블랙 포레스트 랩스, 차세대 영상 모델 '플럭스 3' 출시..."20초 영상부터 로봇 제어까지"

독일의 블랙 포레스트 랩스(BFL)가 이미지 생성 모델 '플럭스(FLUX)' 시리즈를 멀티모달 AI로 확장한 차세대 모델 '플럭스 3(FLUX 3)'를 공개했다. 텍스트 한 줄만으로 최대 20초 길이의 영상과 오디오를 동시에 생성할 수 있을 뿐 아니라, 로봇의 행동 예측과 피지컬 AI까지 하나의 모델로 구현하는 것이 핵심이다. BFL은 23일(현지시간) FLUX 3를 발표하며 "이미지와 영상, 오디오를 각각 별도의 모델로 처리하는 기존 방식이 아니라 하나의 통합 아키텍처에서 공동 학습한 최초의 멀티모달 기반 모델"이라고 밝혔다. 단순한 콘텐츠 생성 모델이 아니라 "현실 세계를 인식하고, 미래를 예측하며, 행동까지 수행하는 '시각 지능(Visual Intelligence)'의 기반 모델"로 정의했다. 이번 발표는 BFL이 처음으로 공개한 영상 생성 모델이기도 하다. 가장 큰 특징은 하나의 프롬프트만으로 최대 20초 길이의 영상과 오디오를 동시에 생성하는 기능이다. 지원 기능은 ▲텍스트-투-비디오 ▲이미지-투-비디오 ▲영상-투-영상 ▲기존 영상과 음성을 이어 생성하는 비디오·오디오 연속 생성 ▲키프레임 기반 영상 생성 ▲다국어 대화 ▲애니메이션과 실사, 캠코더 영상 등 다양한 스타일 ▲움직이는 타이포그래피 ▲여러 영상을 연결한 멀티 장면 생성 등을 포함한다. 특히 AI 에이전트가 여러 개의 짧은 영상을 자동으로 연결해 수분 길이의 연속적인 콘텐츠를 제작하고, 등장인물의 외형을 장면이 바뀌어도 일관되게 유지하는 기능도 제공한다. 이는 영상 생성 AI의 가장 큰 한계였던 장면 간 캐릭터 일관성 문제를 해결하기 위한 기술이다. 플럭스 3는 지난해 발표한 '셀프 플로(Self-Flow)' 기술을 기반으로 개발됐다. BFL는 이미지와 영상, 오디오를 동시에 학습하면 각 데이터가 서로를 보완하면서 하나의 현실 세계를 이해하게 된다고 설명했다. 로빈 롬바흐 CEO는 "세상은 정지된 이미지로만 이루어져 있지 않다"라며 "움직이고, 소리를 내고, 끊임없이 변화하며 서로 반응한다"라고 말했다. 이어 "이미지만 학습한 모델은 결국 이미지만 생성할 수 있을 뿐"이라며 "진정한 AI는 세상을 인식하고, 앞으로 어떻게 변할지 예측하며, 행동하고 그 결과를 학습할 수 있어야 한다"라고 강조했다. 이 같은 접근은 최근 구글이 '제미나이 옴니(Gemini Omni)'를 설명하며 강조한 월드 모델 개념과도 유사하다. BFL는 플럭스 3를 콘텐츠 생성뿐 아니라 로봇 제어에도 활용하고 있다. 스위스의 미믹 로보틱스(Mimic Robotics)와 공동 개발한 '플럭스-미믹(FLUX-mimic)'은 플럭스 3를 기반으로 한 로봇 행동 예측 모델이다. 이 모델은 로봇이 주변 환경을 이해하고 특정 행동의 결과를 예측하며 새로운 작업에 적응하도록 설계됐다. 기존에는 새로운 작업을 학습하기 위해 30시간 이상 로봇 데이터를 수집해야 했지만, 플럭스-미믹은 작업에 따라 30분 분량의 데이터만으로도 미세조정이 가능하다는 설명이다. 엘비스 나바 미믹 로보틱스 CTO는 "로봇 개발에서 가장 어려운 것은 데이터 확보"라며 "플럭스-미믹은 이미 물리 세계의 움직임을 이해하고 있기 때문에 새로운 작업을 며칠이 아니라 몇분 만에 익힐 수 있다"라고 설명했다. 이 기술은 아우디의 생산 공정에서도 시험되고 있다. BFL는 벤치마크에서 플럭스 3가 경쟁 모델보다 우수한 결과를 보였다고 주장했다. 720p 해상도의 10초 생성 영상 사용자 평가에서 루마의 '레이 3.2(Ray 3.2)'를 상대로 93%의 압독적인 승률을 기록했으며, 런웨이의 '젠-4.5(Gen-4.5)' 77%, '그록 이매진 비디오' 69%, '클링 v3 프로' 60%로 앞섰다. 바이트댄스의 '시댄스 2.0'과 구글의 '제미나이 옴니 플래시(Gemini Omni Flash)'와는 각각 52%의 선호도를 기록해 사실상 비슷한 수준을 기록했다. 다만 BFL는 이번 수치가 정식 출시 모델이 아닌 개발 중인 초기 후보 모델을 대상으로 한 예비 평가 결과이며, 평가 방법과 세부 벤치마크는 정식 출시 이후 공개할 예정이라고 설명했다. 플럭스 3는 ▲영상 생성용 '플럭스 3 비디오(Video)' ▲이미지 생성용 '플럭스 3 이미지(Image)' ▲로봇 행동 예측용 '플럭스 3 액션(Action)' ▲오픈웨이트 버전인 '플럭스 3 데브(Dev)' 등 네 가지 제품군으로 출시된다. 현재는 영상과 액션 모델만 얼리 액세스 형태로 제공되며, 누구나 신청할 수 있지만 BFL의 승인을 받아야 한다. 이미지 모델은 몇주 안에 공개될 예정이며, API 제공도 이후 차례로 시작된다. 오픈소스 커뮤니티의 관심을 모은 플럭스 3 데브는 올해 말 공개될 예정이다. 기존 플럭스 데브 시리즈가 이미지 생성만 지원했던 것과 달리 플럭스 3 데브는 영상과 오디오, 이미지, 행동 예측까지 모두 지원하는 멀티모달 오픈웨이트 모델로 제공될 예정이다. 다만 이번 발표에서는 모델 가중치와 라이선스, 매개변수 규모, 하드웨어 요구사항 등은 공개되지 않았다. BFL는 플럭스 3가 콘텐츠 제작과 물리 AI를 하나의 기술 기반으로 통합하는 첫 단계라고 강조했다. BFL는 캔바(Canva), 부르다(Burda), 매그니픽(Magnific), 크레아(Krea), 픽스아트(Picsart) 등이 이미 플럭스 3를 시험하고 있으며, 앞으로 인터랙티브 영상 편집과 시뮬레이션, 컴퓨터 활용, 로봇 AI를 하나의 통합 모델로 연결하는 것이 목표라고 밝혔다. 박찬 기자 cpark@aitimes.com