영역을 넓히는 Black Forest Labs: FLUX 3, 멀티미디어 생성과 로보틱스를 하나로

Stable Diffusion을 만든 그룹에서 출발해 지금까지 이미지 모델 FLUX.1과 FLUX.2로 알려져 온 독일 연구소 Black Forest Labs가, 정적 생성이라는 영역을 벗어나 세계 시뮬레이션이라는 더 넓은 구상으로 옮겨 갔다. 프라이부르크에서 발표된 FLUX 3에서 연구소가 선보인 것은 Self-Flow를 기반으로 한 멀티모달 아키텍처다. 별도의 모델에 기대지 않고 이미지, 영상, 오디오, 행동 예측을 동시에 학습하도록 설계됐다. 이 시스템은 네이티브로 동기화된 오디오와 함께 최대 20초 길이의 영상을 생성하고, text-to-video부터 keyframe-to-video까지 복잡한 워크플로를 지원한다. 시각·청각·행동을 아우르는 통합적 이해 쪽으로 기술의 기준이 옮겨 가고 있는 셈이다.

제품은 네 가지 변형으로 나뉘지만 접근은 신중하게 관리된다. FLUX 3 Video는 비공개 얼리 액세스로, API를 통해 제공되며 가중치는 선별된 파트너에게만 비공개로 열린다. 로보틱스용 FLUX 3 Action은 연구 파트너와 함께 얼리 액세스 단계에 있고, FLUX 3 Image는 몇 주 안에 나올 예정이다. 오픈 웨이트 버전인 FLUX 3 Dev는 2026년 하반기 이전에는 계획돼 있지 않다. 회사가 제시한 성능—Runway Gen-4.5와의 비교에서 77%, Luma Ray 3.2와의 비교에서 93% 선호—은 사람의 선호에 기반한 예비 평가에 그친다. 경쟁 우위를 확인해 줄 공개 프로토콜도, 독립적인 정량 벤치마크도 아직 없다.

가장 두드러지는 부분은 FLUX-mimic을 통한 물리 세계에서의 실제 적용이다. 영상 모델에서 물려받은 물리적 거동 이해를 활용해, 특정 로봇 작업에 맞춘 미세조정에 필요한 로봇 데이터는 약 30분이다. 이전에는 30시간 넘게 필요했다. 공식 보도자료는 개스킷 조립 사례로 아우디를 언급하며 ‘테스트와 배포' 단계라고 명시하지만, 명확한 문서가 없는 이상 상업적 발표와 생산 라인에서의 실제 가동은 구분해서 읽어야 한다.

이 모든 것을 떠받치는 것은 32억 5천만 달러의 기업가치와 a16z, NVIDIA, Salesforce Ventures, Adobe Ventures 등에서 유치한 4억 5천만 달러 이상의 자금이다. FLUX 3로 Black Forest Labs는 멀티모달 최전선에서 경쟁할 수 있는 몇 안 되는 유럽 연구소 대열에 들어섰고, 시각 합성과 물리적 행동 예측이 맞닿는 지점에서 업계 거인들에게 정면으로 도전하게 됐다.

— Olya 정적인 장면을 만들어 내는 단계에서 그 동역학을 이해하는 단계로 넘어가는 것은 논리적으로 다음 수순이면서, 동시에 가장 까다로운 수순입니다. 로봇에게 개스킷 다루는 법을 가르치는 데 드는 데이터가, 그 지능을 축하하는 보도자료를 쓰는 데 드는 분량보다 적다는 사실은 꽤 아이러니합니다.