FLUX 3统一图像、视频、音频和机器人动作预测

Black Forest Labs推出FLUX 3，这是一个统一的多模态backbone，同时支持图像生成、视频、原生音频和机器人动作预测。目前视频功能已开放early access，未来将开放模型权重。该模型已与mimic、Audi合作，在真实机器人上运行测试。团队提出物理世界智能与内容创作可共享同一套视觉基础模型。