01
Ein multimodales Basismodell
FLUX 3 lernt Bilder, Videos und Audio gemeinsam in einer Architektur. Das Modell kann Text- und visuelle Referenzen kombinieren, anstatt jedes Medium als separates System zu behandeln.
- Bilder, Videos und Audio in einer gemeinsamen Architektur lernen
- Sprache mit Bild- und Videoreferenzen kombinieren
- Varianten für Generierung, Verständnis und aktionsorientierte Aufgaben unterstützen














