AREX Feed Article
同日截胡 Seedance 2.5，FLUX 3 把视频模型变成了机器人
TL;DR：8 月 4 日，Black Forest Labs 正式发布 FLUX 3 Video，首款视频生成模型。20 秒 1080p 原生音频、15+ 语言唇形同步、Draft 预览模式，定价 $0.17/秒。同一架构可以预测机器人动作。Audi 已在产线上跑通。开源权重"即将到来"，目前通过 BFL API、Runway、Venice、OpenRouter 等渠道可用。同一天，ByteDance 的 Seedance 2.5 也发布了。
同一天，两家公司掏出了下一代视频模型
美国东部时间 8 月 4 日下午 1 点 29 分，Black Forest Labs 官方账号在 X 上发了一条推文："FLUX 3 Video is here."
四个单词。313 次转发，2367 个赞，34.5 万次曝光。171 条引用推文。848 人点了书签。
几个小时前，ByteDance 的 Seedance 2.5 也发布了：30 秒 4K 单镜头、50 个参考输入、自动剪辑和多机位。两家的官宣推文在同一天内刷屏了 AI 开发者的时间线。
这不是巧合。AI 视频的窗口正在快速收紧。谁先拿出能用的产品，谁就定义接下来半年的创作工具格局。
FLUX 3 Video 的答案是：20 秒 1080p，原生音频，15 种以上的语言，精确唇形同步。Draft 模式让你花 $0.06/秒快速预览，满意后再花 $0.17/秒渲染成品。支持文本生视频、图片生视频、关键帧控制、视频续写和多镜头生成。
但真正让社区炸锅的，不是这些参数。
社区追着要开源权重，BFL 团队回了一句"还有更多"
BFL 官宣推文下最高赞的几条回复，几乎都在问同一件事。
"Flux 3 video 会有 dev 开源模型吗？"用户 @pokka_tech 提问，获 13 赞。
"等开源权重，作为 BFL 粉丝。"用户 @kriGetaa 附了一张 GIF，获 16 赞。
"Define 'Coming soon'，是 Pro 版还是 Dev 版？"用户 @AoE4LV120 追问。
BFL 团队成员 @nousr_（前 Stability AI 研究员）在回复中写道："非常自豪我们团队在这一次发布中做到的事情。每一天我们都在推动让每个人都能创造他们想象中的任何东西。"
Andreas Blattmann，FLUX 3 的项目负责人，在另一条推文中说："这个模型可以做到其他模型做不到的、有创意又有点奇怪的事情。视频只是开始，还有更多在后面。"
但质疑声也不少。拥有 27.6 万粉丝的土耳其开发者 Furkan Gözükara 直言："没用，MiniMax 免费开源，而且本地跑得很好。"另一位用户 @itswelski 则对比了 Seedance 的价格："在这个价位，不如直接走 Seedance。但还是等开源权重。"
社区的核心焦虑很清楚：BFL 的开源信用来自 FLUX.1 Dev 和 FLUX.2 Dev，但那都是图像模型。视频模型的开源权重至今没有日期。
从 Stable Diffusion 旧部到世界模型：BFL 的两年跳级
Black Forest Labs 的故事起点是 2024 年。一群前 Stability AI 研究员在 Robin Rombach 带领下出走，创立了这家公司。
2024 年 8 月，FLUX.1 发布，12B 参数，迅速成为开源图像生成的事实标准。2025 年的 FLUX.2 进一步巩固了位置，FLUX.2 [klein] 9B 和 4B 让消费级硬件也能跑高质量图像生成。
然后，7 月 23 日，BFL 投下了一颗炸弹：FLUX 3，一个统一多模态前沿模型。不是图像模型的升级版，而是一个同时处理图像、视频、音频和动作预测的单一架构。
8 月 4 日，视频能力率先上线。图像生成"在未来几周内"。机器人动作控制，Audi 已经在用了。开源权重 FLUX 3 Dev，只有一句"敬请期待"。
这条路径和 Google DeepMind 的 Gemini Robotics 2 镜像对称。DeepMind 做了一个机器人模型然后给了它世界知识。BFL 做了一个视频模型，然后发现世界知识本来就在里面。
视频占 95% 算力，但真正值钱的是剩下的 5%
BFL 在发布博客中披露了一个工程细节：视频预测消耗了 FLUX 3 超过 95% 的训练算力。音频不到 0.5%。
但 BFL 把音频称为"简单模态"。低维度，与视频强耦合。模型学会视频之后，唇形同步和撞击音几乎是顺带学会的。
