Flux 3, Black Forest Labs ਦਾ ਨਵਾਂ ਵੀਡੀਓ-ਜਨਰੇਸ਼ਨ ਮਾਡਲ, ਬਿਲਟ-ਇਨ ਆਡੀਓ ਦੇ ਨਾਲ 20-ਸਕਿੰਟ ਦੇ ਕਲਿੱਪ ਬਣਾਉਂਦਾ ਹੈ ਅਤੇ ਲੈਬ ਦੇ ਆਪਣੇ ਬੈਂਚਮਾਰਕ ਅਨੁਸਾਰ, ਇਹ ਆਪਣੇ ਹਰ ਮੁੱਖ ਮੁਕਾਬਲੇਬਾਜ਼ ਨੂੰ ਪਛਾੜ ਦਿੰਦਾ ਹੈ ਜਿਸ ਦੇ ਸਾਹਮਣੇ ਇਸ ਨੂੰ ਰੱਖਿਆ ਗਿਆ ਸੀ। ਅੰਦਰੂਨੀ ਟੈਸਟ ਨੇ Flux 3 ਨੂੰ Luma Ray 3.2 ਦੇ ਉੱਪਰ 93% ਤਰਜੀਹ ਅਤੇ Seedance 2.0 ਦੇ ਵਿਰੁੱਧ ਵੀ 52% ਵਾਧਾ ਦਿੱਤਾ, ਜੋ ਕਿ ਉਹ ਮਾਡਲ ਹੈ ਜਿਸ ਨੂੰ ਪਛਾੜਨ ਲਈ ਇਸ ਨੂੰ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਸੀ।

ਇਹ ਅੰਕੜੇ ਕਿਉਂ ਮਹੱਤਵਪੂਰਨ ਹਨ

BFL ਦਾ ਬੈਂਚਮਾਰਕ, ਜਿਸ ਨੂੰ BFL Tests ਕਿਹਾ ਜਾਂਦਾ ਹੈ, ਪ੍ਰੋਂਪਟ ਦੇ ਇੱਕ ਸਮੂਹ 'ਤੇ ਮਾਡਲਾਂ ਦੀ ਆਮne-ਸਾਹਮਣੇ ਤੁਲਨਾ ਕਰਦਾ ਹੈ ਅਤੇ ਮਨੁੱਖੀ ਰੇਟਰਾਂ ਨੂੰ ਪੁੱਛਦਾ ਹੈ ਕਿ ਕਿਹੜਾ ਆਊਟਪੁੱਟ ਬਿਹਤਰ ਲੱਗਦਾ ਹੈ। Flux 3 ਨੇ ਸਾਰੇ ਪੱਧਰਾਂ 'ਤੇ ਸੂਚੀ ਵਿੱਚ ਸਿਖਰ ਰੁੱਖਿਆ:

  • Luma Ray 3.2 ਦੇ ਉੱਪਰ 93% ਤਰਜੀਹ
  • Runway Gen-4.5 ਦੇ ਉੱਪਰ 77%
  • Grok Imagine Video ਦੇ ਉੱਪਰ 69%
  • Kling v3 Pro ਦੇ ਉੱਪਰ 60%
  • Seedance 2.0 ਅਤੇ Gemini Omni Flash ਦੇ ਉੱਪਰ 52%

ਜੇਕਰ ਇਹ ਨਤੀਜੇ ਟਿਕਦੇ ਹਨ, ਤਾਂ ਡਿਵੈਲਪਰ ਅਤੇ ਕੰਟੈਂਟ ਕ੍ਰਿਏਟਰ ਇੱਕ ਸਿੰਗਲ ਮਾਡਲ ਵੱਲ ਖਿੱਚੇ ਜਾ ਸਕਦੇ ਹਨ ਜੋ ਇੱਕ ਹੀ ਪੈਕੇਜ ਵਿੱਚ text-to-video, image-to-video ਅਤੇ video-to-video ਨੂੰ ਸੰਭਾਲਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਕਈ ਟੂਲਸ ਨੂੰ ਜੋੜਨ ਦੀ ਲੋੜ ਘਟ ਜਾਂਦੀ ਹੈ।

