黑森林实验室（Black Forest Labs）于周四正式发布FLUX 3，这是该公司旗舰模型首次从静态图像生成转向视频生成。这家以FLUX系列图像生成器闻名的德国AI实验室，将图像、视频和音频在同一共享系统中训练新模型——这就是所谓多模态：一个模型同时学习多种类型的信息，而非将不同工具简单拼接。
视频功能成为核心亮点。FLUX 3可生成最长20秒的片段，音频与画面同步生成，包括对话、音效和环境噪声。在早期评估中，人类评审员在77%的对比测试中更偏好FLUX 3而非Runway Gen-4.5，在93%的测试中优于Luma Ray 3.2。与Gemini Omni和Seedance相比，FLUX 3在52%的评估中略胜一筹。
需要注意的是，这属于偏好测试而非固定评分标准：评审员只需观看两段视频并选择看起来和听起来更逼真的一方，BFL统计FLUX 3获胜的次数。除此之外，该模型在静态图像生成方面同样表现出色，延续了其一贯优势。BFL展示的几张样图显示，FLUX 3风格多样，能够生成超越照片写实主义的广泛艺术风格。
BFL将这一突破定义为远超内容工具范畴。“仅学习图像的模型只能生成图像，”联合创始人兼CEO Robin Rombach表示。公司押注的是：学习预测视频也意味着学习其背后的物理规律——重量、接触、时机——这正是机器在物理世界中移动所需的核心能力。这一押注被命名为FLUX-mimic。该技术由黑森林实验室与苏黎世机器人公司mimic robotics共同构建：以FLUX 3的视频预测引擎为基础，增加一个轻量级“解码器”——一个小型附加组件，将模型对物体运动的内在感知转化为实际的机器人动作。汽车制造商奥迪已将该技术用于柔性车门密封条的安装任务，这类工作传统自动化系统一直难以应对。
“奥迪正是我们为FLUX-mimic设计的那类制造合作伙伴，”mimic联合创始人Stephan-Daniel Gravert表示。奥迪的Christoph Schneider称，机器人目前已能“解决传统机器无法处理的复杂软体操控任务”。BFL表示，整个系统响应时间约为101毫秒，接近人类视觉反射速度。
FLUX的崛起并非偶然。黑森林实验室成立于2024年8月，由曾参与构建Stability AI原始Stable Diffusion模型的资深研究员创立。其推出的Flux模型一度超越MidJourney，并压过Stability自身表现不佳的Stable Diffusion 3。开源版Flux Dev和Schnell夺得了“最佳开源图像生成器”称号——这是AI艺术家们原本期待Stability的翻新之作Stable Diffusion 3.5能重新夺回的宝座，但最终未能实现。FLUX 1.1 Pro于同年10月在Artificial Analysis图像竞技场登顶，不过该版本并非开源。2025年11月，BFL发布FLUX.2但反响平平。原版Flux的开源桂冠直至2025年底才被阿里巴巴的Z-Image Turbo取代，后者在低端消费级显卡上实现了同等质量。
“这就是Stable Diffusion 3本该达到的样子，”当时一位CivitAI用户写道。FLUX 3是BFL的回归之作，目前尚未完全开源。视频和动作功能已通过API和合作伙伴（包括mimic robotics）开放早期访问，图像生成功能将在“未来几周内”推出。BFL计划唯一开源供本地使用的Dev版本（开放权重版）预计要到2026年下半年才发布。