01
Um único modelo de base multimodal
O FLUX 3 aprende imagem, vídeo e áudio em conjunto, numa só arquitetura. Consegue combinar texto e referências visuais, em vez de tratar cada meio como um sistema separado.
- Aprende imagem, vídeo e áudio numa arquitetura partilhada
- Combina linguagem com referências de imagem e de vídeo
- Suporta variantes de geração, de compreensão e orientadas para a ação














