FLUX 3 多模态 AI 模型详解

FLUX 3 是一个面向图像、视频、音频和机器人动作任务的 AI 模型家族。 如果必须用一句话概括，我会说：它力求用一个共享系统，取代由多个独立媒体工具组成的技术栈。可以在 APIMart 上直接试用 FLUX 3 Image。

简而言之：

• FLUX 3 Video 可以生成和编辑最长 20 秒并带同步音频的视频片段
• FLUX 3 Image 专注于图像生成与编辑
• FLUX 3 Action 为机器人技术和物理任务预测动作
• FLUX 3 Dev 是计划于 2026 年晚些时候推出、可供本地使用的开放权重版本

有几个事实立刻引人注意：

• 截至 2026 年 7 月 28 日，Video 和 Action 处于抢先体验阶段
• Image 是下一项发布内容
• Dev 计划于 2026 年晚些时候推出
• 定价仍未公开
• 一项工厂测试将训练时间从 30+ 小时缩短到 30 分钟

如果你在构建媒体应用、广告工作流、商品视觉素材或机器人系统，FLUX 3 值得关注。核心要点很简单：在我看来，FLUX 3 与其说是又一个图像模型，不如说是一套用于生成、编辑、同步输出和动作预测的共享设置。

核心要点

• FLUX 3 是 Black Forest Labs 的统一视觉智能模型家族，在同一共享架构上覆盖图像、视频、音频和机器人动作任务，取代彼此独立的媒体流水线。
• FLUX 3 Video 可生成并编辑最长 20 秒、带原生同步音频的片段，支持文生视频、图生视频、视频生视频、关键帧控制，以及用于多镜头序列的智能体式串联。
• FLUX 3 Image 专注于高精度图像合成与编辑，支持排版和准确的多语言文字渲染；FLUX 3 Action 则为机器人和物理 AI 任务预测动作。
• 在 2026 年 7 月奥迪生产实验室的测试中，FLUX-mimic 仅用 30 分钟演示数据就学会了安装柔性门密封条等新工厂任务，而此前方法需要 30 小时以上。
• 截至 2026 年 7 月 28 日，Video 和 Action 通过 bfl.ai 进入需审批的早期访问，Image 是下一个发布项，FLUX 3 Dev 开放权重计划于 2026 年晚些时候推出，价格仍未公开。

FLUX 3 或许就是我们理应拥有的开源 Sora 2

快速对比