Flux 3 โมเดลสร้างวิดีโอตัวล่าสุดจาก Black Forest Labs สามารถสร้างคลิปความยาว 20 วินาทีพร้อมเสียงในตัว และจากการทดสอบเกณฑ์มาตรฐาน (benchmark) ของทางแล็บเอง พบว่าสามารถเอาชนะคู่แข่งรายใหญ่ทุกรายที่นำมาเปรียบเทียบ ผลการทดสอบภายในระบุว่า Flux 3 ได้รับความพึงพอใจมากกว่า Luma Ray 3.2 ถึง 93% และเหนือกว่า Seedance 2.0 ซึ่งเป็นโมเดลที่ถูกออกแบบมาเพื่อเอาชนะมันถึง 52%

ทำไมตัวเลขเหล่านี้จึงสำคัญ

เกณฑ์มาตรฐานของ BFL ที่เรียกว่า BFL Tests จะนำโมเดลต่างๆ มาเปรียบเทียบกันแบบเคียงข้างกันด้วยชุดคำสั่ง (prompts) และให้ผู้ประเมินที่เป็นมนุษย์ตัดสินว่าผลลัพธ์ใดดูดีกว่ากัน ซึ่ง Flux 3 ครองอันดับหนึ่งในทุกด้าน:

  • ได้รับความพึงพอใจมากกว่า Luma Ray 3.2 ถึง 93%
  • เหนือกว่า Runway Gen-4.5 ถึง 77%
  • เหนือกว่า Grok Imagine Video ถึง 69%
  • เหนือกว่า Kling v3 Pro ถึง 60%
  • เหนือกว่า Seedance 2.0 และ Gemini Omni Flash ถึง 52%

หากผลลัพธ์เหล่านี้ยังคงเป็นจริง นักพัฒนาและผู้สร้างคอนเทนต์อาจหันมาใช้โมเดลเพียงตัวเดียวที่รองรับทั้ง text-to-video, image-to-video และ video-to-video ในแพ็กเกจเดียว ซึ่งจะช่วยลดความจำเป็นในการนำเครื่องมือหลายอย่างมาประกอบกัน

เทคโนโลยีเบื้องหลังคำกล่าวอ้าง

Flux 3 นำเสนอ “Self-Flow” ซึ่งเป็นวิธีการฝึกฝนที่ประมวลผลทั้งรูปภาพ เฟรมวิดีโอ และแทร็กเสียงไปพร้อมๆ กัน นอกจากนี้ยังอ้างว่าสามารถจัดการกับพรอมต์ (prompts) ที่มีความซับซ้อนและผสมผสานหลายภาษาได้ ทำให้สามารถสร้างบทสนทนาหลายภาษาภายในคลิปเดียวได้ ส่วนฟีเจอร์ Clip chaining ช่วยให้ผู้ใช้สามารถเชื่อมต่อคลิปความยาว 20 วินาทีหลายๆ คลิปเข้าด้วยกันเป็นเรื่องราวที่ยาวขึ้น ซึ่งเป็นฟีเจอร์ที่ BFL ระบุว่าช่วยแก้ข้อจำกัดที่พบบ่อยในโมเดลสร้างวิดีโอยุคก่อนหน้า

เหนือกว่าการสร้างสื่อ

BFL ไม่ได้หยุดอยู่แค่การสร้างคอนเทนต์เพียงอย่างเดียว การเป็นพันธมิตรกับ Mimic Robotics ได้ก่อให้เกิด “Flux-mimic” ซึ่งเป็นโมเดลเวอร์ชันที่สามารถแนะนำการเคลื่อนไหวสำหรับหุ่นยนต์จริงได้ โดย Audi กำลังทดสอบโมเดลรูปแบบ video-action นี้สำหรับงานในสายการผลิต ซึ่งเป็นการส่งสัญญาณถึงอนาคตที่ generative AI จะเข้ามามีบทบาทในการดำเนินงานในโลกแห่งความเป็นจริง ไม่ใช่แค่ในด้านความบันเทิงเท่านั้น

ส่วนที่ยังขาดหายไป

กระแสความตื่นเต้นทั้งหมดนี้ขึ้นอยู่กับการทดสอบภายในของ BFL เท่านั้น ยังไม่มีการเผยแพร่เกณฑ์มาตรฐานจากบุคคลที่สาม และวิธีการที่ใช้ในการให้คะแนนความพึงพอใจก็ยังไม่ถูกเปิดเผยต่อสาธารณะ จนกว่าห้องปฏิบัติการภายนอกจะสามารถทำซ้ำผลลัพธ์ได้ คำกล่าวอ้างที่ว่า Flux 3 เป็นผู้นำอย่างชัดเจนจึงยังคงเป็นเพียงข้อสันนิษฐานชั่วคราว

สิ่งที่ต้องจับตามอง

  • การประเมินที่เป็นอิสระ – ห้องปฏิบัติการหรือกลุ่มวิชาการต่างๆ น่าจะมีการทดสอบเปรียบเทียบด้วยตนเอง ซึ่งหากผลลัพธ์แตกต่างจากตัวเลขของ BFL ก็จะส่งผลต่อมุมมองของตลาด
  • การเปิดตัวแบบเข้าถึงก่อนใคร (Early-access rollout) – BFL วางแผนที่จะปล่อย Flux 3 เวอร์ชันสร้างรูปภาพในอีกไม่กี่สัปดาห์ข้างหน้า เพื่อขยายระบบนิเวศของตนเอง
  • ผลลัพธ์การผลิตของ Audi – ผลลัพธ์ที่เป็นรูปธรรมจากการทดลอง Flux-mimic อาจพิสูจน์ได้ว่าวิดีโอเชิงสร้างสรรค์ (generative video) สามารถนำทางการเคลื่อนไหวของหุ่นยนต์ได้อย่างแม่นยำหรือไม่