facts

이번 공개의 핵심은 이미지 생성을 넘어 영상과 오디오, 로봇 제어까지 확장한 멀티모달 프런티어 모델 FLUX 3의 등장이다. 단일 프롬프트를 통해 최대 20초 길이의 영상과 오디오가 결합된 클립을 생성할 수 있으며, 동일한 아키텍처를 로봇의 시각 인식 및 동작(Action) 제어에까지 확장해 적용한다.

제품 라인업은 기능과 공개 범위에 따라 네 가지로 구분된다. 현재 승인 기반의 '얼리 액세스(Early Access)' 프로그램으로 제공되는 모델은 오디오 생성이 선택 가능한 `FLUX 3 Video`와 로봇 동작 예측을 수행하는 `FLUX 3 Action`이다. `FLUX 3 Image`는 향후 몇 주 내로 출시될 예정이며, 오픈 웨이트 모델인 `FLUX 3 Dev`는 올해 말 공개를 목표로 하고 있다.

현재 BFL(Black Forest Labs)의 자체 API나 파트너사 API를 통한 공개 액세스는 지원되지 않는다. 또한, 기존 FLUX 시리즈와 달리 출시 시점에 다운로드 가능한 가중치(Weights)나 오픈 소스 라이선스가 함께 제공되지 않는다. 기업 사용자를 위한 가격 정책, 서비스 수준 협약(SLA), 구체적인 평가 방법론이나 샘플 크기 등의 세부 제원 역시 아직 발표되지 않은 상태다.

how-it-works

작동 방식의 차별점은 이미지, 영상, 오디오 모델을 개별적으로 구축해 인터페이스로 묶는 방식이 아니라, 모든 모달리티를 하나의 아키텍처에서 공동 학습(Jointly trained)시켰다는 점이다. 이는 BFL이 기존에 공개한 Self-Flow 방식을 기반으로 하며, 연산 자원과 데이터를 대폭 확장해 영상 생성과 동작 예측이 별도의 파운데이션 없이 동일한 구조 내에서 가능함을 확인했다.

BFL은 이를 '시각 지능(Visual Intelligence)'이라 정의하며, 이미지를 통해 구조를, 영상을 통해 공간 관계와 역동성을, 동작을 통해 인과 관계를 학습하는 파이프라인을 구축했다. 여기에 오디오의 타이밍과 언어의 추상적 지시 사항을 결합해 물리적·디지털 환경에서 인지, 예측, 행동이 가능한 단일 모델을 지향한다.

BFL이 제시한 예비 벤치마크 결과에 따르면, 10초 길이의 720p 텍스트-투-비디오(Text-to-Video) 클립 생성 시 FLUX 3는 여러 모델 대비 높은 선호도를 보였다. Luma Ray 3.2(93%), Runway Gen-4.5(77%), Grok Imagine Video(69%) 순으로 높은 선호도를 기록했으며, Seedance 2.0와 Google의 Gemini Omni Flash와는 각각 52%로 비슷한 수준의 결과가 나왔다.

다만, 해당 수치는 정식 출시 모델이 아닌 '초기 후보 모델(early FLUX 3 candidate)'을 대상으로 한 예비 평가 결과라는 제약이 있다. 특히 Gemini Omni Flash와의 비교에서 52%의 선호도를 보인 것은 두 모델의 생성 품질이 사실상 구분이 불가능한 수준임을 의미한다. 반면 Gemini Omni Flash는 이미 API를 통해 720p 영상 10초당 약 0.10달러의 비용으로 일반 제공되고 있으며, 유럽 경제 지역(EEA) 등 일부 지역에서 업로드 영상 편집 기능이 제한되는 운영상 차이가 있다.

implementation-impact

기업용 도구 관점에서는 여러 개의 파운데이션 모델을 개별적으로 운영하던 파이프라인을 하나로 통합할 수 있다는 점이 실질적인 변화다. 스토리보드 작성부터 이미지 편집, 제품 렌더링, 영상 변주에 이르는 워크플로우를 단일 모델로 처리함으로써 운영 복잡도를 낮출 수 있다. 현재 Canva, Burda, Magnific, Krea, Picsart 등이 이 모델을 테스트하며 실제 서비스 적용 가능성을 검토하고 있다.

로컬 배포 환경을 구축하던 개발자는 기존의 즉각적인 가중치 공개 방식과 달리, 이번 모델의 얼리 액세스 승인 여부와 향후 공개될 FLUX 3 Dev의 오픈 웨이트 배포 시점을 기준으로 도입 시기를 결정해야 한다.