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
- 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