Black Forest Labs 发布 FLUX 3：统一多模态覆盖图像视频音频
daniel_mac8 · x · 2026-07-24
Black Forest Labs 发布 FLUX 3，主打把图像、视频、音频和动作预测统一到一个多模态模型里。
- 能力范围：支持文生视频、图生视频、参考视频生成、视频+音频延长、基于关键帧生成、多语言提示，以及把单段内容串成更长的多镜头序列。
- 架构特点：官方称其为统一架构联合训练，并明确可以扩展到面向机器人动作预测。
- 开放节奏：FLUX 3 Video 已进入早期访问；未来几周会开放 API，之后还会开放开源的 FLUX 3 Dev。
- 线程还提到他们与 mimic、Audi 的演示合作。
所属事件:Black Forest Labs 发布 FLUX 3：迈向全模态与具身智能底座(28 条相关)→
「具身」频道最新
- Skyfall AI 推出工程世界模型 SKY-001:文本转 CAD 构建,3.9 秒 vs GPT-6 的 199 秒 — rohanpaul_ai · 2026-10-27
- 欧洲第10国拉脱维亚批准 Tesla FSD,马斯克称赞小国审批最快 — elonmusk · 2026-10-27
- WanGP v18.81 支持 Hy-Nomas 世界模型，8GB 显存可用 WASD 探索 — cocktailpeanut · 2026-10-27
- NVIDIA 开源 FLORA：机器人数据引擎，成本仅 GPT-6 Astra 的 1/125 — nvidia · 2026-10-27
- 具身智能创业的隐藏难题：机器人公司需要另一种运营纪律 — ___Mufasaa · 2026-10-27
- π0.5 实验：演示数从 10 增至 438，放球入碗成功率 7%→83% — stingning · 2026-10-27