引子<黑森林里的第二次创业>#

2022 年 8 月,Stable Diffusion 开源,“人人可 AI 绘画”一夜成真。那篇被引用 27000 次的潜在扩散论文,出自一个德国博士生 Rombach。两年后,他带着团队离开陷入内乱的 Stability AI,在弗赖堡——黑森林边上——创立了 Black Forest Labs。

2024 年种子轮 3100 万美元(General Catalyst、a16z),2025 年 12 月 B 轮 3 亿美元(估值 32.5 亿美元),客户名单写着 xAI、Meta、Adobe、Canva。而 2026 年 7 月 23 日,它丢出了自己的宣言:FLUX 3——一个同时理解图像、视频、音频,甚至能预测机器人动作的多模态基础模型。

用 Rombach 的话说:“你不能欺骗现实。只学了图片的模型只能生成图片。但世界不是由静止画面组成的。“

一、两条产品线,一个野心#

成熟的 FLUX.2 图像家族(2025-11 起,2026 持续迭代):

技术内核<24b> Mistral-3 视觉语言模型 + 32B rectified flow transformer——理解与生成的分工,是 FLUX.2 的照片级真实与多参考一致性的来源。

FLUX Tools 工具链(2026 年补齐):

二、FLUX 3<一场>”看懂世界”的豪赌#

设计哲学<图像捕捉空间>、视频揭示物理、音频暴露因果、语言连接指令——每种模态都是同一现实的不同投影,分开训练只能得到单点专家,联合训练才能相互增强。视频训练消耗了 FLUX 3 超过 95% 的计算量。

Self-Flow 架构<同一架构内联合训练> + 专用图像/视频/音频/动作编解码器,统一理解物理世界。

四条产品线:

三、FLUX-mimic<从生成视频到控制机器人>#

• 在视频预测骨干上叠加轻量动作解码器。
• 奥迪生产实验室<零件托盘放置>、ECU 插装、组件组装、柔性件操控。
• 骨干延迟 <80ms(RTX 5090),端到端反应 101ms。
• 新任务微调仅需约 30 分钟数据(此前 30+ 小时)——若被独立复现,这是行业级信号。

四、自评数据<亮眼>,但请冷静#

⚠️ 全部为 BFL 自评(10 秒/720p/带音频),未经独立 Arena 复现;与 Seedance 2.0、Gemini Omni Flash 打平(52%)说明真实差距待验证。

五、商业版图#

• 分销(Grok)、Meta(1.4 亿美元)、Adobe Photoshop、Canva、Picsart、Freepik/Magnific、Krea。
• FLUX 3 测试方、Burda、Magnific、Krea、Picsart。
• 硬件 + ComfyUI 三方合作 FP8 量化(显存 -40%、吞吐 +40%)。
• 云 Bedrock 法兰克福(欧盟数据驻留)、fal、Replicate、Cloudflare Workers AI、Microsoft Foundry。

六、值得赞赏与需要警惕#

值得赞赏

• FLUX.2 pro 照片级真实与多参考一致性第一梯队;32K 上下文罕见。
• 开源梯度完整(klein 4B Apache 2.0),端侧/自托管可行,欧盟数据主权友好。
• FLUX Tools 免提示词、生产级,工具链完整度领先。
• FLUX 3 是唯一同时覆盖图/视频/音频/动作的公开多模态模型;FLUX-mimic 有真工业落地。

需要警惕

• 视频基准为厂商自评;FLUX 3 Image 未上线、Dev 未开源、定价未公布——宣传跑在落地前面。
• FLUX.2 pro 体积巨大(24B+32B),自托管成本高;dev 非商用。
• 相比 GPT-Image-2 的思考模式、Qwen-Image 的超长指令,缺”推理型”交互。

七、怎么用、往哪用#

场景<企业私有化>/数据主权(dev/klein);多参考一致性(产品/角色/品牌);视频+音频同步(FLUX 3 Video);机器人/具身智能前瞻(FLUX-mimic)。

建议:

1. 图像 API 或 klein 4B 自托管;个人/研究用 dev。
2. 扩图/擦除/试穿<直接> FLUX Tools,免提示词;vto-v2 输入 4MP 直通。
3. 视频<可尝鲜> FLUX 3 Video,但以独立榜单为准。
4. 盯紧 2026 晚些时候 FLUX 3 Dev——本地多模态的质变点。

八、FAQ#

Q1.1 和 FLUX.2 选哪个? 新项目优先 FLUX.2;显存/预算有限选 FLUX.1 schnell 或 klein。 Q2 和 flex? pro 旗舰多参考;flex 细粒度设计控制。 Q3<开源版能商用吗>? schnell/klein 4B 可;dev 非商用(需授权/API)。 Q4 4B 显存? 约 13GB,亚秒级。 Q5 怎么调? BFL API 端点,免提示词,传图传参。 Q6 3 现在能用什么? 仅 Video;Image 待上线;Action 在奥迪;Dev 未发布。 Q7<视频数据可信吗>? ⚠️ 厂商自评,待独立复现。 Q8<欧盟合规>? AWS Bedrock 法兰克福或自托管 klein 4B。

九、实战工作流#

A<电商多参考一致性> — 8-10 张参考图 → 32K 上下文描述约束 → 跨图一致产品图集。 B<扩图> — 原图 + 目标尺寸 → 免提示词扩展 → high/fast 模式按需。 C<虚拟试穿> — 模特图 + 服装图 → v2 保脸保姿 → 试衣间/社媒滤镜。 D<本地端侧> — klein 4B 下载 → ComfyUI 加载 → 亚秒级批量/边缘部署。

十、接入要点#

⚠️ Webhook 状态 2026-02 起从 SUCCESS 改为 Ready,存量代码需更新;pro 按输出像素计费。

十一、风险清单#

• 基准自评;发布节奏慢于宣传。
• dev 非商用红线;pro 4MP 费用高。
• FLUX 3 定价未公布,规划前评估。
• 机器人方向为早期生产测试,非全面部署。

写在最后 3 的价值不在于今天能用多少,而在于它划出了一条路——生成式 AI 的下一站,不是画得更好,而是理解世界怎么运转。这条路能不能走通,未来几个月见分晓。