Flux Self-Flow: اختراق تدريب الذكاء الاصطناعي متعدد الوسائط أسرع 2.8 مرات

لقد أطلقت Black Forest Labs تقنية Self-Flow في 4 مارس 2026. هذه الحيلة الذاتية الإشراف تقلل وقت تدريب الذكاء الاصطناعي متعدد الوسائط بنسبة 2.8x. لا حاجة لبيانات خارجية. النتائج تسحق المنافسين: FID الصور عند 3.61، FVD الفيديو عند 47.81. انظر، Flux Self-Flow ليست مجرد تعديل تدريجي. إنها تعيد التفكير في كيفية تعلم النماذج عبر الصور والفيديوهات والصوت في الوقت نفسه. بالنسبة لمنشئي فيديوهات الذكاء الاصطناعي، هذا يعني تكرارات أسرع في محاكاة الفيزياء أو مسارات صوتية متزامنة. رأيت الكثير من النماذج تتعثر على بيانات متعددة الوسائط. هذه لا تفعل. الشيء هنا: بينما هي نعمة للمحترفين SFW في بناء عروض روبوتات واقعية، حظر NSFW الصارم في Flux يظل قاتل الحماس. المزيد عن ذلك لاحقًا.

Self-Flow يحقق FID الصور 3.61. FVD الفيديو؟ 47.81. هذه الأرقام تتفوق على الطرق الذاتية الإشراف السابقة بهوامش واسعة، وفقًا للإعلان الرسمي على bfl.ai. المقارنات تروي القصة. تقنيات مطابقة التدفق القديمة كانت متأخرة في تماسك الفيديو. Self-Flow يصيب الهدف، مدعومًا بعروض مثل أذرع الروبوتات التي تمسك الأجسام بدقة فائقة أو فيديوهات حيث يظهر النص بوضوح أثناء الحركة. تحول مثير: التطبيقات تمتد إلى مهام الإنتاج أيضًا. فكّر في مقاطع صوت-فيديو حيث يبدو تزامن الشفاه بشريًا. لن أكذب — قيّمت نماذج كافية لأعرف أن هذا تقدم حقيقي. VentureBeat وصفته بقفزة كبيرة.

Self-Flow يعزز نماذج Flux لسير عمل SFW الاحترافية. فيزياء أفضل. نصوص أحدّ. اندماج صوت-فيديو سلس. فرق الروبوتات ستأكل هذا. لكن هل يساعد منشئي المحتوى البالغين؟ لا. واجهات برمجة Flux الرسمية والنماذج تفرض حظرًا صلبًا على NSFW. كل طلب حار يُرفض. رأي ساخن: هذه القيود تكبّد الابتكار حيث الطلب أعلى. يستحق المنشئون أدوات بدون شرطي أخلاقي. التقدم في الذكاء الاصطناعي متعدد الوسائط مثل هندسة Flux يُطبق بالفعل على واقعية فيديوهات الذكاء الاصطناعي NSFW، متجاوزًا الحدود الرسمية. Self-Flow يمهد الطريق، حتى لو لم تلمسه Black Forest Labs.