ब्लॅक फॉरेस्ट लॅब्सने FLUX 3 रिलीझ केले आहे, एक मल्टीमोडल फाउंडेशन मॉडेल जे कंपनी म्हणते की भौतिक जगाचे एकच प्रतिनिधित्व करण्यासाठी प्रतिमा, व्हिडिओ आणि ऑडिओमधून एकत्रितपणे शिकते. 23 जुलै 2026 रोजी घोषित केलेले, आणि आता लवकर प्रवेशामध्ये उपलब्ध आहे, FLUX 3 हे मॉडेल-बाय-मोडॅलिटी दृष्टिकोनातून एक महत्त्वपूर्ण वास्तुशास्त्रीय निर्गमन दर्शवते ज्याने जनरेटिव्ह AI, कोलॅप्सिंग इमेज निर्मिती, नेटिव्ह ध्वनीसह व्हिडिओ निर्मिती, आणि अगदी एका एकीकृत प्रणालीमध्ये रोबोट नियंत्रण देखील केले आहे.

हे प्रक्षेपण जनरेटिव्ह मीडिया स्पेसमध्ये तीव्र होणाऱ्या स्पर्धेच्या क्षणी आले आहे, जेथे रनवे, ओपनएआयचे सोरा आणि Google चे व्हियो यासह खेळाडू उच्च-गुणवत्तेचे आणि अधिक सक्षम व्हिडिओ मॉडेल तयार करण्यासाठी शर्यत करत आहेत. FLUX 3 मूलभूतपणे वेगळ्या आधारासह या स्पर्धेत प्रवेश करते: प्रत्येक मीडिया प्रकारासाठी स्वतंत्र मॉडेल्स ही एक कृत्रिम मर्यादा आहे. जनरेटिव्ह मीडिया लँडस्केपच्या आमच्या चालू असलेल्या AI इंडस्ट्री कव्हरेज चा भाग म्हणून त्याच्या प्रगतीचे परीक्षण केले जात आहे.

वास्तवाचे एक एकीकृत मॉडेल

प्रकाशन सोबत असलेल्या ब्लॉग पोस्टमध्ये, ब्लॅक फॉरेस्ट लॅब्सने अनेक पद्धतींमध्ये एकाच मॉडेलला प्रशिक्षण देण्यासाठी सैद्धांतिक प्रेरणा मांडली. कंपनीने असा युक्तिवाद केला की कोणतीही एक पद्धत - प्रतिमा, व्हिडिओ किंवा ऑडिओ - वास्तविकतेचे संपूर्ण वर्णन प्रदान करत नाही. प्रत्येक समान अंतर्निहित भौतिक जगाचे प्रक्षेपण आहे, भिन्न सेन्सर्सद्वारे कॅप्चर केले आहे, प्रत्येक प्रक्रियेत माहिती गमावत आहे.

प्रतिमा एका विशिष्ट बिंदूवर अवकाशीय संरचना कॅप्चर करतात. व्हिडिओ वेळेचे परिमाण पुनर्संचयित करतात आणि तात्पुरती गतिशीलता आणि भौतिक नियम प्रकट करतात. ऑडिओ यांत्रिक घटना आणि ध्वनीशास्त्र यांच्यातील कार्यकारण संबंध प्रकट करतो जे केवळ दृष्टी शोधू शकत नाही. भाषा या धारणांना उद्दिष्टे, अमूर्तता आणि सूचनांशी जोडते, कंपनीने लिहिले.

या सर्व गोष्टींपासून एकाच वेळी शिकून, मॉडेलच्या परस्पर मर्यादा कोणत्याही एका पद्धतीपेक्षा अधिक माहिती प्रदान करतात. ध्वनी प्रभावाशी जुळला पाहिजे, गतीने वस्तुमानाचे पालन केले पाहिजे, भविष्याला भूतकाळाचे अनुसरण करावे लागेल. पद्धती वेगळे होणे थांबवतात आणि एका अंतर्निहित वास्तवाचा पुरावा बनू लागतात.

