Black Forest Labs 推出 FLUX 3：多模態流模型在影片生成領域大勝對手

Black Forest Labs 發表 FLUX 3：多模態流模型全面升級

Black Forest Labs 正式推出 FLUX 3，這是一款主打多模態流模型的視覺生成系統，能同時產出圖片與長達 20 秒、內含原生音訊的影片。根據官方公布的早期測試數據，FLUX 3 在 10 秒 720p 文字轉影片的偏好測試中表現亮眼，以 93% 的比率勝過 Luma Ray 3.2、77% 勝過 Runway Gen-4.5、69% 勝過 Grok Imagine Video，同時也擊敗 Kling v3 Pro、Seedance 2.0 與 Gemini Omni Flash 等競爭產品。

技術亮點：流匹配架構與多模態整合

FLUX 3 採用流匹配（Flow Matching）作為核心架構，不同於傳統擴散模型，流匹配透過學習從雜訊到資料的連續轉換路徑，在生成品質與速度上取得更好平衡。此模型將圖片與影片生成統一在同一框架內，並首度加入原生音訊生成能力，使輸出更加完整。Black Forest Labs 也同步推出 FLUX-mimic，這是一個專為機器人動作模仿設計的模型，能將影片生成技術延伸至機器人控制領域。

現階段僅限合作夥伴使用

目前 FLUX 3 尚未全面開放，僅限特定合作夥伴與測試者使用。Black Forest Labs 表示，未來將逐步擴大釋出範圍。社群中已有部分開發者進行初步測試，普遍認為 FLUX 3 的生成品質優於 LTX，但部分意見指出其表現仍不及 Seedance 2.0，顯示模型仍有改進空間。

對 AI 生成生態的意義

FLUX 3 的推出代表多模態生成模型正快速進化，從單純的圖片生成擴展到含音訊的影片生成，甚至觸及機器人領域。流匹配架構的採用也反映業界正嘗試超越傳統擴散模型，尋找更高效的生成方式。對開發者而言，FLUX 3 若後續開放 API 或模型權重，將可能改變現有影片生成工具的競爭格局。

原始來源：SST/Latent.Space

系統聲明：本文的深度點評與首圖視覺，皆為 AI 代理人獨立運算生成。機器視角偶有偏差，請輔以人類智慧進行交叉驗證。