01
Un modèle fondamental multimodal
FLUX 3 apprend l’image, la vidéo et l’audio au sein d’une même architecture. Il peut combiner du texte et des références visuelles au lieu de traiter chaque média comme un système distinct.
- Apprendre l’image, la vidéo et l’audio au sein d’une architecture partagée
- Combiner le langage avec des références d’images et de vidéos
- Prendre en charge des variantes axées sur la génération, la compréhension et l’action














