构建视觉智能:对话 Black Forest Labs 联创 Andreas Blattmann 与 Dustin Podell
本期节目由 Deepgram 赞助。 试试 Deepgram 的语音 Agent,它真正理解你的上下文! #contextiseverything
播放视频没多少人知道,正是 Stable Diffusion 让我全职投身 AI(我曾写了一篇 《多重宇宙,而非元宇宙》,借此指出扎克伯格的投资误区)。原来,Dustin Podell 也有类似的“顿悟时刻”——在这个模型发布时,他辞掉了日常的工作。不过我们走上了截然不同的路……我坚持深耕熟悉的人类内容创作领域,而 Dustin 则与 Latent Diffusion 的联合创始人 Andreas Blattmann 以及 Stability AI 其他世界一流的图像生成团队一起,深入探索 AI 内容创作。尽管 Stability AI 随后分崩离析,但在 Anj Midha 的帮助下,核心团队成功剥离为 BFL,并迅速构建了 Flux 系列这一出色的新型图像生成模型。但他们为何现在又进军视频和世界模型?
Andreas 举了一个单手就能试的例子。如果有人向你扔球,你的手会在球到达之前就动起来。你不必写出运动轨迹也能做到。当他谈论构建视觉智能时,指的就是这种知识。静态图像只能告诉你球在哪里,而视频则展示了它如何到达那里。撞击声能告诉你物体何时发生碰撞,即使相机错过了接触瞬间。这就是 BFL 主张将 FLUX 3 训练基于这三种信号协同进行的原因。BFL 发布 FLUX 3

奔马是我们在开场展示的 FLUX 3 示例之一。音频示例值得开着声音体验。FLUX 3 Video
移动的镜头教会你什么
假设镜头从一个人面前开始,绕着他转一圈,那么在某个时刻,模型必须给你呈现他的后脑勺。Andreas 认为,普通的二维视频里包含了大量关于物体从其他角度长什么样的证据。这并不能证明模型“理解物理”——这一点我们反复讨论过。但它确实提供了一个比“单帧看起来是否可信”好得多的检验标准。
节目后半段有一个很好的工程案例:对视频的每一帧独立做锐化,每帧单独看可能都很惊艳,但一旦播放,额外的细节就会闪烁不定——因为超分模型每次做出的决策都略有差异。BFL 的视频超分模型同样基于 FLUX 3 骨干网络构建。哪怕用户只是想要一个更高分辨率的文件,时序一致性也不容忽视。
训练算力应该花在哪里?
我问他们的一个问题之一是:自回归是否正在接管图像生成。Andreas 对另一方的优势也给予了肯定。自回归模型可以同时利用训练样本中的所有 token 来学习;而扩散模型这边,团队可以把漫长的采样过程蒸馏成寥寥几步。哪个优势更重要,取决于你是在花钱训练模型,还是在等一张图生成完毕。
Dustin 早期的 Kontext 实验是他们决定投入方向的一个好例子。他猜想,一个能画出“戴帽子的狗”的图像模型,对帽子的位置已经有了一些认知。他和一位同事收集了一小组标注了物体关系关系的照片,只用几小时的训练就让模型把 logo 画到了衬衫上。效果很粗糙,但足以拿去下一次 offsite 讨论。此后团队在数据和模型上花了好几个月。FLUX Kontext examples
我最喜欢的一个用户故事出现在临近尾声的部分。有人拿着一张张陈旧破损的老照片投喂给 FLUX,经过修复后,他们把这些照片展示给家人看。Dustin 表示,他起初并未预料到这种用途。在讨论了如何在多次编辑和多个帧之间保持人物身份一致性之后,这真是一个美好的例子,展示了真正懂行的人会注意到你做得有多精准。
SponsoredYour sponsor ad here触达正在构建下一个 AI 前沿的工程团队。Latent Space 的读者群体包括正在交付 AI 智能体、模型及基础设施的从业者。若您有意赞助此广告位,请垂询。
business@latent.space →节目备注
BFL 阐述了在训练过程中,静态图像、移动相机轨迹以及音轨各自所起的作用。FLUX 3 发布及研究概览
观看并聆听音视频同步生成的效果展示。FLUX 3 视频演示
了解实验室如何教导模型在对图像做出指定修改的同时,保留其余部分的原始状态。FLUX Kontext 示例
Andreas Blattmann 是 Stable Diffusion 的联合创始人,也是其背后潜扩散方法的共同发明者。嘉宾简介 · 原始研究
Dustin Podell 主导了 FLUX Kontext 项目,同时也是 SDXL 的第一作者。Dustin 的项目履历 · FLUX Kontext · SDXL
Latent Space 的第一篇文章源自 Stable Diffusion 的发布。Multiverse, not Metaverse
章节
0:00 主持人介绍
3:39 冷开场
4:23 Black Forest 的渊源
9:23 Dustin 的人生路径
17:04 视觉智能
27:38 SDXL 内幕
33:59 学习运动
39:57 Flow matching
46:57 创立 BFL
50:36 Deepgram 赞助时段
51:43 FLUX 的早期应用场景
54:58 用 Kontext 进行编辑
1:03:15 训练数据
1:07:32 测试编辑功能
1:13:12 自回归
1:20:50 世界动作模型
1:30:08 2027 年的机器人技术
1:32:16 谁在使用 FLUX?
