Black Forest Labs revoluciona criação multimídia com o FLUX 3: Imagens e Vídeos de um único prompt

A Black Forest Labs lança o FLUX 3 com uma proposta ambiciosa: unificar a geração e a compreensão multimodal. Diferente de outros modelos que tratam imagem, vídeo e áudio isoladamente, o FLUX 3 foi construído na arquitetura Self-Flow, aprendendo com essas modalidades de forma conjunta. O objetivo é que a IA entenda a realidade de forma mais coesa, percebendo como objetos interagem, como as coisas se movem e os sons dos eventos. Isso significa um salto na inteligência visual, que a empresa aposta ser o caminho para IA que percebe, prediz e age em ambientes físicos e digitais.

O modelo gera imagens e clipes de vídeo com áudio de até 20 segundos a partir de um único prompt de texto, ou usando referências visuais e sonoras. Suas capacidades incluem geração de vídeo a partir de imagem (para animação ou referência visual), vídeo-a-vídeo (mantendo elementos centrais), continuação generativa de vídeo-áudio e transições controladas com keyframes. Em avaliações preliminares, o FLUX 3 superou concorrentes como Grok Imagine Video, Kling v3 Pro, Runway Gen-4.5 e Luma Ray 3.2. A novidade não se limita à criação de conteúdo; a Black Forest Labs também explora seu uso em IA física, com o FLUX-mimic, um modelo de vídeo-ação desenvolvido com a mimic robotics para manipulação robótica, testado pela Audi.

O FLUX 3 marca uma evolução importante em relação às versões anteriores do FLUX. A Black Forest Labs afirma que este é o primeiro modelo construído inteiramente sob o princípio de aprender de todas as modalidades de uma vez, tratando-as como evidências de uma realidade subjacente. Isso difere de abordagens que ensinam a IA sobre cada elemento isoladamente. A capacidade do FLUX 3 de lidar com prompts complexos e gerar texto com precisão também melhorou significativamente, como visto em avaliações durante o desenvolvimento. Embora outras empresas, como a OpenArt com seu Director, lancem ferramentas de geração de vídeo, a aposta do FLUX 3 na unificação multimodal e na IA física representa um avanço conceitual distinto na forma como modelos de fundação são projetados.

A chegada do FLUX 3 mostra que os modelos de IA estão se tornando cada vez mais sofisticados em sua compreensão do mundo real. Ao unificar a aprendizagem de imagens, vídeos e áudio, a Black Forest Labs não apenas simplifica a criação de conteúdo multimídia, mas também abre portas para aplicações em IA física e robótica que exigem uma percepção mais rica e contextual. Essa abordagem holística pode levar a sistemas autônomos mais capazes e a experiências criativas mais intuitivas. É um passo significativo na corrida por modelos de IA que não apenas geram, mas realmente 'entendem' a realidade.