FLUX 3

是什么

FLUX 3 是 Black Forest Labs（BFL）推出的多模态（multimodal）模型系列，也就是同一个系列处理多种类型的媒体，而不只是静态图片。BFL 于 2026 年 7 月 23 日宣布了这一系列，涵盖图像、视频、音频和动作预测。这是 BFL 系列中第一次超出静态图片的范围。^[1]

由来

FLUX 3 建立在 Self-Flow 之上。Self-Flow 是 BFL 于 2026 年 3 月首次公布的一项研究技术。^[1] 它用于在同一个架构内，对齐不同模态之间的理解与生成，也就是让一种模型设计同时覆盖多种媒体的读取与生成。^[1]

主要版本

FLUX 3 有多个版本：FLUX 3 Video、FLUX 3 Image，以及负责机器人视觉和动作预测的 FLUX 3 Action。^[1] BFL 还计划推出开放权重的 FLUX 3 Dev。^[1] 发布时，FLUX 3 Video 和 FLUX 3 Action 处于限定范围的抢先体验（gated early access）阶段，即只有获得许可的用户可以使用，且没有可供下载的权重。^[1]

FLUX 3 Video

FLUX 3 Video 可以生成最长 20 秒的视频片段，并带有原生音频。音频可以包括多语言对白（并做口型同步）、音效以及环境声。^[2] 视频原生分辨率为 720p，1080p 输出通过放大（upscaling）得到。^[2]

该视频模型支持文生视频（text-to-video）、图生视频（image-to-video）、关键帧（keyframes）以及基于最多 4 秒输入视频的续接。^[2] 关键帧指的是用来确定镜头起点或重要节点的画面，其余内容围绕这些画面生成，这是对该技术的一般说明。

评测结果

在 BFL 自己进行的人类偏好评测中，FLUX 3 Video 在文生视频上以 1135 的 Elo 分数居首；在图生视频上，它与 Seedance 2.0 持平。^[2] 这些结果出自 BFL 自己的评测，应视为公司的测试结论。

开放时间

2026 年 8 月 4 日，BFL 通过 BFL API 以及部分合作伙伴，将 FLUX 3 Video 正式向公众开放。^[2]

机器人与开放权重

公司还宣布与 Mimic Robotics 合作，推出用于机器人的 FLUX 3 x mimic 模型。^[3] 2026 年 10 月 15 日，FLUX 3 Klein 以开放权重的形式发布，参数量约为 56 亿（5.6B）。^[3]