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(26 条相关)→
「具身」频道最新
- Robocurve 要给机器人做真实世界物理任务基准 — garrytan · 2026-07-24
- 帖子预测 OpenAI 将在 2026 预览 AI 设备 — imjustnewatai · 2026-07-24
- 机器人模型在任务中途换手后仍能重新完成动作 — E0M · 2026-07-24
- 一条机器人相关帖子建议试试 FLUX 3 — nathanbenaich · 2026-07-24
- 用 Grounding DINO 为机器人演示视频打标签，加速视觉调试 — Sanxiety_9941 · 2026-07-24
- VOX 推出语音优先人机交互设备，嘈杂环境也能用 — jmusk · 2026-07-24