精选理由
Black Forest Labs的FLUX 3把图像、视频、音频和机器人动作预测塞进一个模型，已经跟真实机器人合作跑起来了。
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。
原文 · berryxia
好久没有看到Flux家更新模型了啊～ FLUX 3把图像、视频、音频和机器人动作预测塞进了同一个模…
好久没有看到Flux家更新模型了啊～
FLUX 3把图像、视频、音频和机器人动作预测塞进了同一个模型。
Black Forest Labs这次直接上统一架构，一个多模态backbone同时处理图像生成、视频、原生音频，甚至能扩展到机器人动作预测。
目前视频已经开放early access，后续还会开放权重，并已经和mimic、Audi合作在真实机器人上跑起来了。
这不是简单的“多加几个模态”，是他们明确提出：物理世界的智能和内容创作，本质上可以跑在同一套视觉基础模型上。
生成一段真实的视频，和预测机器人该怎么动手，共享的是同一套对世界的理解。 https://t.co/W9HMNIMvLV