Black Forest Labs (BFL) hat veröffentlicht FLUX 3ein multimodales Basismodell, das aus Bildern, Movies und Audio innerhalb einer einzigen Architektur lernt. Es ist außerdem das erste FLUX-Modell, das Video-, Audio- und Aktionsvorhersagen aus einem einzigen Gewichtungssatz liefert.

Das Forschungsteam der Black Forest Labs (BFL) argumentiert, dass keine einzelne Modalität eine vollständige Beschreibung der Welt liefert. Bilder erfassen räumliche Strukturen in einem Second. Video stellt die Zeit wieder her und macht physikalische Dynamiken sichtbar. Audio offenbart kausale Zusammenhänge zwischen mechanischen Ereignissen und Klang. Jedes wird als verlustbehaftete Projektion derselben zugrunde liegenden Realität behandelt.

Wenn Sie alle gleichzeitig trainieren, beschränken sich die Modalitäten gegenseitig. Der Klang muss zur Wirkung passen. Die Bewegung muss der Masse gehorchen. Das Forschungsteam bezeichnet FLUX 3 als sein erstes Modell, das vollständig auf diesem Prinzip basiert.

Die Methode darunter: Self-Circulation

FLUX 3 baut darauf auf SelbstflussBFLs Methode zur Ausrichtung multimodaler Generierung und Verständnis in einer Architektur. Self-Circulation kombiniert das Circulation-Matching-Ziel mit einem selbstüberwachten Function-Rekonstruktionsziel. Der Referenzimplementierung auf GitHub ist Apache-2.0 und verwendet SiT-XL/2 mit Zeitschrittkonditionierung professional Token. Es trainiert mit einem Maskenverhältnis von 25 % professional Token und Selbstdestillation von einem EMA-Lehrer auf Schicht 20 zu einem Schüler auf Schicht 8.

Bei diesem veröffentlichten Checkpoint handelt es sich um ein ImageNet 256×256-Forschungsmodell, nicht um FLUX 3. BFL gibt an, dass es mit dem gleichen Ansatz „die Rechen- und Datenressourcen deutlich erhöht hat“, um FLUX 3 gleichzeitig über Video, Bilder und Audio zu trainieren. Self-Circulation selbst wurde im März 2026 eingeführt und ist daher bei dieser Einführung nicht neu. Neu ist der Maßstab.

Was FLUX 3 Video macht

FLUX 3 Video generiert in einer einzigen Era Clips mit einer Länge von bis zu 20 Sekunden und nativem Audio. Die unterstützten Modi umfassen Textual content-zu-Video, Bild-zu-Video, Video-zu-Video von einem Referenzclip, Keyframe-zu-Video für kontrollierte Übergänge und generative Video-Audio-Fortsetzung von Eingangsvideo und -audio.

BFL listet außerdem mehrsprachige Dialoge, die Agentenverkettung von Clips zu Sequenzen mit mehreren Einstellungen und eine starke Typografiegenerierung mit animierten Designs auf. Das BFL-Workforce berichtet von besonderer Stärke im menschlichen Gesichtsausdruck und in der Verknüpfung von Geräuschen mit physischen Ereignissen.

Leistung

Das BFL-Workforce veröffentlichte vorläufige Ergebnisse zur menschlichen Präferenz. Das Setup bestand aus 10-sekündigen Textual content-zu-Video-Clips mit 720p und Audio. FLUX 3 wurde in 93 % der Vergleiche gegenüber Luma Ray 3.2 und in 77 % gegenüber Runway Gen-4.5 bevorzugt. Gegenüber Grok Think about Video beträgt der Wert bis zu 69 %, dann Kling v3 Professional mit 60 %, Glad Horse v1 mit 59 % und Glad Horse 1.1 mit 57 %. Gegen Seedance 2.0 und Gemini Omni Flash liegt das Ergebnis bei 52 %, was einem Münzwurf nahe kommt.

Interaktiv Forscher

bfl@Flussmittel-3:~/real-world-models

Früher Zugriff

Fluss3 $
Geben Sie einen Befehl ein

eingeben

Wichtige Erkenntnisse

• FLUX 3 ist ein Circulation-Matching-Spine, das gemeinsam auf Bild, Video und Audio trainiert wird.
• FLUX 3 Video generiert in einer einzigen Era bis zu 20 Sekunden mit nativem Audio.
• Die Videovorhersage verbraucht über 95 % der Trainingsrechenleistung. Audio macht weniger als 0,5 % der Token aus.
• Das gleiche Spine steuert FLUX-mimic, eine Roboterrichtlinie, die auf einer RTX 5090 in weniger als 80 ms ausgeführt wird.
• Der Zugriff ist gesperrt: Video und Motion befinden sich im Early Entry, das Bild folgt, offene Gewichte kommen als letztes.

---

Schauen Sie sich das an Ankündigung von FLUX 3Die FLUX 3 x technischer Pfosten imitieren und die Self-Circulation-Papier. Alle Anerkennung für diese Forschung gebührt den Forschern dieses Projekts.