FLUX 3 हे कंपनीचे पहिले मॉडेल आहे जे पूर्णपणे या तत्त्वावर तयार केले गेले आहे, ज्याला ब्लॅक फॉरेस्ट लॅब्स सेल्फ-फ्लो म्हणतात — मल्टीमॉडल जनरेशन कार्यक्षमतेने संरेखित करण्यासाठी आणि त्याच अंतर्निहित आर्किटेक्चरमध्ये समजून घेण्यासाठी एक दृष्टीकोन.

नेटिव्ह ऑडिओसह व्हिडिओ निर्मिती

FLUX 3 ची सर्वात लक्षवेधी क्षमता म्हणजे एकाच पिढीच्या पासमध्ये समक्रमित नेटिव्ह ऑडिओसह 20 सेकंदांपर्यंतचे व्हिडिओ तयार करण्याची क्षमता. हे बहुतेक विद्यमान व्हिडिओ मॉडेल्सपासून वेगळे करते, जे मूक फुटेज तयार करतात जे स्वतंत्रपणे व्युत्पन्न केलेल्या ऑडिओसह जोडले जाणे आवश्यक आहे.

कंपनीच्या मते, FLUX 3 चे व्हिडिओ आउटपुट मानवी चेहऱ्यावरील हावभाव कॅप्चर करण्यात, ध्वनी भौतिक घटनांशी जोडण्यात आणि बहुभाषिक क्षमतांना समर्थन देण्यासाठी विशेषतः मजबूत आहे. अनेक मिनिटे टिकणारे अनुक्रम तयार करण्यासाठी या क्षमता एकत्र केल्या जाऊ शकतात, जेथे दृश्य संदर्भ सर्व दृश्यांमध्ये वर्ण सुसंगत राहतील याची खात्री करण्यात मदत करतात.

प्रशिक्षणादरम्यान केलेल्या प्राथमिक मानवी मूल्यमापनात, FLUX 3 ला 77% तुलनेमध्ये रनवे Gen-4.5 पेक्षा आणि 93% तुलनेत Luma Ray 3.2 वर प्राधान्य देण्यात आले. नवीन स्पर्धकांच्या विरोधात, 69% पर्यंत तुलनांमध्ये Grok Imagine Video, 60% मध्ये Kling v3 Pro आणि 52% मध्ये Seedance 2.0 आणि Gemini Omni Flash ला प्राधान्य देण्यात आले.

कंपनीने सावध केले की हे परिणाम प्राथमिक आहेत आणि लवकर प्रवेश टप्प्यात आणखी सुधारणा अपेक्षित आहेत.

प्रतिमा आणि मजकूर प्रस्तुतीकरण

व्हिडिओच्या पलीकडे, FLUX 3 विविध प्रकारच्या शैली, पैलू गुणोत्तर आणि रिझोल्यूशनमध्ये प्रतिमा संश्लेषित आणि संपादित करू शकते. ब्लॅक फॉरेस्ट लॅबने जटिल प्रॉम्प्ट हाताळण्यात आणि प्रतिमांमध्ये अचूक मजकूर तयार करण्यात पूर्वीच्या FLUX आवृत्त्यांपेक्षा लक्षणीय सुधारणा नोंदवल्या - जनरेटिव्ह इमेज मॉडेल्ससाठी एक सतत आव्हान.

FLUX 3 प्रतिमा क्षमतांसाठी प्रारंभिक प्रवेश टप्पा व्हिडिओ रिलीजनंतरच्या आठवड्यात उघडेल, कंपनीने सांगितले.

भौतिक AI चा पूल

कदाचित FLUX 3 चे सर्वात अपारंपरिक पैलू म्हणजे रोबोटिक्समध्ये त्याचा विस्तार. मॉडेलची जागतिक समज कृती अंदाजापर्यंत विस्तारित आहे, कंपनीने स्पष्ट केले की, भौतिक AI कडे दोन मार्ग घेऊन: नेटिव्ह ॲक्शन अंदाज थेट FLUX 3 मध्ये एकत्रित करणे, आणि मर्यादित कार्य-विशिष्ट डेटासह उत्कृष्ट ट्यून केलेल्या विशेष कृती मॉडेलसाठी पाया म्हणून पूर्वप्रशिक्षित व्हिडिओ बॅकबोन वापरणे.

