Air Street Press· Air Street Press·原文发布· 2026-07-27精选AI 评分78
FLUX 3：从视频生成到机器人控制
FLUX 3: from video generation to robot control
AI 导读
Black Forest Labs 上周发布多模态基础模型 FLUX 3，在单一架构中联合学习图像、视频和音频，可单次生成最长 20 秒带音频视频。其视频骨干被机器人公司 mimic 用于 FLUX-mimic，在软体装配任务上报告 95% 成功率，无需单任务微调，对比 π0.5 的 55% 和某流匹配策略的 70%。
本站提供 AI 导读，完整报道请前往来源网站阅读。
阅读原文 Air Street Press · press.airstreet.com
推荐理由
FLUX 3 把视频生成骨干直接接到机器人动作预测上，读者可看到多模态世界模型向工业操作迁移的一条具体路径。