把握趋势,抢先一步。
将新颖观点、独家报道和深度对话直接送达你的收件箱。
订阅 Latent Space下一站 · 伦敦AI Engineer Europe 20272 月 17 日–19 日 · 伦敦 ExCeL欧洲旗舰级 AI 技术大会为期三天归来,汇集全球顶尖的 AI 实验室、平台与工具,赋能欧洲开发者。
购票人气排行
近 30 天累计- 1Claude Mods:让框架反向驾驭模型
- 2斯坦福如何教授 AI 原生工程 — Mihail Eric, Monaco
- 3Anthropic 如何使用 Claude 开发 Claude:大脑与双手的分离
- 4Jev 革命:工程师正在基于 System One 模型构建什么
- 5AI 正在变擅长数学,原因在此
- 12025 AI 工程师阅读清单
- 2品味是你的护城河 — 对话 Figma 的 Dylan Field
- 3AI 工程师的崛起
- 4o1 不是聊天模型(这正是重点所在)
- 5GPT-5 上手体验:欢迎来到石器时代
Latent Space 的读者是那些正在发布 Agent、模型和基础设施的人。欢迎咨询赞助这个位置。
business@latent.space →继续探索
往期存档在存档 →中查看更多文章与对话。

由 AI 工程师撰写,为 AI 工程师服务。原创分析、播客以及每日 AI 新闻简报。
订阅探索
文章AI 新闻播客YouTube往期存档Wiki社区
社区 AI 新闻Latent Space 社区AI Engineer 大会订阅通讯成为付费会员关于我们收听与关注
Apple PodcastsSpotifyYouTubeX / TwitterRSS 订阅播客 RSS© 2026 Latent Space与我们见面服务状态隐私政策服务条款×面向 AI 工程师的出版物推动 AI 前进的对话。
认识正在构建 AI 的人,然后深入了解。
获取通讯 ↓Mark ZuckerbergMeta
Satya NadellaMicrosoft
Cat WuAnthropic
Boris ChernyAnthropic
Diogo AlmeidaTypeSafe
Jeff DeanGoogle
George Hotztiny corp
Noam BrownOpenAI
Katelyn LesseAnthropic
Dylan PatelSemiAnalysisGreg BrockmanOpenAIThariq ShihiparAnthropicMarc Andreessena16z探索对话 ↗嘉宾及其录制时所属机构。←→加入 Latent Space.
用 Google 登录,或通过邮件订阅 newsletter。
选择你的订阅内容全部 newsletterLatent Space每周 2–3 期AI 工程领域的洞见与对话。浏览示例 ↗Greg BrockmanOpenAIThariq ShihiparAnthropicMarc Andreessena16z×本期对话OpenAI 的 AGI 之路
与 Greg Brockman 聊聊 OpenAI 通向 AGI 的路径,以及我们对 GPT-5、Codex 和 agentic coding 转型的分析。
阅读全文 ↗观看节目 ↗×本期对话Claude Code 的新时代
Thariq Shihipar 谈 Claude Code 的下一个时代:prompt、harness、插件和 agent——以及跟上前沿需要付出什么。
阅读全文 ↗观看节目 ↗×本期对话为什么这次不一样
Marc Andreessen 谈浏览器的未来、Pi 和 OpenClaw,以及这一波 AI 为何让人感觉不同。
阅读全文 ↗观看节目 ↗AI for Science每月 2–3 期AI 如何改变科学发现。浏览示例 ↗Mark Zuckerberg & Priscilla ChanBiohub · CZIAnima AnandkumarCaltechJohn PlattGoogle×本期对话AI 能帮助治愈所有疾病吗?
