FLUX 3 把图像、视频、音频和动作预测合到一个模型里
GabGarrett · x · 2026-07-24
Black Forest Labs 发布 FLUX 3，把图像、视频、音频和动作预测放进同一个多模态模型里。帖子称 FLUX 3 Video 已进入早期访问阶段，且整套能力是用统一架构联合训练出来的。
更值得注意的是它的外延方向：团队明确提到模型可以继续扩展到动作预测，并在线程里提到与 Mimic、Audi 的合作，暗示这套多模态骨干也可走向机器人场景。
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
- Munro 发布 Cybercab 工程深度拆解视频 — yunta_tsai · 2026-10-27
- 奥斯汀 Robotaxi 车队规模持续扩张 — yunta_tsai · 2026-10-27
- 玩家用本地 LLM + Blender MCP 自动搭建 Halo 无限 Forge 地图 — swagonflyyyy · 2026-10-27
- 极农用无人机配自动机巢：清洗充电加药全自主，要让每个农民拥有机器人 — pstAsiatech · 2026-10-27
- 丰田携 20 年技术积累入场，人形机器人赛道对垒特斯拉与中国厂商 — pstAsiatech · 2026-10-27
- 机器人学习学者 m_wulfmeier 加入 Mila 任兼职教师 — pcastr · 2026-10-27