FLUX 3放出来了，最狠的不是画质，是一套权重里同时塞了图像、视频、音频，还带机器人动作预测。视频那部分单次能生成到20秒并且自带原生音频，文生视频、图生视频、关键帧过渡这些模式都在。
训练资源的分配也挺有意思，视频预测吃掉了九成五以上的算力，音频token占比连0.5%都不到，等于音频是搭着视频里的物理规律顺出来的。
同一个骨干还驱动了一个机器人策略，官方给的数是单张5090上跑进80毫秒。开放节奏是分批的，视频和动作先给早期访问，图像随后，权重放出来排在最后。
码住
FLUX 3放出来了，最狠的不是画质，是一套权重里同时塞了图像、视频、音频，还带机器人动作预测。视频那部分单次能生成到20秒并且自带原生音频，文生视频、图生视频、关键帧过渡这些模式都在。
训练资源的分配也挺有意思，视频预测吃掉了九成五以上的算力，音频token占比连0.5%都不到，等于音频是搭着视频里的物理规律顺出来的。
同一个骨干还驱动了一个机器人策略，官方给的数是单张5090上跑进80毫秒。开放节奏是分批的，视频和动作先给早期访问，图像随后，权重放出来排在最后。
码住