FLUX 3登場：画像・動画・音声を統合した新マルチモーダル基盤モデル

Black Forest Labsが、画像・動画・音声を統合したマルチモーダル基盤モデル「FLUX 3」を早期アクセスで公開しました。Self-Flow技術を基盤に、単一のアーキテクチャで複数モダリティを同時学習し、世界の統一表現を獲得することを目指します。動画生成では最大20秒の音声付きクリップを生成でき、Runway Gen-4.5やLuma Ray 3.2との比較で高い支持率を獲得。画像生成やロボティクス向けのアクション予測機能も開発中です。