ドイツ・フライブルク拠点の AI 研究所「Black Forest Labs（BFL）」は、2026 年 7 月 23 日に新世代のマルチモーダル AI モデル「FLUX 3」を発表し、利用希望者向けの早期アクセス申請の受け付けを始めました。
BFL は 2024 年 8 月に設立されたスタートアップで、画像生成 AI「Stable Diffusion」の中心的な研究者たちが創業メンバーに名を連ねています。これまでの累計調達額は 430 億ドル（約 6 兆 4500 億円）を超え、2025 年 12 月時点の企業評価額は 32.5 億ドル（約 4875 億円）に達しています。
FLUX 3 の核心は、画像・動画・音声・ロボットの動作予測という異なる種類のデータを、一つの AI モデルがまとめて扱える点にあります。たとえば動画を生成する際には映像と音声を同時に出力でき、最長 20 秒のクリップ制作に対応しています。テキストから動画を作るだけでなく、静止画や既存の動画を元にした変換にも使えます。
提供形態は「FLUX 3 Video」「FLUX 3 Image」「FLUX 3 Action」「FLUX 3 Dev」の 4 種類で、このうち Video と Action は現在申請制の早期アクセスのみとなっています。Image は数週間以内の公開が予定されており、今年後半にはより軽量なバージョンや研究者向けのオープンモデルも公開される見通しです。
性能面では、BFL 自社の評価ではあるものの、競合の動画生成サービスに対して高い勝率を示しています。Canva や Picsart といった企業がすでに試験利用を進めており、映画監督のマーティン・スコセッシもアドバイザーとして関わっています。
製造業への応用も動き出しています。BFL はロボティクス企業の mimic robotics と組んで「FLUX-mimic」を共同開発し、Audi の工場での試験運用が始まっています。このシステムでは、ロボットが約 30 分のデモ映像を見るだけで新しい作業を覚えられるようになりました。従来は同じ習得に 30 時間超のデータが必要だったことを考えると、大幅な改善です。反応速度も約 101 ミリ秒と人間の目に近く、ドアシールの取り付けといった手先の器用さが求められる作業にも対応できています。
BFL は AI による映像生成とロボット制御を「視覚的な知性」という一つの技術として位置づけており、詳細なベンチマーク結果は一般公開のタイミングで発表される予定です。
