FLUX 3: 블랙 포레스트 랩스, 멀티모달 AI 모델 공개 — 영상·오디오·이미지 생성은 물론 로봇 행동 예측까지

핵심 기능

영상(Video) 생성 — FLUX 3는 텍스트, 이미지, 참조 영상, 키프레임 등을 입력받아 최대 20초 길이의 영상을 생성하며, 네이티브 오디오가 영상과 동기화되어 한 번에 출력된다. 텍스트→영상, 이미지→영상, 영상→영상, 키프레임→영상 등 다양한 워크플로우를 지원하고, 여러 클립을 이어 붙이는 에이전틱 체이닝(agentic chaining)도 가능하다. 출력 해상도는 **1080p(24fps)**이며, 멀티샷 일관성과 카메라 컨트롤을 지원한다.

오디오(Audio) 생성 — 영상 생성과 동시에 48kHz 스테레오 사운드가 함께 생성된다. 여기에는 다국어 대화와 시각적 이벤트에 정확히 맞춰진 음향 효과가 포함된다.

이미지(Image) 생성 및 편집 — 다양한 스타일, 화면비, 해상도에 걸쳐 이미지를 합성하고 편집할 수 있으며, 텍스트 렌더링 정확도와 복잡한 프롬프트 처리 능력이 향상됐다. 이미지 생성 기능은 출시 시점에는 얼리 액세스가 열리지 않았으며, '수주 내' 순차적으로 제공될 예정이다.

행동 예측(Action Prediction) — FLUX 3의 세계 이해 능력은 로봇 행동 예측으로 확장된다. 네이티브 추론 또는 파인튜닝된 행동 디코더를 통해 물리적 환경에서의 다음 동작을 예측한다. 이로 인해 FLUX 3는 창작 콘텐츠 생성과 물리적 로봇 제어를 모두 처리하는 공유 백본(shared backbone) 역할을 하게 된다.

통합 아키텍처 — BFL의 Self-Flow 접근법을 기반으로 구축되어, 멀티모달 생성과 표현 학습을 단일 프레임워크 안에서 정렬한다. 흥미로운 점은 행동 예측 기능을 추가하면 초기에 영상 품질이 최대 10%까지 일시적으로 저하되지만, 약 3,500회의 학습 스텝을 거치면 행동 예측 능력을 유지한 채 원래 품질을 완전히 회복한다는 점이다.

FLUX-mimic: 아우디 현장에 투입된 실제 사례

BFL은 스위스 스타트업 mimic robotics와 협력해 FLUX 3 백본 위에 구축된 비디오-액션 모델인 FLUX-mimic을 개발했다. 이 시스템은 FLUX 3의 영상 예측 경로 중간 특징(intermediate features)을 활용해 경량 행동 디코더를 훈련시키며, 모델이 학습한 세계 표현으로부터 물리적 행동을 디코딩한다.

FLUX-mimic은 실제 제조 현장에서 검증을 마쳤다. 아우디(Audi) 공장의 실제 생산 작업에 투입되어 테스트 및 배포가 완료됐다. 협력사에 따르면, 아우디는 이 로봇으로 '기존 프로그래밍 방식으로는 도저히 불가능했던 복잡한 유연체(soft body) 조작 작업'을 해결했다. 또한 기존 접근법 대신 더 적은 데모 데이터만으로 새로운 작업을 학습하는 데 성공했다. 이 파트너십은 BFL의 시각 기반 모델 전문성과 mimic의 로봇 학습·정밀 조작·생산 현장 배포 역량을 결합한 결과다.

성능 벤치마크: 공식 확인된 정보와 그렇지 않은 정보

일부 커뮤니티 포럼에서 회자되는 'RTX 5090 단일 GPU에서 80ms 미만 추론' 또는 '101ms 시스템 반응 시간' 과 같은 구체적인 지연 시간 수치는 현재 공식적으로 확인된 바가 없다. 이 수치들은 BFL의 공식 블로그, 보도자료, 또는 Bloomberg 등 주요 언론의 출시일(2026년 7월 23일) 보도에는 등장하지 않는다.

중요한 주의사항: 해당 수치는 추후 공개될 기술 보고서나 제3자 분석에서 나올 가능성이 있으나, 현 시점에서 검증하거나 인용할 충분한 근거가 없다. FLUX 3 시스템 자체는 실시간에 가까운 로봇 제어를 염두에 두고 설계되었지만, 일반 소비자용 GPU에서의 구체적인 지연 시간 사양은 아직 공식 발표되지 않았다.

참고로 이전 모델인 FLUX.1의 경우, RTX 5090에서 1024×1024 이미지를 생성하는 데 약 5~12초(최적화에 따라 다름)가 소요되며, FLUX.2-dev에서도 이미지당 수 초 대의 시간을 기록한다. FLUX 3의 영상 및 행동 예측 워크로드는 이와 성격이 완전히 다르지만, 행동 추론에 대해 주장되는 100ms 미만의 지연 시간은 아직 BFL로부터 공식 확인되지 않았다.

FLUX 3가 할 수 있는 것과 할 수 없는 것

공식 확인된 기능

• 텍스트, 이미지, 참조 영상을 바탕으로 최대 20초 영상 + 네이티브 오디오 생성
• 시각적 이벤트에 동기화된 다국어 대화 및 음향 효과 생성
• 로봇 행동 예측 및 정밀 조작 작업 제어
• 로봇 제어 애플리케이션을 단일 소비자 GPU에서 실행 가능

공식 출처에 없는 정보

• RTX 5090 기반 특정 지연 시간 벤치마크(예: 추론 시간)는 BFL이 발표한 바 없음
• 전체 아키텍처 세부 사항이나 파라미터 수를 담은 기술 보고서는 아직 미공개
• 이미지 생성 기능은 출시 시점에 제공되지 않았으며, '수주 내' 얼리 액세스 예정
• 오픈 웨이트(FLUX 3 Dev) 는 추후 공개 계획이나 구체적인 일정은 미정

얼리 액세스 현황

• FLUX 3 Video(오디오 포함) — 2026년 7월 23일 기준 즉시 얼리 액세스 신청 가능. BFL 모델 페이지와 대기자 명단을 통해 접수.
• FLUX 3 Image — '수주 내' 얼리 액세스 제공 예정.
• 행동 예측(FLUX-mimic) — 연구 및 상업 파트너를 통해 제한적으로 제공되며, 최초 파트너는 mimic robotics.
• 오픈 웨이트('FLUX 3 Dev') — 추후 공개 예정. 콘텐츠 생성과 행동 예측을 모두 위한 멀티모달 백본 제공 계획.
• 접수 링크: bfl.ai/models/flux-3