Berryxia.AI(@berryxia):好久没有看到Flux家更新模型了啊～ FLUX 3把图像、视频、音频和机器人动作预测塞进了同一个模型。 Black Forest Labs这次直接上统一架构，一个多模态backbone同时处理图像生成、视频、原生音频，甚至能扩展到机器人动作预测。目前视频已经开放early access，后续还会开放权重，并已经和mimic、Audi合作在真实机器人上跑起来了。这不是简单的“多加几个模态”，是他们明确提出：物理世界的智能和内容创作，本质上可以跑在同一套视觉基础模型上。生成一段真实的视频，和预测机器人该怎么动手，共享的是同一套对世界的理解。

2026.07.23 23:13

好久没有看到Flux家更新模型了啊～ FLUX 3把图像、视频、音频和机器人动作预测塞进了同一个模型。 Black Forest Labs这次直接上统一架构，一个多模态backbone同时处理图像生成、视频、原生音频，甚至能扩展到机器人动作预测。目前视频已经开放early access，后续还会开放权重，并已经和mimic、Audi合作在真实机器人上跑起来了。这不是简单的“多加几个模态”，是他们明确提出：物理世界的智能和内容创作，本质上可以跑在同一套视觉基础模型上。生成一段真实的视频，和预测机器人该怎么动手，共享的是同一套对世界的理解。