ਦਾਅਵੇ ਦੇ ਪਿੱਛੇ ਦੀ ਤਕਨੀਕ

Flux 3 “Self-Flow” ਪੇਸ਼ ਕਰਦਾ ਹੈ, ਜੋ ਇੱਕ ਅਜਿਹੀ ਸਿਖਲਾਈ ਵਿਧੀ ਹੈ ਜੋ ਤਸਵੀਰਾਂ, ਵੀਡੀਓ ਫਰੇਮਾਂ ਅਤੇ ਆਡੀਓ ਟ੍ਰੈਕਸ ਨੂੰ ਇੱਕੋ ਸਮੇਂ ਅਪਣਾਉਂਦੀ ਹੈ। ਇਹ ਭਾਸ਼ਾਵਾਂ ਨੂੰ ਮਿਲਾਉਣ ਵਾਲੇ ਗੁੰਝਲਦਾਰ ਪ੍ਰੋਂਪਟਸ ਨੂੰ ਸੰਭਾਲਣ ਦਾ ਵੀ ਦਾਅਵਾ ਕਰਦਾ ਹੈ, ਜੋ ਇੱਕੋ ਕਲਿੱਪ ਦੇ ਅੰਦਰ ਬਹੁ-ਭਾਸ਼ਾਈ ਸੰਵਾਦ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ। Clip chaining ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਕਈ 20-ਸਕਿੰਟ ਦੇ ਹਿੱਸਿਆਂ ਨੂੰ ਲੰਬੀਆਂ ਕਹਾਣੀਆਂ ਵਿੱਚ ਜੋੜਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦੀ ਹੈ, ਇੱਕ ਅਜਿਹੀ ਵਿਸ਼ੇਸ਼ਤਾ ਜਿਸ ਬਾਰੇ BFL ਦਾ ਕਹਿਣਾ ਹੈ ਕਿ ਇਹ ਪੁਰਾਣੇ ਜਨਰੇਟਰਾਂ ਦੀ ਇੱਕ ਆਮ ਸੀਮਾ ਨੂੰ ਦੂਰ ਕਰਦੀ ਹੈ।

ਮੀਡੀਆ ਨਿਰਮਾਣ ਤੋਂ ਪਰੇ

BFL ਸਿਰਫ਼ ਕੰਟੈਂਟ ਜਨਰੇਸ਼ਨ ਤੱਕ ਹੀ ਸੀਮਤ ਨਹੀਂ ਹੈ। Mimic Robotics ਦੇ ਨਾਲ ਇੱਕ ਭਾਈਵਾਲੀ ਨੇ “Flux-mimic” ਤਿਆਰ ਕੀਤਾ ਹੈ, ਜੋ ਕਿ ਮਾਡਲ ਦਾ ਇੱਕ ਅਜਿਹਾ ਵਰਜ਼ਨ ਹੈ ਜੋ ਭੌਤਿਕ ਰੋਬੋਟਾਂ ਲਈ ਕਾਰਵਾਈਆਂ (actions) ਦਾ ਸੁਝਾਅ ਦੇ ਸਕਦਾ ਹੈ। Audi ਪ੍ਰੋਡਕਸ਼ਨ-ਲਾਈਨ ਦੇ ਕੰਮਾਂ ਲਈ ਇਸ ਵੀਡੀਓ-ਐਕਸ਼ਨ ਵੇਰੀਐਂਟ ਦੀ ਜਾਂਚ ਕਰ ਰਹੀ ਹੈ, ਜੋ ਇੱਕ ਅਜਿਹੇ ਭਵਿੱਖ ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਦਾ ਹੈ ਜਿੱਥੇ generative AI ਸਿਰਫ਼ ਮਨੋਰੰਜਨ ਹੀ ਨਹੀਂ, ਸਗੋਂ ਅਸਲ ਦੁਨੀਆ ਦੇ ਕੰਮਕਾਜਾਂ ਨੂੰ ਵੀ ਸੁਧਾਰੇਗੀ।

