Flux 3

Overview

Flux 3はBlack Forest Labsのマルチモーダル基盤モデルです。2026年7月23日に発表され、動画生成は8月4日に一般公開されました。画像・動画・音声をひとつの統合アーキテクチャで学習しているのが特徴で、1つのモデルが映像とその音を同時に生成しながら、世界の見え方・動き方・鳴り方について一貫した理解を保ちます。

Flux 3が他と違う理由

多くの生成モデルは画像・動画・音声を別々の問題として扱います。Flux 3はこの3つを、ひとつの現実についての手がかりとして一緒に学習させています。使われているのはBlack Forest LabsのSelf-Flowという手法で、学習計算資源の95%以上が動画予測に充てられました。その成果は精度として表れます。音は衝撃の瞬間に合い、動きは質量に従い、被写体はショットをまたいでも同一人物に見えます。この世界理解の深さが、バックボーンをロボティクスの行動予測にまで広げる土台にもなっており、FLUX-mimicパートナーシップを通じてAudiの実運用タスクでも検証されています。

公開済みの機能と、これから来る機能

すでに一般提供されているのはFlux 3 Videoです。テキストからの生成、キーフレームを使った画像からの生成、既存クリップの継続生成のいずれも、最大20秒まで同期音声付きで対応します。加えて、画像生成・編集用のFlux 3 Image、ロボティクス向けのFlux 3 Action、オープンウェイト版のFlux 3 Dev、そして動画編集や画像・動画・音声を組み合わせた参照生成が発表されています。これらは今後のロードマップであり、現時点で使えるのは動画の部分です。

MorphicでのFlux 3

Flux 3はMorphic上で、Veo、Kling、Seedance、Viduといった動画モデル、そしてFluxファミリーの画像モデルと並んで動きます。同じCanvas上で1つのプロンプトを複数のモデルに送れるので、発表時の比較表を鵜呑みにするより先に、実際の自分のショットでFlux 3が合うかどうかを確かめられます。