01
Én multimodal fundamentmodel
FLUX 3 lærer billede, video og lyd samlet i én arkitektur. Den kan blande tekst og visuelle referencer i stedet for at behandle hvert medie som et separat system.
- Lær billede, video og lyd i én fælles arkitektur
- Kombinér sprog med reference til billeder og video
- Understøtter varianter med fokus på generering, forståelse og handling














