先了解这件事
2026年7月20日,Black Forest Labs发布多模态基础模型FLUX 3并开启早期访问。该模型基于Self-Flow在统一架构中同时学习图像、视频和音频,可单次生成最长20秒带原生音频的视频,支持文生视频、图生视频、视频生视频、关键帧过渡和多语言对话等能力。官方称早期评测结果仍属初步,后续将陆续开放FLUX 3 Video、FLUX 3 Image的API与私有权重,以及FLUX 3 Dev的开源权重。2026年8月4日,Black Forest Labs宣布FLUX 3 Video的初版文生视频与图生视频能力即日起通过BFL API和部分合作方开放,可生成最长20秒的HD视频,支持Full HD放大输出与原生音频,并提供Draft Mode。官方称后续将推出FLUX 3 Image与开放权重版本FLUX 3 Dev。
AI 根据公开报道生成
事件进展
2 个已确认进展
- 来源：Black Forest Labs Blog
- 来源：Black Forest Labs Blog
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
8月4日
Black Forest Labs Blog一手精选
Black Forest Labs 开放 FLUX 3 Video 文生视频与图生视频能力
Black Forest Labs 宣布 FLUX 3 Video 的初版文生视频与图生视频能力即日起通过 BFL API 和部分合作方开放，可生成最长 20 秒的 HD 视频，并支持 Full HD 放大输出与原生音频。该模型支持多镜头切换、关键帧、视频续写、多语言对白与唇形同步，并提供低成本快速预览的 Draft Mode。官方称内部评测中文生视频明显优于现有 SOTA 模型，图生视频与 Seedance 2.0 持平；后续将推出 FLUX 3 Image 与开放权重版本 FLUX 3 Dev。
7月27日
Air Street Press精选
Black Forest Labs 发布 FLUX 3，视频生成骨干被用于机器人控制
Black Forest Labs 发布多模态基础模型 FLUX 3，在单一架构中联合学习图像、视频和音频，可单次生成最长 20 秒带音频视频，支持文本、图像或视频输入。其视频骨干被 mimic 用于 FLUX-mimic 机器人控制系统，在软体 kitting 任务上报告 95% 成功率，高于同数据训练的 π0.5 的 55%；冻结骨干时仍具竞争力。FLUX 3 Video 已开放早期访问，图像生成与编辑随后推出，动作预测通过合作方提供，并计划发布开放权重版本。
7月23日
Black Forest Labs Blog一手
Black Forest Labs 与 mimic 推出基于 FLUX 3 的视频-动作模型 FLUX-mimic
Black Forest Labs 发布 FLUX 3 早期版本，并与机器人公司 mimic 合作推出视频-动作模型 FLUX-mimic，已在 Audi 测试和部署。FLUX 3 从训练之初就联合训练图像、视频和音频，视频预测占总算力成本 95% 以上；加入动作预测后，文生视频和图生视频的人类评分一度下降最多 10%，3500 步后恢复原有质量并同时预测动作。FLUX-mimic 在冻结 FLUX 主干的情况下，动作解码器表现超过此前的视觉-语言-动作模型，微调后达到 SOTA 成功率；主干在单张 NVIDIA RTX 5090 上从输入到世界表征耗时不到 80ms，整套机器人系统反应时间为 101ms。
Black Forest Labs Blog一手精选
Black Forest Labs 发布多模态基础模型 FLUX 3，开启早期访问
Black Forest Labs 发布多模态基础模型 FLUX 3 并开启 Early Access，该模型基于 Self-Flow 在统一架构中同时学习图像、视频和音频，可单次生成最长 20 秒带原生音频的视频，并支持文生视频、图生视频、视频生视频、关键帧过渡和多语言对话等能力。早期评测中 FLUX 3 在最高 69% 的对比中优于 Grok Imagine Video，对 Runway Gen-4.5 和 Luma Ray 3.2 的偏好比例分别为 77% 和 93%，官方称结果仍属初步。后续将陆续开放 FLUX 3 Video、FLUX 3 Image 的 API 与私有权重，以及 FLUX 3 Dev 的开源权重，FLUX 3 Image 的早期访问将在接下来几周开放。