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
- ROS 社区迎来新项目负责人 ahcorde，规划 2027 版本 — ___Mufasaa · 2026-10-27
- ROS 社区 10 月 29 日在谷歌纽约办 Meetup，三家公司机器人团队将分享 — kscottz · 2026-10-27
- Tesla 休斯顿 robotaxi 服务区大幅扩张，覆盖范围远超旧围栏 — Polymarket · 2026-10-27
- Walden Robotics 教机器人『呼叫求助』，用远程辅助换取快速部署 — adnothing · 2026-10-27
- 折叠屏铰链由数十个高精度零件构成，一粒沙即可毁掉屏幕 — BenBajarin · 2026-10-27
- 不改一个权重，机器人精度任务从 0/10 提到 9/10 — hbouammar · 2026-10-27