01
Én multimodal grunnmodell
FLUX 3 lærer bilde, video og lyd samlet i én arkitektur. Modellen kan kombinere tekst og visuelle referanser i stedet for å behandle hvert medium som et eget system.
- Lærer bilde, video og lyd i én felles arkitektur
- Kombiner språk med bilde- og videoreferanser
- Støtter varianter for generering, forståelse og handling














