie przez 8 taktów obserwacji i określają polecenie obowiązujące w każdym takcie.

POST /run/flux-3-action/so101?wait=20 wycena → 0,003 $
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.com/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://api.doitong.com/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Uruchom to żądanie

Klucz pozostaje w tej przeglądarce: jest wysyłany tylko do Doitong API i zapisywany (localStorage) tylko po zaznaczeniu opcji Zapamiętaj. Uzyskaj klucz API

Informacje o Flux 3 Action

Zamiast multimediów zwraca JSON z przewidywanymi `actions`, ich częstotliwością sterowania, etykietami kolumn oraz liczbą początkowych kroków do wykonania (`execute_steps`) przed zażądaniem nowego fragmentu. Wymagane dane wejściowe to tekstowy `prompt` (maksymalnie 2000 znaków), `scene_image_url`, `wrist_image_url` oraz `state` zawierający 6 wartości. Opcjonalne dane historii (`state_history`, `command_history`, obrazy historii) zapewniają kontekst czasowy. `num_inference_steps` obejmuje zakres od 1 do 8, a `guidance_scale` od 1 do 10.

Parametry

NazwaTyp DomyślneDozwolone Opis
promptwymagane
Typstring
≤ 2000 znaków
Instrukcje zadania robota wyrażone w języku naturalnym.
scene_image_urlwymagane
Typurl · image
Obraz w lewym kafelku przedstawiający bieżącą klatkę kamery stałej sceny po zmianie rozmiaru do 256x256.
wrist_image_urlwymagane
Typurl · image
Bieżąca klatka z kamery nadgarstkowej, umieszczona w prawym kafelku i przeskalowana do 256x256.
statewymagane
Typnumber[]
≤ 6 elementów≥ 6 elementów
Zmierzonych wartości stanu w kolejności: obrót i unoszenie barku, zgięcie łokcia, zgięcie i obrót nadgarstka, wszystkie w stopniach, a następnie pozycja chwytaka jako wartość procentowa.
state_historyopcjonalne
Typarray[]
≤ 7 elementów≥ 7 elementów
Historia zmierzonego stanu, pomijana dla nowego epizodu; w przeciwnym razie wymaga `command_history`. Podaj pomiary chronologicznie dla 7 taktów sterowania bezpośrednio poprzedzających `state`, przy 30 Hz.
command_historyopcjonalne
Typarray[]
≤ 8 elementów≥ 8 elementów
Historia poleceń bezwzględnych wymagająca `state_history`, z ostatnio wysłanym poleceniem w ostatnim wierszu. Wiersze są uporządkowane chronologicznie przez 8 taktów obserwacji i określają polecenie obowiązujące w każdym takcie.
history_scene_image_urlopcjonalne
Typurl · image
Historyczne dane wejściowe klatki sceny wymagające `state_history`; pominięcie powoduje użycie bieżącej klatki. Podana klatka przedstawia najwcześniejszą obserwację historii, sprzed 7 taktów.
history_wrist_image_urlopcjonalne
Typurl · image
Klatka z kamery nadgarstkowej z najwcześniejszego taktu historii; wymagane jest `state_history`.
num_inference_stepsopcjonalne
Typinteger
Domyślne4
1 – 8
Liczba kroków odszumiania Eulera; podczas walidacji checkpointu użyto 4 kroków.
guidance_scaleopcjonalne
Typnumber
Domyślne3
1 – 10
Siła guidance bez klasyfikatora dla wideo i działania; ustaw 1.0, aby wyłączyć CFG.
seedopcjonalne
Typinteger | null
Ziarno próbkowania; w ustawieniach referencyjnej ewaluacji DROID wynosi 0, a SO-101: 42. Pominięcie wybiera ziarno losowo.
wymagane

Parametry plików przyjmują publiczny URL https://, identyfikator URI data: do 10 MB albo file_url przesłanego pliku. Pliki

Wynik

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://api.doitong.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
Twoje pliki, Twój wybórKażdy outputs[].url to kopia w naszej przestrzeni dyskowej: przechowywana bezterminowo (opłata za GB-miesiąc) lub 7 dni bezpłatnie, zgodnie z ustawieniem konta lub ?storage=.
Taki sam format w każdym modelutype, url, content_type, width, height i duration — tak samo dla obrazów, filmów i dźwięku. output to własny obiekt wyniku modelu.
Pola wyniku
actions
array of array of numberPrzewidywana tablica działań z chronologicznymi wierszami reprezentującymi kroki sterowania; wartości nie są ograniczane, dlatego limity przegubów, prędkości i przestrzeni roboczej należy egzekwować na robocie. Przy 30 Hz SO-101 udostępnia 42x6 bezwzględnych poleceń w stopniach i procentach otwarcia chwytaka; przy 15 Hz DROID udostępnia 32x8 bezwzględnych celów przegubów w radianach oraz ułamek zamknięcia chwytaka.
action_labels
array of stringNazwy odpowiadające kolumnom działań.
action_hz
numberCzęstotliwość sterowania dla wierszy działań.
execute_steps
integerLiczba początkowych działań do wykonania przed pobraniem kolejnego fragmentu.
seed
integerLosowe ziarno używane podczas próbkowania.
timings
objectPomiary czasu z serwera wyrażone w sekundach.

Dla agentów AI: ta strona w formacie Markdown jest dostępna pod adresem https://doitong.com/pl/developers/models/flux-3-action/so101.md. Wszystkie modele i przewodniki: https://doitong.com/developers/llms.txt