Black Forest Labs đã phát hành FLUX 3 vào thứ Năm, và đây là lần đầu tiên, mô hình chủ lực của công ty tạo ra video thay vì chỉ hình ảnh tĩnh. Phòng thí nghiệm AI của Đức, nổi tiếng với dòng công cụ tạo ảnh FLUX, đã đào tạo hệ thống mới này trên hình ảnh, video và âm thanh cùng một lúc, trong một hệ thống chia sẻ duy nhất.
Đó chính là tính đa phương thức: một mô hình học nhiều loại thông tin cùng nhau thay vì các công cụ riêng biệt được ghép nối cạnh nhau.
Khía cạnh video là tính năng nổi bật. FLUX 3 tạo ra các đoạn clip dài tới 20 giây, với âm thanh được tạo ra cùng với hình ảnh và đồng bộ hóa với những gì đang diễn ra trên màn hình – hội thoại, hiệu ứng âm thanh, tiếng ồn môi trường. Trong các đánh giá ban đầu, người đánh giá đã ưu tiên sản phẩm của FLUX 3 hơn Runway Gen-4.5 trong 77% so sánh trực tiếp và hơn Luma Ray 3.2 trong 93%. Có vẻ như nó tốt hơn một chút so với Gemini Omni và Seedance, đánh bại các mô hình đó trong 52% các đánh giá.
Tất nhiên, đó là một bài kiểm tra sở thích, chứ không phải một tiêu chí chấm điểm cố định: người đánh giá chỉ đơn giản xem hai đoạn clip và chọn đoạn có vẻ và âm thanh thuyết phục hơn, và BFL đếm số lần FLUX 3 chiến thắng.
Ngoài ra, mô hình này cũng rất thành thạo trong việc xử lý hình ảnh tĩnh, tiếp nối di sản của nó. BFL đã chia sẻ một vài hình ảnh, và FLUX 3 dường như rất linh hoạt và có khả năng tạo ra nhiều phong cách đa dạng vượt ra ngoài chủ nghĩa hiện thực.
BFL coi đây không chỉ là một công cụ tạo nội dung. Đồng sáng lập và CEO Robin Rombach cho biết: “Một mô hình chỉ học hình ảnh thì chỉ có thể tạo ra hình ảnh”. Công ty đặt cược rằng việc học cách dự đoán video cũng có nghĩa là học vật lý nền tảng của nó – trọng lượng, tiếp xúc, thời gian – đây chính xác là những gì một cỗ máy cần để di chuyển trong thế giới vật chất.
Đó là một sự đặt cược có tên: FLUX-mimic. Được xây dựng với công ty robot mimic có trụ sở tại Zurich, nó sử dụng công cụ dự đoán video của FLUX 3 và thêm một “bộ giải mã” nhẹ – một thành phần bổ trợ nhỏ giúp dịch cảm giác bên trong của mô hình về cách mọi vật di chuyển thành các chuyển động robot thực tế. Hãng xe Audi đã thử nghiệm nó trong các nhiệm vụ như lắp gioăng cửa linh hoạt, một công việc mà tự động hóa truyền thống gặp khó khăn.
Stephan-Daniel Gravert, đồng sáng lập mimic, cho biết: “Audi đại diện cho loại đối tác sản xuất mà chúng tôi đã xây dựng FLUX-mimic”. Christoph Schneider của Audi cho biết các robot giờ đây có thể “giải quyết công việc thao tác các vật thể mềm phức tạp” mà các máy móc cũ hơn không thể thực hiện được. BFL cho biết toàn bộ hệ thống phản ứng trong khoảng 101 mili giây, gần bằng phản xạ thị giác của con người.
Sự trỗi dậy của FLUX không phải ngẫu nhiên. Được thành lập vào tháng 8 năm 2024 bởi các nhà nghiên cứu kỳ cựu đã giúp xây dựng các mô hình Stable Diffusion gốc tại Stability AI, Black Forest Labs đã ra mắt các mô hình Flux đánh bại MidJourney và vượt trội hơn Stable Diffusion 3 kém ấn tượng của Stability.
Các mô hình Flux Dev và Schnell mã nguồn mở đã giành được danh hiệu “công cụ tạo ảnh mã nguồn mở tốt nhất” mà các nghệ sĩ AI đã kỳ vọng Stable Diffusion 3.5, phiên bản cải tiến của Stability, cuối cùng sẽ giành lại.
Điều đó đã không xảy ra. FLUX 1.1 Pro sau đó đã đứng đầu bảng xếp hạng phân tích hình ảnh của Artificial Analysis vào tháng Mười năm đó. Tuy nhiên, phiên bản đó không phải là mã nguồn mở.
BFL đã phát hành FLUX.2 vào tháng 11 năm 2025 nhưng nó không phổ biến bằng. Ngôi vương mã nguồn mở được giữ bởi Flux gốc đã kéo dài cho đến khi Z-Image Turbo của Alibaba soán ngôi vào cuối năm 2025, với chất lượng tương đương trên các card đồ họa tiêu dùng cấp thấp hơn. Một người dùng CivitAI đã viết vào thời điểm đó: “Đây mới là những gì SD3 đáng lẽ phải đạt được”.
FLUX 3 là sự trở lại của BFL, và nó chưa hoàn toàn mở. Video và Action hiện đang trong giai đoạn truy cập sớm thông qua API và các đối tác chọn lọc, trong đó có mimic robotics, với tính năng tạo ảnh sẽ ra mắt “trong vài tuần tới”, theo BFL. Phiên bản Dev mã nguồn mở, cấp độ duy nhất mà BFL dự định phát hành để sử dụng cục bộ, sẽ không ra mắt cho đến cuối năm 2026.
