FLUX 3: Video, ses, görsel üretimi ve robot kontrolünü tek modelde buluşturan yapay zekâ

FLUX 3 hangi özellikleri sunuyor?

Video üretimi

FLUX 3, tek bir üretim sürecinde yerel ve senkronize ses içeren 20 saniyeye kadar videolar oluşturabiliyor . Desteklenen iş akışları arasında şunlar yer alıyor:

• Metinden videoya
• Görselden videoya
• Videodan videoya
• Anahtar kareden videoya
• Birden fazla klibi zincirleyerek yeni sahneler oluşturma

Modelin çıktı özellikleri arasında 1080p çözünürlük, saniyede 24 kare, birden fazla çekimde tutarlılık ve kamera kontrolü bulunuyor .

Videoyla birlikte ses üretimi

Ses, videodan ayrı bir son işlem olarak eklenmek yerine görüntüyle birlikte yerel olarak üretilebiliyor. FLUX 3; çok dilli diyaloglar, müzik ve ses efektleri oluşturabiliyor. Ses olaylarının görsel olaylarla nedensel biçimde ilişkilendirilmesi, örneğin ekranda görülen bir hareketin uygun bir ses efektiyle eşleştirilmesini hedefliyor . Çıktı 48 kHz stereo ses formatını destekliyor .

Görsel üretimi ve düzenleme

FLUX 3, farklı stillerde, en-boy oranlarında ve çözünürlüklerde görsel oluşturma ve düzenleme için tasarlanıyor. BFL; modelin yazı yerleştirme, karmaşık komutları yorumlama ve ayrıntılı görsel kontrol alanlarında iyileştirildiğini belirtiyor .

Ancak görsel üretimi, modelin duyurulduğu gün kullanıma açılmış değildi. BFL, görsel üretimi için erken erişimin lansmandan sonraki “önümüzdeki haftalarda” sunulacağını açıkladı .

Robotik eylem tahmini

FLUX 3’ün dünya modeli anlayışı, robotların hangi fiziksel eylemi gerçekleştirmesi gerektiğini tahmin etmek için kullanılabiliyor. Bu özellik doğrudan model üzerinden veya ince ayar yapılmış bir eylem çözücüsü aracılığıyla uygulanabiliyor . Böylece aynı temel model, bir yandan yaratıcı içerik üretirken diğer yandan fiziksel robotların kontrolünde kullanılabilecek ortak bir altyapıya dönüşüyor .

Self-Flow tabanlı ortak mimari

Model, BFL’nin çok modlu üretim ile temsil öğrenimini aynı çatı altında hizalamayı amaçlayan Self-Flow yaklaşımı üzerine kuruluyor . Şirketin paylaştığı teknik açıklamaya göre eylem tahmininin eklenmesi, eğitim sırasında video kalitesini geçici olarak yüzde 10’a kadar düşürebiliyor. Yaklaşık 3.500 eğitim adımının ardından modelin video kalitesini yeniden tam seviyeye getirdiği ve eylem tahmini yeteneğini koruduğu belirtiliyor .

FLUX-mimic: Audi’de gerçek üretim görevleri

Black Forest Labs, İsviçre merkezli mimic robotics ile birlikte FLUX 3’ün temelini kullanan FLUX-mimic adlı bir video-eylem modeli geliştirdi . Sistem, FLUX 3’ün video tahmin yolundaki ara özellikler üzerinden hafif bir eylem çözücüsü eğitiyor. Bu çözücü, modelin öğrendiği dünya temsilinden fiziksel robot hareketlerini çıkarıyor .

BFL’ye göre FLUX-mimic, Audi’de gerçek üretim görevlerinde test edildi ve kullanıma alındı . Ortakların açıklamasında, Audi’nin bu robotları geleneksel programlamayla “imkânsız” kabul edilecek karmaşık, yumuşak nesne manipülasyonu işlerinde kullandığı ifade ediliyor .

mimic robotics, sistemin yeni görevleri öğrenmek için mevcut yaklaşımlara kıyasla daha az gösterim verisine ihtiyaç duyduğunu belirtiyor . Ortaklık; BFL’nin görsel temel modellerdeki uzmanlığını, mimic robotics’in robot öğrenimi, hassas manipülasyon ve üretim ortamına geçiş deneyimiyle bir araya getiriyor .

