Black Forest Labs 推出 Flux 3 多模态模型，支持图像、视频和音频联合生成

Black Forest Labs 以 Early Access 方式推出 Flux 3 多模态基础模型，采用统一架构联合学习图像、视频和音频。该模型基于 Self-Flow 学习框架扩展，在 FLUX.1 和 FLUX.2 基础上实现多模态生成与理解。

Flux 3 可在单次生成中输出最长 20 秒的视频并附带原生音频，支持文生视频、图生视频、视频续写、关键帧转视频及多语言对话。在带声音的 10 秒、720p 视频人工评测中，Flux 3 对比 Grok Imagine Video 胜率为 69%，对比 Seedance 2.0 和 Gemini Omni Flash 胜率均为 52%。

Black Forest Labs 正与 Mimic Robotics 合作，研究将 Flux 3 用作机器人行为预测模型。图像方面，该模型支持多种风格、宽高比和分辨率的生成与编辑。