01
Un modello di fondazione multimodale
FLUX 3 apprende immagini, video e audio insieme in un'unica architettura. Può mescolare riferimenti testuali e visivi invece di trattare ciascun mezzo come un sistema separato.
- Impara immagini, video e audio in un'unica architettura condivisa
- Combina il linguaggio con riferimenti a immagini e video
- Supporta la generazione, la comprensione e le varianti incentrate sull'azione