ਗੁੰਮ ਹੋਈ ਕੜੀ

ਸਾਰਾ ਹਾਈਪ (hype) BFL ਦੇ ਅੰਦਰੂਨੀ ਟੈਸਟਿੰਗ 'ਤੇ ਟਿਕਿਆ ਹੋਇਆ ਹੈ। ਕੋਈ ਵੀ ਤੀਜੀ-ਪਾਰਟੀ ਬੈਂਚਮਾਰਕ ਪ੍ਰਕਾਸ਼ਿਤ ਨਹੀਂ ਕੀਤਾ ਗਿਆ ਹੈ, ਅਤੇ ਤਰਜੀਹ ਸਕੋਰਾਂ ਦੇ ਪਿੱਛੇ ਦੀ ਵਿਧੀ ਜਨਤਕ ਨਹੀਂ ਹੈ। ਜਦੋਂ ਤੱਕ ਬਾਹਰੀ ਲੈਬਾਂ ਇਹਨਾਂ ਨਤੀਜਿਆਂ ਨੂੰ ਦੁਬਾਰਾ ਸਾਬਤ ਨਹੀਂ ਕਰਦੀਆਂ, ਉਦੋਂ ਤੱਕ ਇਹ ਦਾਅਵਾ ਕਿ Flux 3 ਸਪੱਸ਼ਟ ਲੀਡਰ ਹੈ, ਅਸਥਾਈ ਰਹਿੰਦਾ ਹੈ।

ਕੀ ਦੇਖਣਾ ਹੈ

  • ਸੁਤੰਤਰ ਮੁਲਾਂਕਣ (Independent evaluations) – ਲੈਬਾਂ ਜਾਂ ਅਕਾਦਮਿਕ ਸਮੂਹਾਂ ਵੱਲੋਂ ਸੰਭਵ ਤੌਰ 'ਤੇ ਆਪਣੇ ਮੁਕਾਬਲੇ ਕੀਤੇ ਜਾਣਗੇ; BFL ਦੇ ਅੰਕੜਿਆਂ ਤੋਂ ਕੋਈ ਵੀ ਅੰਤਰ ਬਾਜ਼ਾਰ ਦੀ ਧਾਰਨਾ ਨੂੰ ਰੂਪ ਦੇਵੇਗਾ।
  • ਅਰਲੀ-ਐਕਸੈਸ ਰੋਲਆਊਟ (Early-access rollout) – BFL ਆਉਣ ਵਾਲੇ ਹਫ਼ਤਿਆਂ ਵਿੱਚ Flux 3 ਦਾ ਇੱਕ ਇਮੇਜ-ਜਨਰੇਸ਼ਨ ਵਰਜ਼ਨ ਰਿਲੀਜ਼ ਕਰਨ ਦੀ ਯੋਜਨਾ ਬਣਾ ਰਿਹਾ ਹੈ, ਜਿਸ ਨਾਲ ਇਸਦੇ ਈਕੋਸਿਸਟਮ ਦਾ ਵਿਸਤਾਰ ਹੋਵੇਗਾ।
  • Audi ਦੇ ਪ੍ਰੋਡਕਸ਼ਨ ਨਤੀਜੇ – Flux-mimic ਦੇ ਟ੍ਰਾਇਲ ਦੇ ਠੋਸ ਨਤੀਜੇ ਇਹ ਸਾਬਤ ਕਰ ਸਕਦੇ ਹਨ ਕਿ ਕੀ generative ਵੀਡੀਓ ਭਰੋਸੇਯੋਗਤਾ ਨਾਲ ਰੋਬੋਟਿਕ ਕਾਰਵਾਈਆਂ ਦਾ ਮਾਰਗਦਰਸ਼ਨ ਕਰ ਸਕਦੀ ਹੈ।