ब्लॅक फॉरेस्ट लॅब्सने मिमिक रोबोटिक्ससह भागीदारी केली, जी FLUX 3 मध्ये लवकर प्रवेश मिळवणाऱ्या पहिल्या कंपन्यांपैकी एक होती. त्यांनी एकत्रितपणे FLUX-mimic विकसित केले, FLUX 3 पाठीचा कणा जोडणारा व्हिडिओ-ॲक्शन मॉडेल कुशल हाताळणीसाठी रोबोट शिक्षणात यंत्रमानवांच्या कौशल्याचे संयोजन आहे. कंपनीच्या म्हणण्यानुसार, सिस्टमची ऑडी येथे वास्तविक उत्पादन कार्यांवर आधीपासूनच चाचणी केली जात आहे.

हे एक लक्षणीय अभिसरण दर्शवते: मनोरंजन सामग्री तयार करण्यासाठी वापरलेले समान मूलभूत तंत्रज्ञान उत्पादन वातावरणात भौतिक रोबोट नियंत्रित करण्यासाठी लागू केले जात आहे. कंपनीचा प्रबंध असा आहे की भौतिक AI आणि सामग्री निर्मिती एकाच पायावर चालते, कारण दोघांनाही एक मॉडेल आवश्यक आहे जे समजते की वस्तू कशा एकत्र ठेवतात, गोष्टी कशा हलतात आणि भौतिक घटना कशा प्रकारे आवाज निर्माण करतात.

स्पर्धा आणि बाजारपेठेतील स्थिती

लॉन्चने ब्लॅक फॉरेस्ट लॅब्स — मोठ्या प्रमाणावर वापरल्या जाणाऱ्या FLUX इमेज जनरेशन मॉडेल्समागे बर्लिन-आधारित स्टार्टअप — जनरेटिव्ह AI स्पेसमध्ये अधिक महत्त्वाकांक्षी स्पर्धक म्हणून स्थान दिले आहे. रनवे सारख्या कंपन्यांनी मजकूर आणि मल्टीमॉडल चॅटबॉट्सवर व्हिडिओ आणि ओपनएआयवर कमी प्रमाणात लक्ष केंद्रित केले आहे, तर ब्लॅक फॉरेस्ट लॅब्स हे सट्टेबाजी करत आहे की व्हिज्युअल, श्रवण आणि भौतिक डोमेनमध्ये खरोखर एकत्रित मॉडेल विशिष्ट पर्यायांपेक्षा अधिक सक्षम सिद्ध होईल.

कंपनीने म्हटले आहे की ते आधीच मॉडेलच्या पुढील पिढीवर काम करत आहे, त्याच मॉडेलमध्ये बोधात्मक, कृती आणि भाषेचा अंदाज एकत्रित करण्याच्या उद्देशाने. येत्या काही आठवडे आणि महिन्यांमध्ये, ते समान अंतर्निहित मल्टीमॉडल फ्लो मॅचिंग आर्किटेक्चरमधून तयार केलेल्या अतिरिक्त क्षमता आणेल, प्रत्येक अभिप्राय आणि सुरक्षितता चाचणीसाठी प्रारंभिक प्रवेश टप्प्यानंतर.

FLUX 3 आता व्हिडीओ जनरेशनसाठी लवकर ऍक्सेसमध्ये उपलब्ध आहे, प्रतिमा आणि अतिरिक्त क्षमता वाढत्या प्रमाणात रोलआउट होत आहेत.

एआयच्या पुढे राहा

FLUX 3 चा प्रतिमा, व्हिडिओ, ऑडिओ आणि रोबोटिक्सचा एकत्रित दृष्टीकोन जनरेटिव्ह एआय मॉडेल्स कशा प्रकारे डिझाइन केले जात आहेत यामधील लक्षणीय बदल दर्शवितो. जनरेटिव्ह मीडिया रेस आणि आर्टिफिशियल इंटेलिजन्समधील नवीनतम घडामोडींबद्दल अधिक माहितीसाठी, आमच्या ब्रेकिंग एआय न्यूज कव्हरेजचे अनुसरण करा.

अधिक एआय बातम्या वाचा →