Michal Sutter ist ein Knowledge-Science-Experte mit einem Grasp of Science in Knowledge Science von der Universität Padua. Mit einer soliden Grundlage in statistischer Analyse, maschinellem Lernen und Datentechnik ist Michal hervorragend darin, komplexe Datensätze in umsetzbare Erkenntnisse umzuwandeln.

[ad_2]

Black Forest Labs veröffentlicht FLUX.2 (klein), eine kompakte Bildmodellfamilie, die auf interaktive visuelle Intelligenz auf Verbraucherhardware abzielt. FLUX.2 (klein) erweitert die FLUX.2-Reihe um Era und Bearbeitung in weniger als einer Sekunde, eine einheitliche Architektur für Textual content zu Bild und Bild zu Bild sowie Bereitstellungsoptionen, die von lokalen GPUs bis hin zu Cloud-APIs reichen, während die Bildqualität auf dem neuesten Stand der Technik bleibt.

Von FLUX.2 (dev) bis zur interaktiven visuellen Intelligenz

FLUX.2 (dev) ist ein gleichgerichteter Flusstransformator mit 32 Milliarden Parametern für die textkonditionierte Bildgenerierung und -bearbeitung, einschließlich der Komposition mit mehreren Referenzbildern, und läuft hauptsächlich auf Beschleunigern der Rechenzentrumsklasse. Es ist auf maximale Qualität und Flexibilität ausgelegt, mit langen Sampling-Zeitplänen und hohen VRAM-Anforderungen.

FLUX.2 (klein) nimmt die gleiche Designrichtung auf und komprimiert sie in kleinere Gleichrichtertransformatoren mit 4 Milliarden und 9 Milliarden Parametern. Diese Modelle sind auf sehr kurze Sampling-Zeitpläne destilliert, unterstützen die gleichen Textual content-zu-Bild- und Multi-Referenz-Bearbeitungsaufgaben und sind für Reaktionszeiten unter 1 Sekunde auf modernen GPUs optimiert.

Modellfamilie und Fähigkeiten

Die FLUX.2 (klein)-Familie besteht aus 4 Hauptvarianten mit offenem Gewicht in einer einzigen Architektur.

• FLUX.2 (klein) 4B
• FLUX.2 (klein) 9B
• FLUX.2 (klein) 4B Foundation
• FLUX.2 (klein) 9B Foundation

FLUX.2 (klein) 4B und 9B sind stufendestillierte und führungsdestillierte Modelle. Sie nutzen 4 Inferenzschritte und gelten als die schnellsten Optionen für Produktions- und interaktive Workloads. FLUX.2 (klein) 9B kombiniert ein 9B-Flussmodell mit einem 8B-Qwen3-Texteinbetter und wird als das Flaggschiff-Kleinmodell an der Pareto-Grenze für Qualität versus Latenz zwischen Textual content und Bild, Einzelreferenzbearbeitung und Mehrfachreferenzgenerierung beschrieben.

Bei den Basisvarianten handelt es sich um undestillierte Versionen mit längeren Probenahmeplänen. In der Dokumentation werden sie als Basismodelle aufgeführt, die das vollständige Trainingssignal bewahren und eine höhere Ausgabevielfalt bieten. Sie sind für die Feinabstimmung, LoRA-Coaching, Forschungspipelines und benutzerdefinierte Submit-Coaching-Workflows gedacht, bei denen Kontrolle wichtiger ist als minimale Latenz.

Alle FLUX.2 (klein)-Modelle unterstützen drei Kernaufgaben in derselben Architektur. Sie können Bilder aus Textual content generieren, sie können ein einzelnes Eingabebild bearbeiten und sie können die Generierung und Bearbeitung mehrerer Referenzen durchführen, wobei mehrere Eingabebilder und eine Eingabeaufforderung gemeinsam die Zielausgabe definieren.

Latenz, VRAM und quantisierte Varianten

Die FLUX.2 (klein)-Modellseite bietet ungefähre Finish-to-Finish-Inferenzzeiten für GB200 und RTX 5090. FLUX.2 (klein) 4B ist die schnellste Variante und wird je nach {Hardware} mit etwa 0,3 bis 1,2 Sekunden professional Bild angegeben. FLUX.2 (klein) 9B strebt bei höherer Qualität etwa 0,5 bis 2 Sekunden an. Die Basismodelle benötigen mehrere Sekunden, da sie mit 50-stufigen Stichprobenplänen ausgeführt werden, bieten jedoch mehr Flexibilität für benutzerdefinierte Pipelines.

Die FLUX.2 (klein) 4B-Modellkarte gibt an, dass 4B in etwa 13 GB VRAM passt und für GPUs wie RTX 3090 und RTX 4070 geeignet ist. Die FLUX.2 (klein) 9B-Karte meldet einen Bedarf von etwa 29 GB VRAM und zielt auf {Hardware} wie die RTX 4090 ab. Dies bedeutet, dass eine einzige Excessive-Finish-Shopper-Karte die destillierten Varianten mit Sampling in voller Auflösung hosten kann.

