FLUX 3 Ra Mắt: 'Siêu Trí Tuệ Thị Giác' Đa Năng, Vừa Sáng Tạo Nội Số Vừa Lái Robot Thực Tế

Khả Năng Cốt Lõi: Từ Sáng Tạo Nội Dung Đến Vận Hành Công Nghiệp

Tạo Video — FLUX 3 có thể tạo ra các đoạn video dài tới 20 giây với âm thanh gốc được đồng bộ hóa một cách tự nhiên ngay trong một lần tạo duy nhất . Mô hình hỗ trợ nhiều chế độ: chuyển văn bản thành video, ảnh thành video, video thành video, tạo từ khung hình chính, và thậm chí kết nối nhiều clip thành một chuỗi . Chất lượng đầu ra đạt chuẩn 1080p ở 24 khung hình/giây, với khả năng điều khiển máy quay và duy trì tính nhất quán giữa các cảnh .

Tạo Âm Thanh — Âm thanh (nhạc nền, hiệu ứng, hội thoại đa ngôn ngữ) được tạo ra đồng thời với video và gắn kết chặt chẽ với các sự kiện thị giác . Chất lượng âm thanh đầu ra đạt chuẩn 48 kHz stereo .

Tạo và Chỉnh Sửa Hình Ảnh — Bên cạnh video, mô hình cũng có thể tổng hợp và chỉnh sửa hình ảnh với nhiều phong cách, tỷ lệ khung hình và độ phân giải khác nhau, cải thiện khả năng hiển thị văn bản và xử lý các lệnh phức tạp . Tính năng này được lên kế hoạch truy cập sớm trong "vài tuần" sau ngày ra mắt .

Dự Đoán Hành Động (Action Prediction) — Đây là điểm nhấn quan trọng nhất. FLUX 3 có thể mở rộng khả năng hiểu biết về thế giới của mình để dự đoán các hành động robot, hoạt động như một "bộ não" chung cho cả sáng tạo nội dung lẫn điều khiển robot thực tế . Một hiệu ứng thú vị là việc thêm khả năng dự đoán hành động ban đầu có thể làm giảm chất lượng video tới 10%, nhưng sau khoảng 3.500 bước huấn luyện, mô hình sẽ khôi phục hoàn toàn chất lượng mà vẫn giữ được khả năng điều khiển robot .

Kiến Trúc Thống Nhất — FLUX 3 được xây dựng dựa trên phương pháp Self-Flow, một cách tiếp cận căn chỉnh việc tạo sinh đa phương thức (generation) và học biểu diễn (representation learning) trong cùng một khung .

FLUX-mimic: Robot Thông Minh Đã Làm Việc Tại Audi

BFL đã hợp tác với startup Thụy Sĩ mimic robotics để phát triển FLUX-mimic – một mô hình video-hành động được xây dựng trên nền tảng FLUX 3 . Hệ thống này huấn luyện một bộ giải mã hành động nhẹ (lightweight action decoder) dựa trên các đặc trưng trung gian từ đường dẫn dự đoán video của FLUX 3, từ đó "giải mã" các hành động vật lý từ biểu diễn thế giới mà mô hình đã học được .

Điều đáng chú ý là FLUX-mimic đã được kiểm tra và triển khai thành công trên các dây chuyền sản xuất thực tế tại Audi . Theo các đối tác, những robot này đã giải quyết các công việc thao tác với vật liệu mềm phức tạp mà việc lập trình truyền thống được cho là "bất khả thi" . Một lợi thế lớn khác là hệ thống này giảm đáng kể lượng dữ liệu mẫu (demonstration data) cần thiết để robot học các nhiệm vụ mới so với các phương pháp hiện tại .

Hiệu Năng & Những Điều Chưa Được Xác Nhận

Trên các diễn đàn cộng đồng, có thông tin lan truyền về hiệu năng ấn tượng của FLUX 3 như thời gian suy luận dưới 80 micro giây (ms) trên một GPU RTX 5090 và thời gian phản hồi hệ thống là 101ms. Tuy nhiên, cần nhấn mạnh: những con số này không xuất hiện trong bất kỳ nguồn tin chính thức nào từ BFL, Bloomberg hay các thông cáo báo chí vào ngày ra mắt (23/7/2026) .

• Cảnh báo quan trọng: Các số liệu này có thể đến từ một báo cáo kỹ thuật chưa được công bố hoặc phân tích của bên thứ ba, nhưng hiện tại không có đủ bằng chứng để xác thực hoặc trích dẫn chúng .
• Để so sánh, trên mô hình tiền nhiệm FLUX.1, một chiếc RTX 5090 cần khoảng 5–12 giây để tạo ra một ảnh 1024×1024. Đối với FLUX 3, khối lượng công việc tạo video và dự đoán hành động sẽ khác biệt đáng kể, và BFL vẫn chưa xác nhận con số độ trễ dưới 100ms cho suy luận hành động.

Những Gì FLUX 3 Có Thể Và Không Thể Làm

Khả năng đã được xác nhận

• Tạo video dài tới 20 giây với âm thanh gốc từ văn bản, hình ảnh hoặc video tham chiếu
• Đồng bộ hóa hội thoại đa ngôn ngữ và hiệu ứng âm thanh với các sự kiện hình ảnh
• Dự đoán hành động robot và điều khiển các thao tác khéo léo
• Có thể chạy trên một GPU tiêu dùng duy nhất cho các ứng dụng điều khiển robot

Những gì chưa có trong nguồn tin chính thức

• Chưa có điểm chuẩn độ trễ cụ thể nào được BFL công bố
• Chưa có báo cáo kỹ thuật nào với kiến trúc chi tiết hoặc số lượng tham số
• Tính năng tạo ảnh chưa có sẵn khi ra mắt
• Bản phát hành mã nguồn mở ("FLUX 3 Dev") đã được lên kế hoạch nhưng chưa có ngày cụ thể

Cách Tiếp Cận FLUX 3

• FLUX 3 Video (kèm âm thanh): Có sẵn trong chương trình truy cập sớm từ ngày 23/7/2026 qua trang mô hình của BFL và danh sách chờ .
• FLUX 3 Image: Truy cập sớm sẽ được mở trong "vài tuần" tới .
• Dự đoán hành động (FLUX-mimic): Dành cho các đối tác nghiên cứu và thương mại được chọn, bắt đầu với mimic robotics .
• Bản phát hành mã nguồn mở ("FLUX 3 Dev"): Dự kiến ra mắt sau, cung cấp nền tảng đa phương thức cho cả sáng tạo nội dung và dự đoán hành động .
• Có thể đăng ký truy cập tại bfl.ai/models/flux-3 .