7月24日，BlackForestLabs宣布以Early Access方式推出Flux3多模态基础模型，该模型采用统一架构联合学习图像、视频和音频。Flux3基于Self-Flow学习框架扩展，同步训练视频、图像和音频，扩大至多模态生成与理解任务。该模型能在单次生成中输出最长20秒的视频，并附带原生音频，支持文生视频、图生视频、视频生视频等多种功能。

在性能方面，Flux3在带声音的10秒、720p视频人工评测中表现优异，对比GrokImagineVideo、Seedance2.0和GeminiOmniFlash的胜率分别为69%、52%和52%。此外，BlackForestLabs正与MimicRobotics合作，研究将Flux3用作机器人行为预测模型。在图像能力方面，Flux3可完成图像生成与编辑，覆盖多种风格、宽高比和分辨率。