Black Forest Labs, Flux 3 공개: 비디오와 오디오의 멀티모달 도약
Black Forest Labs (BFL)는 디지털 생성과 물리적 지능 사이의 간극을 메우기 위해 설계된 멀티모달 파운데이션 모델인 Flux 3를 출시하며 "월드 모델(world models)"의 최전선에 공식적으로 진입했습니다. 이미지, 비디오, 오디오를 동시에 학습함으로써, Flux 3는 기존의 단일 모달리티 모델이 복제하기 어려웠던 수준의 감각적 결합을 달성했습니다.
멀티모달 학습과 네이티브 오디오의 힘
사운드 동기화를 위해 별도의 프로세스가 필요한 경우가 많았던 이전 세대의 비디오 모델과 달리, Flux 3는 최대 20초 길이의 비디오 클립에 대해 네이티브 오디오 생성을 도입했습니다. 이러한 발전은 단일 모달리티로는 현실을 온전히 담아낼 수 없다는 BFL의 철학에 뿌리를 두고 있습니다. 이미지가 공간적 구조를 제공하고 비디오가 시간적 변화를 제공한다면, 오디오는 기계적 사건과 그 소리 사이의 인과 관계를 드러냅니다.
BFL의 독자적인 "Self-Flow" 방식에 기반한 멀티모달 트랜스포머를 활용하여, 이 모델은 이미지, 비디오, 오디오, 심지어 동작까지 하나의 공유된 내부 표현으로 변환합니다. 이러한 통합 학습을 통해 모델은 정보의 공백을 메울 수 있습니다. 예를 들어, 오디오 단서를 사용하여 시각적 움직임의 물리 법칙을 더 잘 이해하는 식입니다. Flux 3는 text-to-video, image-to-video, 키프레임 기반 전환, 그리고 다국어 대화 등 다양한 고급 기능을 지원합니다.
업계 거물들과의 Flux 3 벤치마킹
720p 해상도의 10초 클립을 사용한 예비 평가에서 Flux 3는 상당한 경쟁 우위를 입증했습니다. 사용자 선호도 비교 테스트에서 BFL은 Flux 3가 Luma Ray 3.2보다 93%, Runway Gen-4.5보다 77% 더 높은 선호도를 기록했다고 보고했습니다.
최정상급 경쟁 모델들과의 격차는 좁혀지고 있지만, Flux 3는 여전히 Grok Imagine Video(69%)와 Kling v3 Pro(60%)를 앞서고 있습니다. 또한 52%의 선호율로 Seedance 2.0과 Gemini Omni Flash보다 뛰어난 성능을 보였습니다. 이러한 결과는 Flux 3가 이미 할리우드 전문 워크플로우에 통합되어 사용 중인 시스템들과 경쟁할 수 있는, 생성형 비디오 모델의 최상위권에 자리매김하고 있음을 시사합니다.
콘텐츠 제작을 넘어: 로보틱스를 향하여
Flux 3의 가장 야심 찬 측면은 아마도 "실제 세계의 시각적 지능"을 향한 움직임일 것입니다. BFL은 단순히 창의적인 도구를 만드는 것이 아니라, 인지하고 예측하며 행동할 수 있는 모델을 구축하고 있습니다. 트랜스포머 아키텍처 내의 전용 동작(action) 컴포넌트를 통해, 이 모델은 비디오-동작 모델인 "Flux-mimic"을 개발하는 데 사용되고 있습니다.
중요한 실제 응용 사례로서, BFL은 Mimic Robotics와 파트너십을 맺고 Audi의 생산 작업에서 이 기술을 테스트하고 있습니다. 이는 Flux 3의 기반 아키텍처가 고정밀 비디오를 생성하는 것만큼이나 세상의 물리 법칙을 이해하는 것이 중요한 로보틱스의 토대로 활용될 의도가 있음을 나타냅니다.
배포 및 "Flux 3 Dev" 오픈 웨이트 약속
BFL은 안전을 보장하고 사용자 피드백을 수집하기 위해 단계적 출시 전략을 채택하고 있습니다. 현재 Flux 3 Video를 사용할 수 있으며, Flux 3 Image는 향후 몇 주 내에 얼리 액세스로 출시될 예정입니다. 더 나아가 BFL은 멀티모달 백본을 "Flux 3 Dev"라는 이름으로 오픈 웨이트(open-weight)로 공개하겠다고 약속했습니다. 이는 전 세계 개발자와 연구자들이 자신들의 아키텍처를 기반으로 새로운 것을 구축할 수 있도록 힘을 실어주는 움직임이 될 것입니다.
핵심 요약
- 네이티브 멀티모달리티: Flux 3는 이미지, 비디오, 오디오 학습을 단일 "Self-Flow" 트랜스포머로 통합하여, 동기화된 네이티브 오디오가 포함된 20초 길이의 비디오를 생성할 수 있습니다.
- 최상위권 성능: 초기 테스트에서 Flux 3는 Luma Ray 3.2(선호도 93%) 및 Runway Gen-4.5(선호도 77%)를 포함한 주요 경쟁 모델들을 앞질렀습니다.
- 로보틱스 통합: 이 모델은 현재 Mimic Robotics를 통해 Audi의 생산 로보틱스 작업을 위해 테스트 중인 동작 예측 컴포넌트를 포함하고 있습니다.