FLUX 3 把图像视频音频和动作预测合到一模型
pess_r · x · 2026-07-24
- BFL 发布 FLUX 3，主打把 图像、视频、音频和动作预测 放进同一个多模态模型里。
- 官方称它在各种风格下生成会更“接近真实”，其中 FLUX 3 Video 已进入 early access。
- 该模型采用统一架构训练，并且可以进一步扩展到机器人动作预测；线程里还提到与 mimic 和 Audi 的合作。
- 转发者补充说，这次发布把他们 4 个月前的 Self-Flow 论文思路落到了大规模产品里。
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
- 亚马逊谷歌卖出6亿台音箱,AGI 时代为何无人再造智能音箱 — julianlehr · 2026-09-11
- ECCV26 口头论文：流匹配实现多视角点云配准 — ducha_aiki · 2026-09-11
- 波兰开发者做 iPhone 应用 可探测附近的 Meta 智能眼镜 — Low-Honeydew6483 · 2026-09-11
- 蚂蚁阿福用户达 1.5 亿，外滩大会展示 AI+硬件健康管理联盟 — APPSO · 2026-09-11
- JHU 开设全栈机器人学习课:组装机械臂、采数训练部署一条龙 — _krishna_murthy · 2026-09-11
- SyncWorld:少量视觉校准即可零样本模拟机器人跨视角交互 — ChongZzZhang · 2026-09-11