FLUX 3 Video는 단순한 비디오 생성기가 아니다. Black Forest Labs가 BFL API 및 일부 파트너를 통해 공개한 이 모델은 이미지, 비디오, 오디오를 동시에 학습한 멀티모달 기반 모델로서, ‘현실 모델(Real World Model)’이라는 새로운 지향점을 제시한다.1 최대 20초 길이의 HD 및 Full HD 클립에 네이티브 오디오를 통합 생성하며, 자체 평가에서는 Seedance 2.0을 포함한 기존 최상위 모델들을 텍스트-비디오 Elo 1,135점, 이미지-비디오 Elo 1,051점으로 근소하게 앞섰다.1 그러나 이번 릴리스에서 더 주목할 지점은 벤치마크 점수가 아니라, FLUX 3 Video가 콘텐츠 생성과 물리 AI의 백본을 하나로 묶으려는 시도라는 사실이다.
FLUX 3 Video가 현실을 배우는 방식
FLUX 3는 이미지·비디오·오디오를 단일 아키텍처에서 공동 학습한다.2 Black Forest Labs의 전제는 명료하다. 각 모달리티는 동일한 물리적 현실의 부분적 투영일 뿐이며, 이들을 함께 학습하면 상호 제약이 작용해 모델이 물리 법칙을 더 깊이 습득하게 된다는 것이다.2 소리는 충격과 일치해야 하고, 움직임은 질량을 따라야 하며, 미래는 과거로부터 자연스럽게 이어져야 한다. 이렇게 획득한 세계 이해는 콘텐츠의 물리적 일관성을 높이는 동시에, 로봇 제어 같은 다운스트림 작업의 기반으로도 전환될 수 있다.
이 구조의 핵심 동력은 Self-Flow라는 자체 학습 방식이다. 기존 플로 매칭이 생성 품질에 집중하는 반면, Self-Flow는 생성 품질과 표현 품질을 동시에 최적화한다.2 내부 표현이 정돈될수록 생성 결과가 개선되고, 그 표현은 로봇 조작 같은 작업에 곧바로 활용될 수 있다. 실제로 Self-Flow는 표준 플로 매칭 대비 로봇 조작 성공률을 42%에서 71%로 끌어올렸다.3 학습 데이터 측면에서도 비디오가 전체 컴퓨트의 95% 이상을 차지한다는 점이 눈에 띈다.3 접촉·움직임·인과관계를 정확히 포착해야 하는 비디오 예측이 가장 어려운 과제이기 때문이며, 오디오는 720p 비디오 토큰의 0.5% 미만으로 상대적으로 가벼운 모달리티로 취급된다.3
생성 너머로: 물리 AI의 백본
FLUX 3 Video의 차별점은 단일 모델이 텍스트-비디오, 이미지-비디오, 키프레임, 비디오 연장, 여러 장면 구성 같은 생성 기능과 행동 예측을 동시에 수행할 수 있다는 데 있다.12 Black Forest Labs는 mimic robotics와 협력해 FLUX 3 백본 위에 로봇 행동 디코더를 얹은 비디오-행동 모델 FLUX-mimic을 개발했다.4 주목할 점은 완전히 동결된 FLUX 백본만으로도 기존 비전-언어-행동 모델을 능가하는 성능이 나왔다는 사실이다.3
대규모 학습 과정에서 행동 예측을 추가하자 비디오 생성 품질이 일시적으로 10%까지 하락했지만, 불과 3,500스텝 만에 완전히 회복됐다.3 이는 모델이 기존 세계 이해를 유지한 채 새로운 행동 모달리티를 자연스럽게 흡수했음을 의미한다. 실제 공장 환경에서 FLUX-mimic은 기존 자동화로 해결하지 못했던 유연 소재 조립 작업을 성공적으로 수행했으며, 실패한 그립을 스스로 복구하는 행동도 보여줬다.4 백본 처리 속도가 인간의 시각 반응 시간과 유사한 80ms 이내로 동작하기 때문에 실시간 배포도 가능하다.4
무엇을 기준으로 삼을 것인가
FLUX 3 Video의 등장은 비디오 생성 도구 하나가 추가된 사건이 아니다. 콘텐츠 제작과 물리 AI가 동일한 기반 모델 위에서 작동할 수 있다는 개념 증명이다. 비디오를 잘 생성하기 위해 학습한 세계 모델이 그대로 로봇 제어의 기반이 되는 구조는, 앞으로 생성 모델을 평가하는 기준이 해상도나 길이, 프롬프트 충실도를 넘어 ‘현실을 얼마나 구조적으로 이해하는가’로 확장될 것임을 시사한다.
당장은 텍스트-비디오, 이미지-비디오, 키프레임, 비디오 연장, 단일 클립 내 여러 장면과 카메라 앵글 구성 같은 기능을 BFL API로 사용할 수 있다. 가격은 Draft 모드 기준 텍스트/이미지-비디오 초당 0.06달러, 비디오-비디오 초당 0.12달러이며, Full HD 품질은 각각 초당 0.29달러, 0.53달러이다.1 이후 FLUX 3 Image와 오픈 웨이트 버전인 FLUX 3 Dev도 순차 공개될 예정이다.2 영상 제작 도구를 선택할 때 이제는 그 모델이 물리 법칙을 얼마나 타당하게 반영하는지, 그리고 그 이해를 다른 영역으로 확장할 잠재력이 있는지가 표현력과 실용성을 가르는 핵심 기준이 될 전망이다.
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.