一、FLUX 系列演进
Black Forest Labs 的故事始于2024年。2024年8月正式推出 FLUX.1 系列一炮而红。2025年下半年推出 FLUX.2 系列，引入原生视频生成能力。2026年7月，FLUX 3 正式发布，核心定位发生根本性转变：不再只是一个生成模型，而是一个能够跨模态预测下一步该发生什么的行动预测引擎。
二、技术架构
联合嵌入空间：将图像像素、视频帧序列、音频频谱和机器人关节状态映射到同一语义空间。基于扩散的世界模型：在神经空间中预演即将发生的事情。动作分词化：连续的机器人运动轨迹被离散化为有限的动作令牌。
三、多模态统一的意义
回顾AI的发展轨迹：2022-2023年大语言模型解决理解文本，2024年图像/视频生成模型解决生成内容，2025年推理模型解决思考与规划，2026年动作预测模型解决执行与交互。FLUX 3 让 AI 首次真正脱离了屏幕里的世界。
四、应用场景
具身智能与机器人：通过物理仿真视频联合训练，弥合Sim2Real Gap。自动驾驶：预测道路参与者的行为意图。游戏与虚拟世界：为NPC赋予基于物理规律的真实行为预测能力。
五、总结
FLUX 3 第一次将生成和行动在同一个模型中统一起来，让 AI 拥有了想象未来并为之行动的能力。
*本文仅代表作者个人观点（仅供参考）*
来源：创客OPC原创整理