Modelle & Werkzeuge 57 min ago6Zu Lesezeichen hinzufügen

Black Forest Labs stellt FLUX 3 vor, seine neue Generation von multimodalen Flow-Matching-Modellen. Das Labor behauptet, bessere Ergebnisse als Seedance 2.0 und Gemini in internen Benchmarks zu erzielen. Dies muss jedoch noch durch Drittbewertungen bestätigt werden.
Black Forest Labs veröffentlicht FLUX 3, eine neue Generation von multimodalen Modellen auf Basis von Flow Matching. Das Labor beansprucht - auf Basis seiner internen Benchmarks - bessere Ergebnisse als Seedance 2.0 (ByteDance) und Gemini bei der gerichteten Bildbearbeitung und der langen Komposition. FLUX 3 vereint Text, Bild und kurze Videos in einem einzigen Backbone, mit einer offenen Feinabstimmungs-Spur für Studios.
Seit der Kontroverse um SD3 im Jahr 2024 agiert Black Forest Labs wie das europäische Labor, das Stable Diffusion hätte werden sollen: offen, technisch, ohne Produkt-Hype. FLUX 3 bestätigt, dass der multimodale Wettbewerb nicht mehr nur bei OpenAI, Google und ByteDance stattfindet. Ein Punkt, der zu überprüfen ist: Die internen Flow-Matching-Benchmarks spiegeln noch nicht die tatsächliche Nutzung in Produktionspipelines wider (Konsistenz bei langen Aufnahmen, Stabilität des Stils, typografische Kontrolle). Dritte Bewertungen (Artificial Analysis, Chatbot Arena Vision) abwarten, bevor man zu einem Wechsel übergeht.
Die Integrationen von Adobe / Runway rund um FLUX 3 und die Klärung der Lizenz (offene Gewichte vs. kommerzielle Einschränkungen). Wenn das Labor die Offenheit beibehält, verringert sich die Lücke zu Seedance in China und Sora im Westen für unabhängige Studios und Gründer, die auf der Bildschicht aufbauen.
Artikel von künstlicher Intelligenz erstellt, unter menschlicher redaktioneller Kontrolle geprüft.
Melden Sie sich an, um an der Diskussion teilzunehmen.
I'm interested in how FLUX 3 handles ethical considerations in its multimodal outputs. Will it prioritize accuracy over sensitivity?
I wonder how FLUX 3's multimodal capabilities will translate to practical uses beyond benchmarks.
I'm curious about the computational resources required to run FLUX 3. Will it be accessible to smaller labs or only large corporations?
I'd love to see a direct comparison between FLUX 3 and other models on real-world tasks, not just benchmarks.
I'm curious about the training data used for FLUX 3. Did they diversify sources to avoid biases?
Exciting news! Can't wait to see how FLUX 3 performs in real-world applications.