这正是整个 FLUX 3 架构的核心论点：不同模态是同一现实的不同投影。如果模型同时学习图像（空间关系）、视频（时间+运动）和音频（事件声学特征），它被迫学到的东西比任何单模态模型都更深。
证据来自人类偏好评测。BFL 内部测试显示：
- 对 Luma Ray 3.2：93% 的评测者选了 FLUX 3
- 对 Runway Gen-4.5：77%
- 对 Grok Imagine Video：69%
- 对 Kling v3 Pro：60%
- 对 Seedance 2.0：52%（五五开）
- 对 Gemini Omni Flash：52%（五五开）
与 Seedance 2.0 和 Gemini Omni Flash 打成平手，对 Runway Gen-4.5 大幅领先。BFL 公开了输的一方：Seedance 2.0 和 Gemini 各有约一半评测者更偏好对手。这种透明度在行业里并不多见。
更惊人的是机器人部分。FLUX 3 的视频路径上挂了一个轻量级动作解码器（FLUX-mimic），在软体装配任务上跑了 20 次自主试验：
- FLUX-mimic：95% 成功率
- 单任务 flow matching：70%
- FLUX-mimic（冻结骨干）：65%
- π0.5 基线：55%
- π0.5（冻结骨干）：0%
冻结 FLUX 3 的全部参数、只训练解码器，还能拿到 65%。冻结 π0.5 直接归零。世界知识不仅存在，而且可读。
Audi 生产实验室的 Christoph Schneider 在 BFL 公告中评价："我们看到这些机器人解决了复杂的软体操控任务，这些任务用传统自动化根本不可能完成。"
20 秒 vs 30 秒：AI 视频的正面战场才刚开始
8 月 4 日这天，AI 视频赛道出现了罕见的同日对撞。
Seedance 2.5：30 秒单镜头、4K、最多 50 个参考输入、自动剪辑、音频。FLUX 3 Video：20 秒、1080p（2K/4K 承诺中）、原生音频、Draft 模式、机器人动作。
技术路线不同。Seedance 走的是"更长、更高清、更多参考"的创作者工具路线。FLUX 3 走的是"一个模型搞定所有模态"的平台路线。
分发策略也不同。Seedance 2.5 通过 ByteDance 自己的 Jimeng AI 和 Doubao Pro 分发，配以 Higgsfield.ai 等第三方。FLUX 3 第一天就铺到了 Runway、Venice、OpenRouter、Runware、LetzAI、fal.ai 六家平台。
价格方面，FLUX 3 的 $0.17/秒（720p）对应 Seedance 2.5 在第三方平台约 $0.23/秒（720p 带音频）。BFL 的 Draft 模式把预览成本压到 $0.06/秒，这是差异化打法：创作者不必为每一个失败的想法支付成品价格。
但 Seedance 2.5 的 30 秒原生时长和 50 个参考输入是目前所有模型中最激进的。FLUX 3 的 20 秒虽然够做一段完整的社交媒体剪辑或产品展示，但在需要长镜头的叙事场景中还差一截。
更关键的是开源战线。MiniMax H3 已经以免费开源的形式出现，评论区不断有人拿它来对比 FLUX 3。BFL 如果不尽快兑现开源权重承诺，AI 视频的"开源默认选项"可能就被别人占住了。
拥有 36.6 万粉丝的 MTS 日報在每日行情总结中写道："新一代视频模型已经接近'我会看完一部纯 AI 生成的电视剧'的水平。"
FLUX 3 不只是一个视频模型
FLUX 3 今天看起来是一个视频生成工具。但 BFL 赌的是更大的事：视频模型就是世界模型——能看、能听、能预测下一秒会发生什么，然后把这些预测转成机器人指令。
那个在 Audi 产线上装密封条的机械臂，和那 20 秒里一个角色说话时嘴唇的每一次开合，跑的是同一个架构。
这场赌博的赌注不在 8 月 4 日的产品发布里。它在"开源权重，敬请期待"那六个字后面。
Sources: Black Forest Labs official blog (Aug 4, 2026), BFL X/Twitter announcement thread (@bfl_ai), eesel.ai analysis, kingy.ai report, OpenRouter pricing page, MTS daily recap (@MTSlive), community replies on X, Instagram Seedance 2.5 coverage.