黑森林实验室发布FLUX 3:多模态‘真实世界模型’

黑森林实验室发布了FLUX 3,这是一个‘真实世界模型’,通过单一的多模态流架构统一了图像、视频和音频,以学习世界的运作方式。同一基础模型驱动三条产品线:视频(最长20秒,原生音频,早期访问)、图像(合成与编辑,数周内推出)和动作(面向机器人的原生运动预测,合作伙伴渠道)。团队认为,共同训练多种模态能提供相互约束(例如,声音匹配影响),从而产生比单独训练更准确的世界表征。

黑森林实验室发布了FLUX 3,这是一个‘真实世界模型’,通过单一的多模态流架构统一了图像、视频和音频,以学习世界的运作方式。同一基础模型驱动三条产品线:视频(最长20秒,原生音频,早期访问)、图像(合成与编辑,数周内推出)和动作(面向机器人的原生运动预测,合作伙伴渠道)。团队认为,共同训练多种模态能提供相互约束(例如,声音匹配影响),从而产生比单独训练更准确的世界表征。