ब्लैक फॉरेस्ट लैब्स ने गुरुवार को FLUX 3 जारी किया, और पहली बार, कंपनी का फ्लैगशिप मॉडल केवल स्थिर छवियों के बजाय वीडियो उत्पन्न करता है। जर्मन AI लैब, जो FLUX इमेज जनरेटर लाइन के लिए जानी जाती है, ने इस नई प्रणाली को एक ही साझा प्रणाली के भीतर छवियों, वीडियो और ऑडियो पर एक साथ प्रशिक्षित किया।

इसे मल्टीमोडालिटी के रूप में जाना जाता है: एक मॉडल कई प्रकार की जानकारी को एक साथ सीखता है, बजाय इसके कि अलग-अलग उपकरणों को साथ-साथ जोड़ा जाए।

वीडियो इसका मुख्य आकर्षण है। FLUX 3, 20 सेकंड तक के क्लिप तैयार करता है, जिसमें चित्र के साथ ऑडियो भी उत्पन्न होता है और स्क्रीन पर होने वाली घटनाओं — संवाद, ध्वनि प्रभाव, परिवेशीय शोर — के साथ सिंक्रनाइज़ होता है। शुरुआती मूल्यांकनों में, मानवीय समीक्षकों ने FLUX 3 के आउटपुट को Runway Gen-4.5 की तुलना में 77% और Luma Ray 3.2 की तुलना में 93% मामलों में पसंद किया। यह जेमिनी ओमनी और सीडेंस से थोड़ा बेहतर प्रतीत होता है, उन मॉडलों को 52% मूल्यांकनों में हराता है।

बेशक, यह एक वरीयता परीक्षण है, न कि कोई निश्चित स्कोरिंग रूब्रिक: मूल्यांकनकर्ता बस दो क्लिप देखते हैं और वह चुनते हैं जो अधिक विश्वसनीय लगता और सुनाई देता है, और BFL यह गिनता है कि FLUX 3 कितनी बार जीतता है।

इसके अलावा, यह मॉडल अपनी विरासत का पालन करते हुए स्थिर छवियों पर भी बहुत सक्षम प्रतीत होता है। BFL ने कुछ छवियां साझा कीं, और FLUX 3 फोटोरियलिज्म से परे विभिन्न प्रकार की शैलियों को उत्पन्न करने में बहुत बहुमुखी और सक्षम लगता है।

BFL इसे केवल एक सामग्री उपकरण से बढ़कर मानता है। सह-संस्थापक और सीईओ रॉबिन रोमबाच ने कहा, “एक मॉडल जो केवल छवियां सीखता है, वह केवल छवियां ही उत्पन्न कर सकता है।” कंपनी का दांव यह है कि वीडियो की भविष्यवाणी करना सीखने का मतलब उसके अंतर्निहित भौतिकी — वजन, संपर्क, समय — को भी सीखना है, जो एक मशीन को भौतिक दुनिया में घूमने के लिए ठीक वही चाहिए।

उस दांव का एक नाम है: FLUX-mimic। ज्यूरिख-आधारित mimic robotics के साथ निर्मित, यह FLUX 3 के वीडियो-पूर्वानुमान इंजन को लेता है और एक हल्का "डिकोडर" जोड़ता है - एक छोटा ऐड-ऑन घटक जो चीजों के चलने के मॉडल की आंतरिक समझ को वास्तविक रोबोट गति में बदल देता है। कार निर्माता ऑडी पहले से ही लचीली दरवाज़े की सील फिट करने जैसे कार्यों पर इसका परीक्षण कर रही है, ऐसा काम जिसे पारंपरिक स्वचालन संभालने में संघर्ष कर रहा था।

mimic के सह-संस्थापक स्टीफन-डेनियल ग्रेवर्ट ने कहा, “ऑडी उस प्रकार के विनिर्माण भागीदार का प्रतिनिधित्व करती है जिसके लिए हमने FLUX-mimic बनाया है।” ऑडी के क्रिस्टोफ श्नाइडर ने कहा कि रोबोट अब “जटिल सॉफ्ट-बॉडी मैनिपुलेशन कार्य” को हल करते हैं जिसे पुरानी मशीनें छू नहीं सकती थीं। BFL का कहना है कि पूरी प्रणाली लगभग 101 मिलीसेकंड में प्रतिक्रिया करती है, जो मानवीय दृश्य प्रतिवर्त के करीब है।

FLUX का उदय ऐसे ही नहीं हुआ। अगस्त 2024 में अनुभवी शोधकर्ताओं द्वारा स्थापित, जिन्होंने Stability AI में मूल स्टेबल डिफ्यूजन मॉडल बनाने में मदद की थी, ब्लैक फॉरेस्ट लैब्स ने फ्लक्स मॉडल लॉन्च किए जिन्होंने मिडजर्नी को हराया और Stability के अपने निराशाजनक स्टेबल डिफ्यूजन 3 को भी पछाड़ दिया।

ओपन-सोर्स फ्लक्स देव और श्नेल मॉडलों ने "सर्वश्रेष्ठ ओपन-सोर्स इमेज जनरेटर" का खिताब हासिल किया, जिसकी AI कलाकारों को उम्मीद थी कि स्टेबल डिफ्यूजन 3.5, Stability का पुनः प्रयास, अंततः पुनः प्राप्त करेगा।

ऐसा कभी नहीं हुआ। FLUX 1.1 प्रो ने उस अक्टूबर में आर्टिफिशियल एनालिसिस इमेज एरेना में शीर्ष स्थान हासिल किया। हालांकि, वह ओपन-सोर्स नहीं था।

BFL ने नवंबर 2025 में FLUX.2 जारी किया, लेकिन यह उतना लोकप्रिय नहीं था। मूल फ्लक्स द्वारा धारण किया गया ओपन-सोर्स ताज 2025 के अंत तक अलीबाबा के Z-Image Turbo द्वारा छीन लिया गया, जिसने कम-अंत वाले उपभोक्ता ग्राफिक्स कार्ड पर इसकी गुणवत्ता का मुकाबला किया। उस समय एक CivitAI उपयोगकर्ता ने लिखा था, “यह वही है जो SD3 को होना चाहिए था।”

FLUX 3 BFL की वापसी है, और यह अभी पूरी तरह से खुला नहीं है। वीडियो और एक्शन अब एपीआई और चुनिंदा भागीदारों के माध्यम से शुरुआती एक्सेस में हैं, जिनमें mimic robotics भी शामिल है, BFL के अनुसार "आने वाले हफ्तों में" इमेज जनरेशन भी आएगी। ओपन-वेट डेव संस्करण, एकमात्र श्रेणी जिसे BFL स्थानीय उपयोग के लिए जारी करने की योजना बना रहा है, 2026 के अंत तक उपलब्ध नहीं होगा।