Black Forest Labs 称 FLUX 3 超越多款多模态对手并走向机器人
Latent Space · rss · 2026-07-24
这期 Latent Space AI News 的重点之一是 Black Forest Labs 的 FLUX 3 多模态模型发布。
- 文中把 FLUX 3 描述为一个统一的多模态系统，覆盖图像、视频、音频和动作预测。
- 作者称它在对比中超过了 Seedance 2.0、Gemini Omni 和 Grok Imagine 等系统。
- BFL 公布的能力包括：text-to-video、image-to-video、video-to-video、音视频续写、关键帧控制生成、多语言对话、长镜头链式生成、风格多样性和文字排版生成等。
- 文章还提到 FLUX-mimic：这是一个基于 FLUX 3 的机器人视频-动作模型，与 mimic robotics 合作，用机器人和可穿戴数据训练，目标是提升灵巧操作与控制效率。
- 整体观点是：更强的视频世界模型，可能会直接迁移到机器人控制能力和样本效率上。
「具身」频道最新
- DONIC 双手机器人追踪成功率 86.79%，远超此前 SOTA 的 9.43% — liuziwei7 · 2026-10-27
- Bedrock Robotics 融资 6 亿美元,改装挖掘机已在商业工地全自动驾驶接单 — Sethwinterroth · 2026-10-27
- AW-0 机器人模型实测:RoboTwin 50 项任务成功率 80.8% 远超基线 — trevordarrell · 2026-10-27
- AW-0 用代码流改变世界模型预测:同一指令下精准选中目标物体 — trevordarrell · 2026-10-27
- AW-0 单卡 RTX 5090 推理 230ms:联合去噪比自回归代码快 2.4 倍 — trevordarrell · 2026-10-27
- AW-0 世界动作模型发布：一个生成式模型同时管规划、预测与控制 — trevordarrell · 2026-10-27