九成五的训练算力给了视频，这还能叫图像模型吗。
FLUX 3 是图像、视频、音频联合训练，视频预测吃掉九成五以上的算力。这个配比已经不是顺手做个视频模型了，是把视频当成世界模型的主干在练。
更该盯的是它和机器人公司 mimic 的联合版本 FLUX-mimic，直接放到奥迪产线上做测试部署。生成模型往动作预测迁移，这条路开始有实物落点了。
有个细节我来回看了几遍：加进动作预测之后，视频生成质量最初掉了最多一成，训到三千五百步左右恢复到原有水平。两个任务并不天然打架，只是得给模型时间把表征重新组织一遍。
产线测试离量产还远，不过生成和控制在合流，方向上没跑了。