Black Forest Labs宣布以Early Access方式推出FLUX3多模态基础模型。该模型采用统一架构联合学习图像、视频和音频，基于Self-Flow自监督流匹配框架扩展，可用于多模态生成与理解任务。FLUX3支持单次生成最长20秒视频并同步输出原生音频，覆盖文生视频、图生视频、视频续写、关键帧转视频、多语言对话等场景。官方称，在10秒720p带声音视频人工评测中，FLUX3相较Grok Imagine Video胜率为69%，相较Seedance 2.0和Gemini Omni Flash胜率均为52%。
