# Black Forest Labs 发布 FLUX 3：一个模型搞定图片、视频、音频和机器人动作预测

> 原标题：[AINews] Black Forest Labs FLUX 3 - Multimodal Flow Models that beat Seedance 2.0, Gemini Omni and Grok Imagine, and FLUX-mimic video-action robotics model

- 来源：Latent Space
- 发布时间：2026-07-24T04:30:12.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/46868
- 原文：https://www.latent.space/p/ainews-black-forest-labs-flux-3-multimodal

## 摘要

Black Forest Labs 推出了 FLUX 3，一个统一架构的多模态模型，能同时处理图片、视频、音频，甚至还能预测机器人的动作。官方博客说，在视频生成的偏好测试里，它赢了 Seedance 2.0、Gemini Omni 和 Grok Imagine，而且所有输出都自带原生音频。

## 推荐理由

Black Forest Labs 发布统一架构多模态模型 FLUX 3，可同时处理图片、视频、音频并预测机器人动作，官方称其在视频生成偏好测试中胜过 Seedance 2.0 等模型。

## 锐评

偏好测试赢了 Seedance 2.0、Gemini Omni 和 Grok Imagine，这种话谁都能说，胜率、测试集规模、对比条件一个没给，权重和 demo 也没放出来，目前只能当一次技术宣告看。

一个模型同时出图、出视频、出音频还能预测机器人动作，架构上确实省事，但多模态统一最容易出的问题是每样都到及格线。真要看的是视频生成能不能稳定商用，这个得等实测。
