# FLUX 3 开始控制机器人：一个模型同时生成视频和预测动作

> 原标题：Flux 3 X Mimic: The Next Generation of Video-Action Models

- 来源：Hacker News 首页
- 发布时间：2026-07-24T09:31:48.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/46336
- 原文：https://bfl.ai/blog/flux-3-mimic

## 摘要

Black Forest Labs 把早期版 FLUX 3 装到了 mimic 的机器人上，已经在奥迪产线做过测试。FLUX 3 是一个模型同时生成图像、视频和音频，其中视频预测占了训练算力的 95% 以上。为了不出现画面穿帮，模型必须学会接触、运动和因果关系。把动作预测作为低维模态加进去时，视频质量一度掉了 10%，但训练 3500 步后就完全恢复。

## 推荐理由

Black Forest Labs 将早期版 FLUX 3 接入 mimic 机器人并在奥迪产线测试，把动作预测作为低维模态加入后视频质量先降 10%，训练 3500 步即恢复。

## 锐评

视频预测吃掉 95% 以上训练算力，这个比例比机器人本身有意思。一个模型要同时出画面和动作，钱基本都花在学物理上了，动作那点低维信号只是搭个便车。加进去视频质量掉 10%、3500 步恢复，这俩任务不打架，只是需要点时间对齐。奥迪产线测试听着唬人，没给规模和成功率，我当 demo 看。真要看的是它能不能在产线上连续跑。
