Black Forest Labs lanza FLUX 3, modelo multimodal unificado para imagen, vídeo, audio y acción de robot
Black Forest Labs lanzó FLUX 3 el 23 de julio, un modelo multimodal unificado entrenado en una arquitectura única que abarca imagen, vídeo, audio y predicción de acciones. El modelo soporta generación de texto a vídeo e imagen a vídeo, transformación de vídeo a vídeo a partir de clips de referencia, continuación de audio generativo, transiciones de fotogramas clave a vídeo, diálogo multilingüe y encadenamiento agentic de clips en secuencias más largas. FLUX 3 Video está ahora disponible en acceso anticipado, con una versión de peso para desarrolladores próximamente. La arquitectura unificada contrasta con los generadores anteriores específicos de modalidad, consolidando capacidades de imagen y vídeo que anteriormente requerían modelos separados.
El lanzamiento incluye FLUX-mimic, desarrollado conjuntamente con Mimic Robotics, que empareja el backbone FLUX 3 con experiencia en aprendizaje de robots para habilitar la predicción de acciones y control en sistemas físicos. FLUX-mimic puede implementarse en robots reales, demostrando que FLUX 3 está aprendiendo un modelo del mundo suficiente capaz de impulsar la manipulación diestra y tareas reales de fábrica. El equipo también reclama un fuerte rendimiento en estilos visuales (metraje candido a animación), generación de tipografía y diseño, y relaciones de aspecto diversas que se extienden más allá de formatos cinematográficos convencionales.
La afirmación de FLUX 3 sobre entrenamiento unificado entre modalidades e implementación directa de robots es notable porque demuestra capacidad generativa que se extiende más allá de medios tradicionales hacia control incorporado. La compilación abierta para desarrolladores representa un movimiento competitivo contra Sora, Grok Imagine y Gemini Omni—la comunidad ahora está verificando reproducción independiente de capacidades multimodales de frontera fuera de los laboratorios más grandes. Los arquitectos que evalúan pilas de vídeo-más-control para robótica o canalizaciones de vídeo agentic deben evaluar FLUX 3 junto con APIs de pago.