Black Forest Labs: FLUX 3 objedinjuje generisanje slika, videa i zvuka
Black Forest Labs je 23. jula 2026. objavila FLUX 3, čineći značajan arhitekturalni korak u odnosu na raniji rad. Dok su prethodna FLUX izdanja bila usredsređena na generisanje slika, FLUX 3 je jedinstveni multimodalni foundation model zajednički obučen na slikama, videu i zvuku od samog početka. Objedinjena arhitektura znači da svaka modalnost jača druge tokom treninga, umesto da se naknadno spajaju.
Inicijalno rano pristupanje obuhvata video i predikciju akcija. Izdanje generisanja slika sledi u narednim nedeljama, a open-weight verzija za developere planirana je za kraj 2026. Generisanje videa proizvodi klipove do 20 sekundi dužine sa nativnim zvukom — zvuk se generiše zajedno sa vizuelnim sadržajem, a ne dodaje naknadno. Rane procene ističu visok kvalitet hvatanja izraza lica, asocijacije zvuka sa fizičkim događajima i višejezičnog sadržaja.
Za dizajnere, neposredna relevantnost leži u ekosistemu alata. Adobe Photoshop i Picsart već su integrisali ranije FLUX modele, a proširene mogućnosti FLUX 3 u videu i zvuku čine ga kompletnijim temeljem za AI-assisted kreativnu produkciju. Mogućnost predikcije akcija — koja modelu omogućava predviđanje pokreta robota — van je dosega dizajnerskog rada, ali signalizira dubinu generalizacije koju arhitektura može postići.
Primena u robotici je operativna, ne eksperimentalna. Kroz partnerstvo sa Mimic Robotics, FLUX 3 upravlja robotima na Audijevim proizvodnim linijama, sa vremenom reakcije u realnom svetu od 101 milisekunde. Kompanija ovo pozicionira kao deo dugoročne strategije u oblasti physical AI, gde isti model koji generiše slike i video istovremeno vodi mašine koje deluju u fizičkom svetu.
Generalni direktor Robin Rombach opisao je objedinjenu arhitekturu kao ključni izbor: „Zajedničko obučavanje u okviru jedne objedinjene arhitekture je ono što će nas dovesti do cilja, jer svaka modalnost treninga jača ostale.” Ovaj dizajnerski izbor razlikuje FLUX 3 od multimodalnih sistema koji kombinuju odvojeno obučene komponente.