Black Forest Labs宣布以Early Access方式上线多模态基础模型FLUX3，采用统一架构联合学习图像、视频和音频。该模型基于Self-Flow学习框架扩展，在FLUX.1和FLUX.2系列基础上进一步拓展。FLUX3可在单次生成中输出最长20秒的视频并附带原生音频，支持文生视频、图生视频、视频生视频、关键帧转视频、多镜头串联等多种创作模式。在带声音的10秒720p视频人工评测中，FLUX3对比Grok Imagine Video胜率达69%，对比Seedance 2.0和Gemini Omni Flash胜率均为52%。图像方面，FLUX3可完成生成与编辑，覆盖多种风格。更值得关注的是，Black Forest Labs正与Mimic Robotics合作，研究将FLUX3用作机器人行为预测模型，将多模态AI能力从内容生成延伸到实体机器人领域。