FLUX 3 от Black Forest Labs: одна ИИ-модель для изображений, видео, звука и действий роботов

23 июля 2026 года Black Forest Labs — немецкая лаборатория, стоящая за широко используемыми моделями изображений FLUX, — выпустила FLUX 3, и это не просто очередной генератор изображений. FLUX 3 — единая мультимодальная модель, которая генерирует изображения, создаёт видео длиной до 20 секунд с собственным синхронизированным звуком и даже предсказывает физические действия роботизированной руки — и всё это на основе одного единого набора весов. Коротко: одна модель выполняет работу четырёх отдельных инструментов. Для любого бизнеса, который создаёт визуальный контент или следит за развитием физической автоматизации, это сигнал, который стоит внимательно изучить.

Что действительно нового в FLUX 3

Прежние ИИ-системы были узкими специалистами: одна модель делала изображения, другая — видео, третья генерировала речь, а робототехника жила в совершенно другом мире. FLUX 3 сводит всё это в единую архитектуру, которую Black Forest Labs обучила совместно на изображениях, видео, звуке и действиях. Компания называет это «визуальным интеллектом» — той же базовой способностью понимать и генерировать визуальный мир, применённой к творческой работе, симуляции, управлению компьютером и робототехнике. Её заявленная ставка, по словам CEO Робина Ромбаха, состоит в том, что совместное обучение в рамках единой архитектуры позволяет каждому навыку усиливать остальные — вместо того чтобы строить четыре разрозненных продукта.

Видео до 20 секунд — со встроенным звуком

Главная творческая функция — видео. FLUX 3 может сгенерировать один клип длиной до 20 секунд с нативным синхронизированным звуком: диалоги, звуковые эффекты и фоновые шумы создаются вместе с картинкой, а не приклеиваются потом. Модель поддерживает режимы «текст в видео», «изображение в видео», редактирование «видео в видео» и «ключевые кадры в видео», а также может объединять несколько планов в более длинную последовательность. Честная оговорка: собственные сравнения качества лаборатория проводила на более коротких клипах — 10 секунд в 720p, а бенчмарки пока приводит сам разработчик, независимого рейтинга ещё нет, — так что считайте цифры многообещающими, но не доказанными.

С экрана — в заводской цех

Самая неожиданная часть анонса вообще не связана с экраном. Вместе с FLUX 3 Black Forest Labs представила FLUX-mimic — робототехническую модель на той же архитектуре, созданную совместно с цюрихской компанией mimic robotics. Её уже тестируют на реальных производственных линиях Audi, где она выполняет манипуляции с «мягкими телами» — установку гибких дверных уплотнителей, работу с кабелями и деформируемыми деталями, — то есть ту деликатную работу, с которой жёсткие промышленные роботы исторически не справлялись. Компания сообщает о времени реакции примерно 101 миллисекунда. Главная новость здесь — сама идея, что то же семейство моделей, которое рисует ваше маркетинговое изображение, может управлять и роботизированной рукой на заводской линии: генерация и действие становятся одной задачей.

Что это значит для вашего бизнеса

Здесь стоит думать о двух горизонтах. Ближний — контент. Модель, которая по одному промпту создаёт 20-секундное видео о продукте с закадровым голосом, звуком и визуалом в фирменном стиле, сжимает задачу, для которой раньше требовались видеограф, монтажёр и звукорежиссёр. Для электронной коммерции это означает ролики о товарах, рекламу и контент для соцсетей за малую долю нынешних затрат и времени. Дальний горизонт — физический: если визуальный ИИ уже может управлять роботами в деликатных сборочных операциях, то производство, логистика и складское хозяйство в Королевстве — отрасли, центральные для промышленных амбиций «Видения 2030», — движутся к совершенно иной структуре затрат. Ни один из горизонтов не требует действовать сегодня, но оба вознаграждают компании, которые начинают планировать уже сейчас.

Прежде чем увлечься: ограничения

FLUX 3 — не то, что можно подключить на этой неделе. На старте работают только FLUX 3 Video и Action, и лишь через закрытую программу «раннего доступа», заявки в которую Black Forest Labs одобряет индивидуально. FLUX 3 Image обещан «в ближайшие недели», а версия с открытыми весами FLUX 3 Dev — та, которую большинство команд могли бы разместить у себя, — запланирована «на более поздний срок в 2026 году». Важнее всего: публичного API пока нет ни у Black Forest Labs, ни у её партнёров, и цены не объявлены. Ранняя интеграция идёт через творческие платформы, такие как Canva, Krea, Magnific, Picsart и Burda, а не через форму регистрации. Поэтому правильный шаг для большинства компаний — готовиться, а не обещать клиентам функцию FLUX 3, к которой пока никто не может получить доступ.

Взгляд Origami

Как технологическая компания, мы не гонимся за каждым релизом, а рассказываем вам, какие из них меняют границы возможного, — и это один из таких. Мы следим за FLUX 3 на двух направлениях: как за контентным движком, который мы сможем встроить в ваши маркетинговые и e-commerce-процессы, как только откроется стабильный API, и как за ранним сигналом того, куда движется физическая автоматизация для промышленных клиентов. Практический шаг сегодня — архитектурный: стройте свои контентные и медиасистемы так, чтобы новую модель можно было подставить за чистым интерфейсом, а не жёстко завязываться на одного поставщика, от которого потом придётся избавляться. Тогда, когда API FLUX 3 откроется, вы внедрите его за дни, а не за месяцы.

Итог

FLUX 3 — настоящая веха: момент, когда изображение, видео, звук и физическое действие перестают быть отдельными задачами ИИ и становятся одной. Это ранняя стадия, доступ закрыт, цен нет — так что спешить некуда, — но направление ясно. Выиграют те компании, чьи системы будут готовы подключить модель в день её открытия и которые уже понимают, что единая модель, способная и воображать, и действовать, может сделать для их работы.

Источники