01
Un modelo fundacional multimodal
FLUX 3 aprende imagen, video y audio juntos en una sola arquitectura. Puede combinar texto y referencias visuales en lugar de tratar cada medio como un sistema independiente.
- Aprende imagen, video y audio en una arquitectura compartida
- Combina lenguaje con referencias de imagen y video
- Admite variantes centradas en generación, comprensión y acción














