Black Forest Labs запускає FLUX 3 AI для створення відео тривалістю 20 секунд

Black Forest Labs запустила FLUX 3 у четвер, уперше в історії компанії її флагманська модель створює відео замість статичних зображень. Німецька лабораторія ШІ, відома своєю лінійкою генераторів зображень FLUX, навчила нову систему одночасно на зображеннях, відео та аудіо в межах однієї спільної системи. Такий мультимодальний підхід дає змогу FLUX 3 генерувати кліпи до 20 секунд завдовжки з аудіо, створеним разом із зображенням і синхронізованим із дією на екрані — зокрема з діалогами, звуковими ефектами та фоновим шумом. Випуск уособлює стратегічний зсув від суто генерації зображень до відеоможливостей: модель також живить FLUX-mimic — робототехнічний застосунок, який уже тестує Audi на своєму виробничому конвеєрі для завдань на кшталт встановлення гнучких ущільнювачів дверей.

FLUX 3 Доставляє відеокліпи тривалістю до 20 секунд із синхронізованим аудіо

FLUX 3 створює відеокліпи до 20 секунд завдовжки, причому аудіо генерується разом із зображенням і синхронізується з тим, що відбувається на екрані. На ранніх оцінках люди-експерти віддавали перевагу результатам FLUX 3 над Runway Gen-4.5 у 77% попарних порівнянь і над Luma Ray 3.2 у 93% порівнянь. Модель обійшла Gemini Omni та Seedance у 52% оцінювань. Ці тести вподобань передбачають, що оцінювачі дивляться два кліпи й обирають той, який виглядає та звучить переконливіше; Black Forest Labs підраховує, як часто FLUX 3 перемагає.

Також модель демонструє компетентність у генерації статичних зображень, продовжуючи свою спадщину в image generation. Black Forest Labs опублікувала зображення, які показують універсальність FLUX 3 у створенні широкого різноманіття стилів поза фотореалізмом. Співзасновник і CEO Робін Ромбах сказав: «Модель, яка вчиться лише зображенням, може генерувати тільки зображення». Позиція компанії полягає в тому, що навчання прогнозувати відео означає також навчання фізики під ним — мас, контактів, таймінгу — тобто того, що потрібно машині, щоб рухатися у фізичному світі.

Audi Тестує робототехнічну систему FLUX-mimic на виробничій лінії

FLUX-mimic, створений разом із mimic robotics (зі штаб-квартирою в Цюриху), бере відеопрогнозувальний рушій FLUX 3 і додає легкий декодер — невеликий компонент-додаток, який перетворює внутрішнє відчуття моделі того, як рухаються речі, на фактичні рухи робота. Audi тестує систему на завданнях на кшталт встановлення гнучких ущільнювачів дверей — роботах, з якими звичайна автоматизація погано справлялася. Співзасновник mimic Стефан-Даніель Граверт сказав: «Audi — це той тип виробничого партнера, для якого ми створили FLUX-mimic». Крістоф Шнайдер з Audi заявив, що роботи тепер «виконують складні маніпуляції м’якими тілами», з якими старі машини не могли впоратися. Black Forest Labs повідомляє, що повна система реагує приблизно за 101 мілісекунду — у діапазоні людських зорових рефлексів.

Black Forest Labs зібрала FLUX 3 після Stable Diffusion: витоки

Black Forest Labs заснували в серпні 2024 року ветеранські дослідники, які допомогли створити початкові моделі Stable Diffusion у Stability AI. Компанія запустила моделі Flux, що обійшли MidJourney, і перевершили Stable Diffusion 3 від Stability. Відкриті моделі Flux Dev і Schnell отримали титул «best open source image generator», якого AI-артисти очікували від Stable Diffusion 3.5, щоб та відвоювала позицію. FLUX 1.1 Pro очолила арену Artificial Analysis для зображень у жовтні, хоча ця версія не була open source.

Black Forest Labs випустила FLUX.2 у листопаді 2025 року, але вона не стала такою популярною. Корона open-source, яку тримав оригінальний Flux, тривала до кінця 2025 року, доки Alibaba’s Z-Image Turbo не змістила його, досягнувши подібної якості на нижчих споживчих відеокартах. Один користувач CivitAI тоді написав: «Ось яким мав бути SD3».

Dev-версія запланована на пізніший час у 2026 році

Відео та Action зараз у ранньому доступі через APIs і вибрані партнерства, серед яких є mimic robotics. Генерація зображень триватиме «протягом найближчих тижнів», за словами Black Forest Labs. Відкрита (open-weight) Dev-версія, єдиний рівень, який Black Forest Labs планує випустити для локального використання, не вийде раніше ніж у 2026 році.

FAQ

Які відеоможливості пропонує FLUX 3?
FLUX 3 створює відеокліпи до 20 секунд завдовжки, причому аудіо генерується разом із зображенням і синхронізується з дією на екрані — зокрема з діалогами, звуковими ефектами та фоновим шумом. На ранніх оцінках люди-експерти віддавали перевагу результатам FLUX 3 над Runway Gen-4.5 у 77% порівнянь і над Luma Ray 3.2 у 93% порівнянь.

Як Audi використовує FLUX-mimic на своїй виробничій лінії?
Audi тестує FLUX-mimic на завданнях на кшталт встановлення гнучких ущільнювачів дверей — роботах, з якими звичайна автоматизація погано справлялася. Система, створена з mimic robotics, перетворює відеопрогнозувальний рушій FLUX 3 на фактичні рухи робота зі швидкістю реакції приблизно за 101 мілісекунду. Крістоф Шнайдер з Audi заявив, що роботи тепер виконують складні маніпуляції м’якими тілами, з якими старі машини не могли впоратися.

Коли буде доступна відкрита Dev-версія FLUX 3?
Відкрита Dev-версія, єдиний рівень, який Black Forest Labs планує випустити для локального використання, не вийде раніше ніж у 2026 році. Відео та Action зараз у ранньому доступі через APIs і вибрані партнерства, а генерація зображень піде в наступні тижні.