Black Forest Labs 推出 FLUX 3 多模態模型：圖像、20 秒影片加音訊同架構生成，但定價與開源均缺席

Black Forest Labs（BFL）發布 FLUX 3，這是德國弗萊堡這家百人規模 AI 實驗室首次公開的影片生成模型。FLUX 3 的核心主張只有一句話：圖像、影片、音訊、機器人動作預測，全部跑在同一個架構上，而不是把四個模型拼在一個介面後面假裝統一。能不能兌現，現在還沒法驗證——因為 FLUX 3 Video 和 FLUX 3 Action 目前只進入邀請制 Early Access，沒有 API，沒有定價，沒有 SLA，沒有圖像 benchmark。

BFL 給出的技術亮點裡，最具體的是影片長度：單次生成最長 20 秒、原生附帶音訊，評測解析度為 720p（最高解析度未公告）。BFL 的內部偏好測試顯示，FLUX 3 在 10 秒 720p 影片比較中勝出 Luma Ray 3.2（93%）、Runway Gen-4.5（77%）、Kling v3 Pro（60%）。但這批數字有兩層保留條件：第一，測試素材標示為「早期候選版本」，不是現在進入 Early Access 的版本；第二，最關鍵的對手數字——對上 Google Gemini Omni Flash 只有 52%，基本上是統計硬幣的兩面。Gemini Omni Flash 是目前最接近 FLUX 3 架構理念的大平台競品，已正式上線、定價每 10 秒 720p 影片約 $1 美元。BFL 自己的測試說兩者品質無從分辨，而 Omni 的帳單已經存在，FLUX 3 的沒有。

另一個值得注意的缺席是開源。BFL 的市場地位在很大程度上建立在 FLUX.1、FLUX.2 一路釋出開源權重之上——FLUX 模型目前已整合進 Adobe Photoshop、Picsart 等平台，是 Hugging Face 上下載量最高的文字轉圖像模型之一。FLUX 3 Dev 被承諾為「多模態骨幹的開源版本」，涵蓋影片、音訊、圖像與動作預測，範圍遠超過歷代 Dev 版本，但它是四條產品線裡最後才會推出的，參數量、量化版本、授權條款目前一概未公布。等得起的開發者可以等；等不起的，現在拿不到任何可以本地部署的東西。

機器人方向是這次發布裡最不尋常的一塊。BFL 與瑞士新創 Mimic Robotics 合作推出 FLUX-mimic，把 FLUX 3 的影片骨幹當作物理世界的動態先驗知識，用來做機器人操作任務的動作預測。Mimic Robotics CTO 表示，某些任務的微調資料量可以從傳統方式的 30 小時壓縮到 30 分鐘。這個數字若成立，意義不小——但目前同樣只是聲明，沒有獨立驗證的 benchmark。

說到底，FLUX 3 面臨的最直接問題不是技術架構，而是一個很實際的商業算術：它的主要競品 Gemini Omni Flash 已有公開定價，FLUX 3 沒有；Gemini Omni 已有 API，FLUX 3 沒有；兩者的影片品質按 BFL 自己的數字來看旗鼓相當，在歐盟地區 Omni 對上傳影片的編輯功能有限制，這是 FLUX 3 唯一可能切入德國本土及歐洲市場的小縫隙。但縫隙要能變成優勢，定價和 API 都得先出來。沒有這兩樣，採購清單上根本寫不上去。