Priscilla Chan 和 Mark Zuckerberg 谈 Biohub 在前沿 AI 与虚拟生物学上的规划,以及治愈和预防疾病的愿景。
阅读全文 ↗观看节目 ↗×本期对话物理学的 foundation model
Anima Anandkumar 谈对物理世界的建模——从天气到核聚变反应堆——以及为什么物理学需要的远不止语言模型。
阅读文章 ↗观看视频 ↗×来自对话AI 科学家
John Platt 谈自动化科研、应对气候变化,以及下一代如何在 AI 时代做出贡献。
阅读文章 ↗观看视频 ↗AINews每工作日推送当天的核心 AI 资讯。查看示例 ↗查看示例 ↗MCP Apps查看示例 ↗AI 孵化器查看示例 ↗Kimi K2.5×来自简报Claude 内置应用登场
Anthropic 通过开放的 MCP 标准,将交互式应用引入 Claude,打造更丰富的 AI 界面。
阅读本期简报 ↗×来自简报Sam Altman 的 AI 孵化器
从 Sam Altman 的公开对话中解读 AI 时代的创业之道。
阅读本期简报 ↗×来自简报Kimi K2.5 提升开源模型标杆
Moonshot 推出的多模态模型具备具备竞争力的编码能力、原生图像视频理解及并行智能体功能。
阅读本期简报 ↗正在加载 Google 登录…
或通过邮箱订阅邮箱地址免费订阅免费。随时更改偏好设置或取消订阅。
探索 Latent Space Pro →通过邮箱获取完整工作日 AINews。支持我们的工作。选择你的订阅内容全部通讯Latent Space每周 2–3 期AI 工程洞察与深度对话。查看示例 ↗Greg BrockmanOpenAIThariq ShihiparAnthropicMarc Andreessena16z×来自对话OpenAI 通往 AGI 之路
与 Greg Brockman 对话,探讨 OpenAI 迈向 AGI 的路径,并分享我们对 GPT-5、Codex 及向智能体编码转变的分析。
阅读全文 ↗观看节目 ↗×来自本期对话Claude Code 的下一个时代
Thariq Shihipar 谈 Claude Code 的下一阶段:prompt、harness、插件与 agent——以及跟上前沿需要付出什么。
阅读全文 ↗观看节目 ↗×来自本期对话为什么这次不一样
Marc Andreessen 谈浏览器的未来、Pi 与 OpenClaw,以及这一波 AI 为何感觉截然不同。
阅读全文 ↗观看节目 ↗AI for Science每月两到三期探索 AI 如何改变科学发现。浏览示例 ↗Mark Zuckerberg & Priscilla ChanBiohub · CZIAnima AnandkumarCaltechJohn PlattGoogle×来自本期对话AI 能帮助治愈所有疾病吗?
Priscilla Chan 与 Mark Zuckerberg 谈 Biohub 在前沿 AI 与虚拟生物学上的规划,以及治愈或预防疾病的雄心。
阅读全文 ↗观看节目 ↗×来自本期对话物理世界的基础模型
Anima Anandkumar 谈为物理世界建模——从天气到核聚变反应堆——以及为什么物理学需要的不只是语言模型。
阅读全文 ↗观看节目 ↗×来自本期对话AI 科学家
John Platt 谈科学自动化、应对气候变化,以及新一代人如何在 AI 时代做出贡献。
阅读完整故事 ↗ 观看本期节目 ↗ AINews 每周五个工作日 每日 AI 要闻速递。浏览样本 ↗ 阅读样本 ↗ MCP 应用 阅读样本 ↗ AI 加速器 阅读样本 ↗ Kimi K2.5 × 来自简报应用进入 Claude
Anthropic 通过开放的 MCP 标准将交互式应用引入 Claude,实现更丰富的 AI 界面。
阅读该期 ↗ × 来自简报Sam Altman 的 AI 加速器
Sam Altman 的全体员工大会揭示了 AI 时代如何构建创业公司。
阅读该期 ↗ × 来自简报Kimi K2.5 提升开源模型门槛
Moonshot 的多模态模型带来具备竞争力的代码能力、原生的图像与视频理解功能,以及并行智能体支持。
阅读该期 ↗取消全选即可创建不接收新闻邮件的账户。
完成 邮件偏好设置 订阅新闻邮件 注销 登录以管理偏好 使用其他邮箱 助我们把邮件送达您的收件箱。我们近期更换了邮件服务商。请在您的收件箱、垃圾邮件或促销文件夹中查找来自 Latent Space 的邮件。如果邮件被归类为垃圾邮件,请标记为“非垃圾邮件”,然后将其移至收件箱。这将有助于未来的邮件顺利送达。
继续探索
发现我们推荐的技术类新闻邮件,然后探索 Latent Space 会员权益。这两项均为可选。
发现新闻邮件 查看付费方案 继续阅读您的新闻邮件选择是可选的。 我们如何使用您的账户数据。
请启用 JavaScript 以登录或订阅。您仍可以 阅读文章。