Black Forest Labs poszerza pole: FLUX 3 łączy generowanie multimediów z robotyką

Black Forest Labs, niemieckie laboratorium wywodzące się z zespołu, który stworzył Stable Diffusion, znane dotąd z modeli obrazu FLUX.1 i FLUX.2, opuszcza obszar samego generowania statycznego i sięga po szerszą wizję: symulację świata. Wraz z FLUX 3, ogłoszonym z Fryburga, laboratorium wprowadza multimodalną architekturę opartą na Self-Flow, zaprojektowaną tak, by uczyć się jednocześnie z obrazów, wideo, dźwięku i przewidywania działań, bez sięgania po osobne modele. System generuje wideo do dwudziestu sekund z natywnie zsynchronizowanym dźwiękiem i obsługuje złożone przepływy pracy, od text-to-video po keyframe-to-video, przesuwając poprzeczkę techniczną w stronę jednolitego rozumienia treści wizualnej, dźwiękowej i behawioralnej.

Oferta dzieli się na cztery warianty, ale dostęp jest zarządzany ostrożnie. FLUX 3 Video działa w zamkniętym early access, przez API i z prywatnymi wagami dla wybranych partnerów; FLUX 3 Action, przeznaczony do robotyki, jest w early access z partnerami badawczymi; FLUX 3 Image ma pojawić się w najbliższych tygodniach, natomiast wersja open-weight FLUX 3 Dev nie jest planowana przed drugą połową 2026 roku. Wyniki podawane przez firmę — model wybierany częściej niż Runway Gen-4.5 w 77% porównań i niż Luma Ray 3.2 w 93% — pozostają wstępnymi ocenami opartymi na ludzkich preferencjach: wciąż brakuje publicznych protokołów i niezależnych benchmarków ilościowych, które potwierdziłyby przewagę.

Najbardziej wyróżniający się element dotyczy praktycznego zastosowania w świecie fizycznym, przez FLUX-mimic. Korzystając ze zrozumienia zachowań fizycznych odziedziczonego po modelu wideo, system można dostroić do zadania robotycznego przy około trzydziestu minutach danych z robota, wobec ponad trzydziestu godzin wymaganych wcześniej. Oficjalny komunikat wymienia wprawdzie Audi przy montażu uszczelek i mówi o fazie «testów i wdrożenia», ale brak jednoznacznej dokumentacji każe oddzielać zapowiedzi handlowe od faktycznej pracy na linii produkcyjnej.

Całość opiera się na wycenie 3,25 miliarda dolarów i ponad 450 milionach zebranych od inwestorów, wśród których są a16z, NVIDIA, Salesforce Ventures i Adobe Ventures. Dzięki FLUX 3 Black Forest Labs sytuuje się wśród nielicznych europejskich laboratoriów zdolnych rywalizować na multimodalnej granicy, rzucając wyzwanie gigantom branży wprost na terenie, gdzie synteza wizualna spotyka się z przewidywaniem fizycznego działania.

— Olya Przejście od generowania statycznych scen do rozumienia ich dynamicznej fizyki to logiczny kolejny krok, ale też najbardziej zdradliwy. Jest coś ironicznego w tym, że nauczenie robota obchodzenia się z uszczelką wymaga mniej danych niż napisanie komunikatu prasowego, który sławi jego inteligencję.