德国人工智能初创公司黑森林实验室（Black Forest Labs）正式发布多模态基础模型 Flux3。该模型基于Self-Flow架构打造，配备专用的图像、视频、音频及动作编解码器，实现了对物理与数字环境的统一理解与生成。

作为首款支持原生音频生成的模型，Flux3可一次性输出长达20秒的音视频同步片段，并涵盖文本/图像/视频转视频、基于关键帧的转场及多语言对话等功能。

在 720p 分辨率、10 秒片段的早期测试中，Flux3 性能超越 Luma Ray3.2（93%胜率）与 Runway Gen-4.5（77%胜率），并在与 Seedance2.0 及 Gemini Omni Flash 等顶尖模型的对标中保持微弱优势。

此外，公司联合Mimic Robotics开发了适用于机器人领域的视频动作模型Flux-mimic，目前已在奥迪工厂开展生产任务测试。BFL 采取分阶段推出策略，Flux3Video 现已上线，Flux3Image 与开源权重的“Flux3Dev”也将在近期陆续发布。