Inilabas ng Black Forest Labs ang FLUX 3 noong Huwebes, at sa unang pagkakataon, ang pangunahing modelo ng kumpanya ay bumubuo ng video sa halip na mga static na larawan lamang. Ang German AI lab, na kilala sa linya ng FLUX ng mga image generator, ay sinanay ang bagong sistema sa mga larawan, video, at audio nang sabay-sabay, sa loob ng isang ibinahaging sistema.
Ito ang tinatawag na multimodality: isang modelo na natututo ng ilang uri ng impormasyon nang sama-sama sa halip na magkahiwalay na tool na pinagsama-sama.
Ang bahagi ng video ang pangunahing tampok. Ang FLUX 3 ay lumilikha ng mga clip na hanggang 20 segundo ang haba, na may audio na nabuo kasama ang larawan at naka-sync sa kung ano ang nangyayari sa screen—diyalogo, sound effects, ambient noise. Sa mga unang pagsusuri, mas pinili ng mga human reviewer ang output ng FLUX 3 kaysa sa Runway Gen-4.5 sa 77% ng mga head-to-head na paghahambing at kaysa sa Luma Ray 3.2 sa 93%. Mukhang bahagyang mas mahusay ito kaysa sa Gemini Omni at Seedance, na tinalo ang mga modelong iyon sa 52% ng mga pagsusuri.
Siyempre, iyon ay isang preference test, hindi isang nakapirming scoring rubric: pinapanood lang ng mga evaluator ang dalawang clip at pinipili ang isa na mukhang mas nakakumbinsi, at binibilang ng BFL kung gaano kadalas manalo ang FLUX 3.
Bukod doon, mukhang napakahusay din ng modelo sa mga still image, ayon sa legacy nito. Nagbahagi ang BFL ng ilang larawan, at ang FLUX 3 ay mukhang napaka-versatile at may kakayahang lumikha ng iba't ibang uri ng estilo na lampas sa photorealism.
Ipinagmamalaki ito ng BFL bilang higit pa sa isang content tool. “Ang isang modelo na natututo lamang ng mga larawan ay maaari lamang bumuo ng mga larawan,” sabi ng co-founder at CEO na si Robin Rombach. Ang taya ng kumpanya ay ang pag-aaral na hulaan ang video ay nangangahulugan din ng pag-aaral ng pisika sa ilalim nito—timbang, contact, timing—na siyang eksaktong kailangan ng isang makina upang kumilos sa pisikal na mundo.
Ang taya na iyon ay may pangalan: FLUX-mimic. Binuo kasama ang mimic robotics na nakabase sa Zurich, ginagamit nito ang video-prediction engine ng FLUX 3 at nagdaragdag ng isang lightweight na “decoder”—isang maliit na add-on component na nagta-translate ng panloob na pakiramdam ng modelo kung paano gumagalaw ang mga bagay sa aktwal na paggalaw ng robot. Sinusubukan na ito ng car maker na Audi sa mga gawain tulad ng pagkabit ng mga flexible door seal, isang trabaho na nahihirapan ang conventional automation na gawin.
“Kinakatawan ng Audi ang uri ng manufacturing partner na binuo namin ang FLUX-mimic para sa kanila,” sabi ni mimic co-founder Stephan-Daniel Gravert. Sinabi ni Christoph Schneider ng Audi na ang mga robot ngayon ay “nalulutas ang kumplikadong soft-body manipulation work” na hindi nagagawa ng mga lumang makina. Sinabi ng BFL na ang buong sistema ay tumutugon sa humigit-kumulang 101 milliseconds, na malapit sa visual reflexes ng tao.
Ang pagtaas ng FLUX ay hindi nangyari sa isang vacuum. Itinatag noong Agosto 2024 ng mga beteranong mananaliksik na tumulong sa pagbuo ng orihinal na Stable Diffusion models sa Stability AI, inilunsad ng Black Forest Labs ang mga modelo ng Flux na tinalo ang MidJourney at nalampasan ang sariling Stable Diffusion 3 ng Stability na hindi gaanong kahanga-hanga.
Ang mga open-source na modelong Flux Dev at Schnell ang kumuha ng titulong “best open source image generator” na inaasahan ng mga AI artist na mababawi sa kalaunan ng Stable Diffusion 3.5, ang do-over ng Stability.
Ngunit hindi ito nangyari. Nanguna ang FLUX 1.1 Pro sa Artificial Analysis image arena noong Oktubre. Bagaman, hindi iyon open source.
Inilabas ng BFL ang FLUX.2 noong Nobyembre 2025 ngunit hindi ito kasing popular. Ang open-source na korona na hawak ng orihinal na Flux ay tumagal hanggang sa itulak ito ng Z-Image Turbo ng Alibaba sa huling bahagi ng 2025, na itinugma ang kalidad nito sa mga mas mababang end consumer graphics card. “Ito ang dapat na SD3,” isinulat ng isang user ng CivitAI noong panahong iyon.
Ang FLUX 3 ang pagbabalik ng BFL, at hindi pa ito ganap na open. Ang Video at Action ay nasa early access ngayon sa pamamagitan ng mga API at piling kasosyo, kabilang ang mimic robotics, na susundan ng image generation “sa mga darating na linggo,” ayon sa BFL. Ang open-weight na bersyon ng Dev, ang tanging tier na plano ng BFL na ilabas para sa lokal na paggamit, ay hindi pa darating hanggang sa huling bahagi ng 2026.