Performans konusunda ne biliyoruz?

FLUX 3 hakkında topluluk forumlarında zaman zaman iki rakam öne çıkıyor: tek bir RTX 5090 GPU üzerinde 80 milisaniyenin altında çıkarım süresi ve 101 milisaniyelik toplam sistem tepki süresi. Ancak bu değerler, BFL’nin, Bloomberg’in veya lansman gününe ait resmî basın açıklamalarının erişilebilir içeriklerinde yer almıyor .

Bu nedenle söz konusu rakamlar şu aşamada doğrulanmış bir FLUX 3 performans ölçümü olarak kabul edilemez. Henüz yayımlanmamış bir teknik rapordan, üçüncü taraf analizinden veya daha sonraki testlerden kaynaklanıyor olabilir; mevcut kaynak seti bu iddiaları doğrulamaya yetmiyor .

BFL, FLUX 3’ü robotik kontrol için gerçek zamana yakın çalışabilecek bir sistem olarak konumlandırıyor. Buna karşın tüketici ekran kartlarında kullanılacak resmî bir gecikme veya tepki süresi standardı henüz açıklanmış değil.

Karşılaştırma açısından, önceki FLUX.1 modelinde RTX 5090 ile 1024×1024 çözünürlüklü bir görselin optimizasyona bağlı olarak yaklaşık 5–12 saniyede üretildiği; FLUX.2-dev için topluluk testlerinde de görsel başına saniyelerle ölçülen süreler raporlandığı görülüyor . FLUX 3’ün video üretimi ve robotik eylem tahmini farklı iş yükleri olduğundan bu sonuçlar doğrudan kıyaslanamaz. Yine de eylem çıkarımı için öne sürülen 100 milisaniyenin altındaki süreler, BFL tarafından henüz doğrulanmış değil.

Doğrulananlar ve henüz açıklanmayanlar

Doğrulanan yetenekler

• Metin, görsel veya referans videodan yerel ses içeren 20 saniyeye kadar video üretimi
• Çok dilli diyalogların ve ses efektlerinin görsel olaylarla senkronize edilmesi
• Robotik eylemlerin tahmin edilmesi ve hassas manipülasyon görevlerine uyarlanabilme
• Robotik kontrol uygulamalarında tek bir tüketici GPU’su üzerinde çalışabilme iddiası

Resmî kaynaklarda bulunmayan bilgiler

• RTX 5090 üzerinde çıkarım süresi gibi belirli gecikme ölçümleri
• Modelin tüm mimari ayrıntılarını ve parametre sayısını içeren kapsamlı bir teknik rapor
• Lansman anında kullanılabilir bir görsel üretim sürümü; erken erişimin sonraki haftalarda açılması planlandı
• “FLUX 3 Dev” adıyla planlanan açık ağırlık sürümünün kesin çıkış tarihi

Erken erişim durumu

• FLUX 3 Video ve ses: 23 Temmuz 2026 itibarıyla BFL’nin modeller sayfası ve bekleme listesi üzerinden sınırlı erken erişime açıldı .
• FLUX 3 Image: Lansmandan sonraki haftalarda erken erişime açılması planlandı .
• Eylem tahmini ve FLUX-mimic: Başta mimic robotics olmak üzere seçili araştırma ve ticari ortaklar üzerinden sunuluyor .
• Açık ağırlık sürümü “FLUX 3 Dev”: İçerik üretimi ve eylem tahminini destekleyen çok modlu bir temel olarak daha sonraki bir tarihte yayımlanması planlanıyor; kesin tarih açıklanmadı .

Erken erişim talebi, BFL’nin bfl.ai/models/flux-3 adresindeki form üzerinden iletilebiliyor .