我們呈現了 Self-Flow 的研究預覽：一種可擴展的多模態生成模型訓練方法。 多模態生成需要跨模態的端到端學習：圖像、視頻、音頻、文本——不受外部模型在表示學習上的限制。Self-Flow 通過自我監督的流匹配來解決這個問題，並在各模態之間高效擴展。 結果： • 在各模態之間的收斂速度提高了最多 2.8 倍。 • 改善了視頻的時間一致性 • 更清晰的文本渲染和排版 這是我們邁向多模態視覺智能的基礎研究。

更快的生成讓你能探索更多設計想法。 FLUX.2 [pro]，我們使用最頻繁的模型，現在速度提升了2倍，質量沒有損失，價格也沒有上漲。 更多範例在這個主題中 🧵

今天，我們分享來自第三方評估新興風險的結果。這些發現顯示了我們在每次發布前、中和後的緩解措施的有效性，與其他流行的開放權重AI模型相比，漏洞數量少了超過10倍。 黑森林實驗室正在推進視覺智能的前沿。我們的團隊已經發布了一些全球最強大和最受歡迎的AI模型。隨著我們的成長，我們正在採取措施來打擊AI的濫用——並展示高性能、開放創新和合理的保障措施是相輔相成的。 以下是帖子鏈接。