FLUX 3 là mô hình AI đa phương thức do Black Forest Labs công bố ngày 23/7/2026. Điểm đặc biệt của FLUX 3 là dùng chung một bộ trọng số để tạo cả ảnh, video và âm thanh trong một kiến trúc thống nhất, thay vì cần nhiều mô hình riêng lẻ như trước.
Tóm tắt nhanh:
FLUX 3 là mô hình AI đa phương thức (multimodal) do Black Forest Labs — công ty đứng sau dòng mô hình tạo ảnh FLUX — công bố ngày 23/7/2026. Khác với các thế hệ trước vốn tập trung vào tạo ảnh, FLUX 3 học đồng thời từ ảnh, video và âm thanh trong một kiến trúc thống nhất, hướng tới việc một mô hình duy nhất có thể xử lý nhiều loại nội dung.
Điểm nổi bật nhất của FLUX 3 là khả năng tạo video kèm âm thanh ‘native’ từ một câu lệnh văn bản. ‘Native’ ở đây nghĩa là âm thanh được sinh ra như một phần của quá trình tạo video, thay vì ghép thêm bằng một mô hình âm thanh riêng sau đó.
Vì âm thanh và hình ảnh được tạo cùng lúc trong một lần xử lý, hãng cho biết kết quả có độ khớp nhân quả tốt hơn: tiếng của vật va chạm khớp đúng khung hình va chạm, lời thoại khớp khẩu hình, và tiếng nền phù hợp với bối cảnh trong cảnh quay.
Black Forest Labs cho biết mỗi lần tạo có thể chạy tới 20 giây. Cần lưu ý đây là con số do hãng công bố và tại thời điểm ra mắt vẫn cần được kiểm chứng thêm trong điều kiện sử dụng thực tế.
Black Forest Labs huấn luyện một bộ trọng số duy nhất đồng thời trên ảnh, video và âm thanh, rồi mở rộng chính kiến trúc đó để dự đoán hành động cho robot. Một mô hình robotics dựa trên kiến trúc FLUX 3, tên FLUX-mimic, được cho biết đang chạy trên dây chuyền sản xuất của Audi.
FLUX 3 ra mắt ở dạng giới hạn ban đầu. Theo Black Forest Labs, bản FLUX 3 Image sẽ ra trong vài tuần tới; công ty dự kiến cung cấp API, trọng số mô hình riêng (private weights) và một bản mở FLUX 3 Dev vào cuối năm 2026 — điểm đáng chú ý với cộng đồng muốn tự triển khai (self-host).
Hướng đi “một mô hình cho nhiều loại nội dung” của FLUX 3 phản ánh xu thế lớn của AI năm 2026: thay vì ghép nhiều công cụ riêng lẻ (một mô hình tạo ảnh, một mô hình tạo video, một mô hình tạo tiếng), các hãng đang tiến tới mô hình đa phương thức hợp nhất. Cách tiếp cận này không chỉ đơn giản hóa quy trình mà còn cải thiện độ khớp giữa các thành phần — điều rất khó đạt khi ghép nối các mô hình rời rạc.
Việc cùng một kiến trúc có thể mở rộng sang dự đoán hành động robot cũng cho thấy ranh giới giữa “AI tạo nội dung số” và “AI điều khiển thế giới vật lý” đang mờ dần. Với doanh nghiệp, đây là tín hiệu để bắt đầu làm quen với lớp công cụ sáng tạo bằng AI thế hệ mới, đồng thời chuẩn bị quy trình kiểm duyệt và định vị thương hiệu phù hợp trước khi ứng dụng ở quy mô lớn.
Với đội ngũ marketing và sáng tạo nội dung, một mô hình tạo được cả video lẫn âm thanh khớp nhau trong một lần xử lý có thể rút ngắn đáng kể quy trình sản xuất video ngắn cho quảng cáo, mạng xã hội hay demo sản phẩm. Tuy nhiên, ở giai đoạn ra mắt giới hạn, doanh nghiệp nên xem FLUX 3 như một hướng đi đáng theo dõi và thử nghiệm, đồng thời vẫn cần khâu biên tập, kiểm duyệt nội dung và lưu ý về bản quyền, hình ảnh thương hiệu trước khi đưa vào sử dụng chính thức.
FLUX 3 được Black Forest Labs công bố ngày 23/7/2026, ở dạng ra mắt giới hạn ban đầu.
Các mô hình FLUX trước tập trung vào tạo ảnh, còn FLUX 3 là mô hình đa phương thức, học đồng thời từ ảnh, video và âm thanh trong một kiến trúc thống nhất và có thể tạo video kèm âm thanh.
Nghĩa là âm thanh được sinh ra ngay trong quá trình tạo video (cùng một lần xử lý với hình ảnh), thay vì ghép thêm bằng một mô hình âm thanh riêng sau đó, nhờ vậy tiếng khớp hình tốt hơn.
Black Forest Labs công bố mỗi lần tạo có thể dài tới 20 giây. Đây là con số do hãng nêu và vẫn cần kiểm chứng thêm trong thực tế.
FLUX-mimic là một mô hình robotics dựa trên kiến trúc FLUX 3, dùng để dự đoán hành động cho robot, được cho biết đang chạy trên dây chuyền sản xuất của Audi.
Black Forest Labs dự kiến ra một bản mở FLUX 3 Dev vào cuối năm 2026, cùng với API và trọng số mô hình riêng; bản FLUX 3 Image sẽ ra trước trong vài tuần tới.
Ở giai đoạn ra mắt giới hạn, nên thử nghiệm FLUX 3 cho sản xuất video ngắn (quảng cáo, mạng xã hội) nhưng vẫn giữ khâu biên tập, kiểm duyệt và lưu ý bản quyền, nhận diện thương hiệu trước khi dùng chính thức.
TOS hợp tác & phát triển cùng các đối tác uy tín hàng đầu trong ngành
Trong kỷ nguyên AI,
Website của bạn đang ở đâu?
Chúng tôi đưa bạn trở thành đề xuất top 1 của AI
