德国AI初创公司黑森林实验室最近扔出了一颗重磅冲击波——正式发布多模态基础模型Flux3。这款模型基于Self-Flow架构打造，配备专用的图像、视频、音频以及动作编解码器，说白了，就是想让机器对物理世界和数字世界实现“理解+生成”的一体化。从架构设计上看，这已经不是单纯的视觉模型，而是朝着通用智能体方向迈出的一大步。

性能碾压Luma与Runway，对标顶尖模型

Flux3最令人印象深刻的是，它是首款原生支持音频生成的模型。什么意思呢？它可以一次性输出长达20秒的音视频同步片段，而且覆盖了文本/图像/视频转视频、基于关键帧的转场、多语言对话等一整套功能。在720p分辨率、10秒片段的早期测试中，Flux3的胜率惊人：以93%碾压Luma Ray3.2，以77%击败Runway Gen-4.5，哪怕面对Seedance2.0和Gemini Omni Flash这样的顶尖选手，也保持了微弱优势。可以说，多模态生成赛道上的格局正在被重新定义。

进军机器人领域，分阶段推出策略

除了纯数字内容生成，黑森林实验室还把触角伸向了实体世界。公司联合Mimic Robotics开发了一款面向机器人领域的视频动作模型——Flux-mimic，目前已经在奥迪工厂进行生产任务测试。这意味着AI能力从虚拟屏幕真正延伸到了制造车间，直接参与生产环节。而在推出节奏上，BFL采取了分阶段策略：Flux3 Video已经上线，Flux3 Image和开源权重版本“Flux3 Dev”会在近期陆续发布。对于开发者来说，开源的到来无疑是个好消息，值得持续关注。

《夸克》非常好用的免费AI浏览器

下载APP查看