FLUX 3 把图像视频音频和动作预测统一进一个模型
robrombach · x · 2026-07-24
FLUX 3 把图像、视频、音频和动作预测做进同一模型
Black Forest Labs 发布 FLUX 3，称其是一个统一的多模态架构，覆盖 图像、视频、音频和动作预测。官方强调，新模型在不同风格下生成结果更接近真实世界；其中 FLUX 3 Video 已进入 early access。
更值得注意的是，官方表示它是在同一统一架构中联合训练的，并且可以进一步扩展到 机器人动作预测。线程还提到，这一路线与 mimic 和 Audi 的合作相关。
所属事件:BFL 发布 FLUX 3：统一多模态底座切入视频与机器人(12 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