Black Forest Labs 发布新一代多模态基础模型 FLUX 3

7月24日，Black Forest Labs 正式发布了完全基于统一架构设计的新一代多模态基础模型——FLUX 3。

该模型的核心亮点在于：将图像、视频与音频的联合训练融入同一个框架。目标直指对现实物理世界更深层次的认知与理解。

生成能力：扎实且多样

在生成能力上，FLUX 3 不止于“能生”，而且生得相当扎实。它支持多种任务：

• 文本生成视频
• 图像生成视频
• 视频续写

单次输出最长可达 20秒，分辨率 720p，并且支持原生音画同步。

这意味着，你输入一段文字或一张图，它就能直接输出一段带声音、画面连贯的高质量视频。

初步基准测试中，其综合表现已经超过了 Grok Imagine Video、Runway Gen-4.5、Luma Ray 3.2 这些当前主流的视频生成模型。同时，在图像合成与编辑任务上，FLUX 3 也取得了明显进步，不是只擅长视频那一块。

物理 AI 关键一步

更值得关注的是，Black Forest Labs 在物理 AI 方向也迈出了关键一步。它们与 mimic robotics 联手，基于 FLUX 3 的视频理解骨干网络，开发了视频驱动的机器人动作模型——FLUX-mimic。

这个模型能精准预测机器人操作动作。目前已经在奥迪工厂的实际产线环境中启动验证测试。

开放计划与节奏

至于用户体验，FLUX 3 Video 版本现已开放早期体验通道。图像生成能力及开源权重也将按计划分阶段陆续放出。整个节奏安排得比较清晰，值得持续关注。

《夸克》非常好用的免费AI浏览器

下载APP查看