FLUX 3 把图像、视频、音频和动作预测合成一体
Eric520CC · x · 2026-07-24
FLUX 3 把图像、视频、音频和动作预测装进一个模型
Black Forest Labs 发布 FLUX 3，强调这是一个统一的多模态架构，覆盖 图像、视频、音频 以及 Action Prediction。官方称，新模型在不同风格下都能生成更贴近真实世界的内容。
其中 FLUX 3 Video 已进入 early access。官方还表示，这套统一架构可以继续扩展到机器人动作预测，并提到与 Mimic、Audi 的合作实践。
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
- UniAction 统一动作条件框架:单一世界模型驱动多种动作类型 — ZeYanjie · 2026-10-27
- StackChan 机器人上演 AI 短剧：Hermes Agent 用 JSON 脚本统筹表演 — alexcovo_eth · 2026-10-27
- 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