**FLUX 3：首个统一图像、视频、音频与动作预测的多模态模型**

_Flux 3: One multi-modal model for Image, Video, Audio and Action-Prediction_

> BFL发布FLUX 3，这是一个基于Self-Flow架构的多模态基础模型，联合学习图像、视频和音频以构建对世界的统一表征。该模型支持文本到视频、图像到视频及视频到视频的生成，并能同步生成高质量原生音频，目前已开放早期访问。

**来源信息**
- **来源**：Hacker News：AI 热帖
- **分类**：ai-models
- **发布时间**：2026-07-23 23:11（北京时间）
- **原文**：[打开原文](https://bfl.ai/blog/flux-3)