Flux 3

概述

Flux 3 是 Black Forest Labs 于 2026 年 7 月 23 日发布的多模态基础模型，视频生成已在 2026 年 8 月 4 日正式开放。它在一个统一架构里联合学习图像、视频和音频，因此单个模型既能渲染一段会动的画面，也能配上属于它的声音，对真实世界的外观、运动、声音保持一致理解。

Flux 3 和其他模型的区别

大多数生成器把每种模态当成独立问题分开处理。Flux 3 不一样，它把图像、视频、音频都看作同一个底层现实的证据，用 Black Forest Labs 自研的 Self-Flow 方法一起训练，超过 95% 的训练算力投在了视频预测上。这种训练方式换来的是物理一致性：声音对上撞击的瞬间，动作服从质量，主体从一个镜头到下一个镜头都保持同一副面孔。同样这种对世界的理解，也让这套底座能延伸到机器人的动作预测，Black Forest Labs 通过 FLUX-mimic 合作已经在 Audi 的真实生产任务上做了测试。

已经上线的，和还没上线的

Flux 3 视频是目前正式开放的部分：文本到视频、带关键帧的图像到视频、接续已有片段，最长可以做到 20 秒，且都自带同步音频。Black Forest Labs 还宣布了用于图像生成和编辑的 Flux 3 图像、面向机器人的 Flux 3 Action，以及开放权重的 Flux 3 Dev，视频编辑和图像、视频、音频组合参考也在计划之中。这些暂时还停留在路线图上，还不能直接用。

Morphic 上的 Flux 3

Flux 3 已经在 Morphic 上线，和 Veo、可灵、Seedance、Vidu 等视频模型，以及 Flux 家族的图像模型放在同一个工作区。一条提示词可以同时发给两个模型对比效果，这比只看发布会的跑分图，更能判断 Flux 3 适不适合某个具体镜头。