Black Forest Labs تطلق FLUX 3: فيديو يصل إلى 20 ثانية مع الصوت من نموذج واحد

أطلقت Black Forest Labs في 26 يوليو 2026 نموذج FLUX 3، وهو نموذج flow متعدد الوسائط ينتج من مجموعة أوزان واحدة صورًا ومقاطع فيديو تصل إلى 20 ثانية مع صوت أصلي (native)، إضافة إلى الصوت المستقل، ويتنبأ بأفعال الروبوت. وهذا أول نموذج في عائلة FLUX يخرج فيه الفيديو والصوت والتنبؤ بالأفعال من بنية مشتركة واحدة.

ما الذي يستطيع FLUX 3 Video فعله

ينشئ FLUX 3 Video مقاطع يصل طولها إلى 20 ثانية في عملية توليد واحدة، ومعها الصوت مباشرة. ووفقًا لـ Black Forest Labs، يدعم النموذج خمسة أنماط: text-to-video، وimage-to-video، وvideo-to-video وفق مرجع، وkeyframe-to-video للانتقالات الخاضعة للتحكم، ومتابعة الفيديو والصوت انطلاقًا من مقطع مُدخَل.

وتشير الشركة بشكل خاص إلى الحوارات متعددة اللغات، وتجميع عدة مقاطع في تسلسل واحد متعدد المشاهد، وتوليد الطباعة المتحركة. ويؤكد فريق BFL أن النموذج يتقن بدرجة عالية تعابير وجه الإنسان، ويربط الصوت بدقة بالأحداث الفيزيائية، فصوت الضربة داخل الكادر يتطابق مع الضربة نفسها.

• الإطلاق في 26 يوليو 2026
• فيديو يصل إلى 20 ثانية مع صوت أصلي في عملية توليد واحدة
• خمسة أنماط: text/image/video/keyframe-to-video ومتابعة الفيديو والصوت
• FLUX-mimic: سياسة (policy) الروبوت تعمل بزمن أقل من 80 مللي ثانية على بطاقة RTX 5090 واحدة
• الإتاحة على مراحل: Video وAction في الوصول المبكر، وImage لاحقًا، والأوزان المفتوحة في النهاية

كيف بُني النموذج

يعتمد FLUX 3 على طريقة Self-Flow، وهي منهج من Black Forest Labs يجمع بين flow matching وإعادة بناء الخصائص ذاتية الإشراف ضمن بنية واحدة. وكانت الشركة قد قدّمت Self-Flow نفسه في مارس 2026؛ أما الجديد هنا فهو الحجم: فبحسب BFL، «زِيدت بشكل كبير» القدرة الحسابية وحجم البيانات، إذ جرى تدريب النموذج على الفيديو والصور والصوت في وقت واحد.

وتوزيع الموارد غير متساوٍ: وفق Black Forest Labs، يذهب أكثر من 95% من compute التدريب إلى التنبؤ بالفيديو، بينما يشكّل الصوت أقل من 0,5% من التوكنات. والفكرة أن الوسائط تقيّد بعضها بعضًا أثناء التدريب.

«لا توجد وسيط منفرد يعطي وصفًا كاملًا للعالم»، هكذا يصوغ فريق الأبحاث في

Black Forest Labs مبدأه.

إلى أي مدى يتفوق FLUX 3 على المنافسين

في اختبار أولي للتفضيلات البشرية، تفوّق FLUX 3 على معظم منافسيه. وقارن الاختبار مقاطع text-to-video مدتها 10 ثوانٍ بدقة 720p مع الصوت.

• Luma Ray 3.2 — فضّل المقيّمون FLUX 3 في 93% من المقارنات
• Runway Gen-4.5 — في 77%
• Grok Imagine Video — حتى 69%، وKling v3 Pro — 60%
• Seedance 2.0 وGemini Omni Flash — 52%، أي ما يشبه رمي العملة تقريبًا

ويتحكم الـ backbone نفسه في FLUX-mimic، وهي سياسة (policy) للروبوت تعمل، بحسب BFL، بزمن أقل من 80 مللي ثانية على بطاقة رسوميات RTX 5090 واحدة. ويدل ذلك على أن النموذج متعدد الوسائط لا يقتصر على توليد الوسائط، بل يصلح أيضًا للتحكم في الأفعال الفيزيائية.

ماذا يعني ذلك

يمثّل FLUX 3 طرحًا لنموذج أساسي (foundation model) موحّد، تنبثق فيه عملية توليد الصور والفيديو مع الصوت والتحكم في الروبوت من أوزان مشتركة. والوصول إليه محدود في الوقت الحالي: فـ Video وAction متاحان في الوصول المبكر، وسيصدر Image لاحقًا، وتعد Black Forest Labs بنشر الأوزان المفتوحة في المرحلة الأخيرة.

الأسئلة الشائعة

ما هو FLUX 3؟

FLUX 3 هو نموذج flow متعدد الوسائط من Black Forest Labs، جرى تدريبه في آن واحد على الصور والفيديو والصوت. وينتج من مجموعة أوزان واحدة صورًا ومقاطع فيديو تصل إلى 20 ثانية مع صوت أصلي (native)، ويتنبأ بأفعال الروبوت.

متى ستُنشر الأوزان المفتوحة لـ FLUX 3؟

لا يوجد موعد محدد. فالإتاحة تجري على مراحل: أولًا Video وAction في الوصول المبكر، ثم Image، أما الأوزان المفتوحة فتخطط Black Forest Labs لنشرها في النهاية.

على ماذا يعمل الروبوت المبني على FLUX 3؟

يعمل على FLUX-mimic، وهي سياسة (policy) للروبوت مبنية على الـ backbone نفسه. ووفقًا لـ Black Forest Labs، تستجيب بزمن أقل من 80 مللي ثانية على بطاقة NVIDIA RTX 5090 واحدة.