Um die Reichweite auf mehr Geräte auszudehnen, veröffentlicht Black Forest Labs außerdem FP8- und NVFP4-Versionen für alle FLUX.2 (klein)-Varianten, die gemeinsam mit NVIDIA entwickelt wurden. Die FP8-Quantisierung wird als bis zu 1,6-mal schneller bei bis zu 40 Prozent geringerer VRAM-Nutzung beschrieben, und NVFP4 als bis zu 2,7-mal schneller bei bis zu 55 Prozent geringerer VRAM-Nutzung auf RTX-GPUs, bei gleichbleibenden Kernfunktionen.

Benchmarks mit anderen Bildmodellen

Black Forest Labs bewertet FLUX.2 (klein) anhand von Elo-Stilvergleichen in Bezug auf Textual content und Bild, Bearbeitung einzelner Referenzen und Aufgaben mit mehreren Referenzen. Die Leistungsdiagramme zeigen FLUX.2 (klein) an der Pareto-Grenze von Elo-Rating versus Latenz und Elo-Rating versus VRAM. Im Kommentar heißt es, dass FLUX.2 (klein) die Qualität von Qwen-basierten Bildmodellen bei einem Bruchteil der Latenz und des VRAM erreicht oder übertrifft und dass es Z Picture übertrifft und gleichzeitig einheitliche Textual content-zu-Bild- und Multi-Referenz-Bearbeitung in einer Architektur unterstützt.

Bei den Basisvarianten muss etwas Geschwindigkeit gegen vollständige Anpassbarkeit und Feinabstimmung eingetauscht werden, was ihrer Rolle als grundlegende Kontrollpunkte für neue Forschung und domänenspezifische Pipelines entspricht.

Wichtige Erkenntnisse

• FLUX.2 (klein) ist eine kompakte gleichgerichtete Flusstransformatorfamilie mit 4B- und 9B-Varianten, die Textual content-zu-Bild, Einzelbildbearbeitung und Mehrfachreferenzgenerierung in einer einheitlichen Architektur unterstützt.
• Die destillierten FLUX.2 (klein) 4B- und 9B-Modelle verwenden 4 Sampling-Schritte und sind für die Inferenz in Sekundenbruchteilen auf einer einzigen modernen GPU optimiert, während die undestillierten Basismodelle längere Zeitpläne verwenden und für Feinabstimmung und Forschung gedacht sind.
• Mit NVIDIA erstellte quantisierte FP8- und NVFP4-Varianten bieten eine bis zu 1,6-fache Beschleunigung mit etwa 40 Prozent VRAM-Reduzierung für FP8 und eine bis zu 2,7-fache Beschleunigung mit etwa 55 Prozent VRAM-Reduzierung für NVFP4 auf RTX-GPUs.

Schauen Sie sich das an Technische Particulars, Repo Und Modellgewichte. Sie können uns auch gerne weiter folgen Twitter und vergessen Sie nicht, bei uns mitzumachen 100.000+ ML SubReddit und Abonnieren Unser Publication. Warten! Bist du im Telegram? Jetzt können Sie uns auch per Telegram kontaktieren.

Der Beitrag Black Forest Labs veröffentlicht FLUX.2 (klein): Kompakte Strömungsmodelle für interaktive visuelle Intelligenz erschien zuerst auf MarkTechPost.

[ad_2]

Isolation Forest ist eine unbeaufsichtigte, baumbasierte Methode zur Erkennung von Anomalien. Sehen Sie, wie sowohl KernelSHAP als auch TreeSHAP verwendet werden können, um die Ausgabe zu erklären.

Isolationswald ist zu einem festen Bestandteil von Anomalieerkennungssystemen geworden (1). Sein Vorteil besteht darin, komplexe Anomalien in großen Datensätzen mit vielen Funktionen finden zu können. Wenn es jedoch darum geht, diese Anomalien zu erklären, wird dieser Vorteil schnell zu einer Schwäche.

Um Maßnahmen gegen eine Anomalie ergreifen zu können, müssen wir oft die Gründe für die Einstufung als solche verstehen. Diese Erkenntnisse sind besonders wertvoll bei realen Anwendungen, etwa bei der Betrugserkennung, wo es oft genauso wichtig ist, den Grund für eine Anomalie zu kennen, wie sie zu erkennen.

Leider sind diese Erklärungen bei Isolation Forest in der komplexen Modellstruktur verborgen. Um sie aufzudecken, wenden wir uns an SHAP.

Wir werden SHAP auf IsolationForest anwenden und seine Ausgabe interpretieren. Wir werden sehen, dass wir, obwohl es sich um ein unbeaufsichtigtes Modell handelt, dennoch SHAP verwenden können, um seine Anomaliewerte zu erklären. Das ist zu verstehen:

• Wie Funktionen zur Bewertung einzelner Instanzen beigetragen haben
• und welche Options generell wichtig sind.

[ad_2]