A Black Forest Labs lançou nesta quinta-feira o FLUX 3 e o FLUX-mimic, combinando um novo modelo fundacional multimodal com o primeiro modelo da empresa alemã criado para controlar máquinas físicas. É uma guinada acentuada para uma companhia mais conhecida pelos modelos de imagem por trás de grande parte das ferramentas generativas da Europa.
FLUX 3
O principal destaque é vídeo com áudio nativo de até 20 segundos em uma única geração — e não uma passada de vídeo seguida por uma passada separada de trilha sonora. Ele também lida com diálogo multilíngue e keyframe-to-video. Avaliações preliminares de preferência publicadas pelo laboratório o colocam em 77% contra o Runway Gen-4.5 e 93% contra o Luma Ray 3.2. Pesos abertos para uma variante FLUX 3 Dev estão planejados para depois do fim do acesso antecipado.
FLUX-mimic
O modelo de robótica é um sistema de video-action — ele prevê o que deve acontecer em seguida em uma cena e emite as ações para fazer isso acontecer. Ele foi desenvolvido com a Mimic Robotics, empresa de manipulação sediada em Zurique, e está em testes de implantação em produção na Audi. Essa implantação industrial nomeada é o que o diferencia da maioria dos anúncios de IA física.
Por que um laboratório de vídeo faz robôs
A aposta é que um modelo treinado para prever o próximo quadro do mundo físico já aprendeu boa parte do que uma política de robô precisa — permanência de objetos, contato, consequência. Geração de vídeo e controle de robôs acabam sendo o mesmo problema de previsão com diferentes cabeças de saída. É a mesma aposta que Google e Nvidia fazem com world models, mas a partir da direção oposta.
O ângulo europeu
A Black Forest Labs é a entrada não americana mais clara na corrida de IA física, e seu histórico de pesos abertos importa: os modelos de imagem FLUX se tornaram infraestrutura padrão em parte porque os pesos foram disponibilizados. Se o FLUX 3 Dev chegar nos mesmos termos determinará se isso se repetirá para vídeo e controle.