Ebben a részletes áttekintésben elsőként a Black Forest Labs legújabb fejlesztése, a Flux 2 kerül bemutatásra, amelyet az open-source címre is esélyesnek tartanak. A fejlesztés múltjába is betekintést kaphatunk, valamint szó esik a különböző Flux verziókról és azok egyedi funkcióiról is, például a JSON promptolás lehetőségéről vagy a hex színek kezeléséről.
Tesztek során a modell realisztikus képgeneráló képességeit, valamint olyan részletek visszaadását vizsgálják, mint a kezek, textúrák vagy fény-árnyék viszonyok. Különféle jelenetek – űrhajós egy párizsi kávézóban, kalózos kocsmajelenet, FBI ügynök – mutatják be, mennyire tud a Flux 2 eltérő stílusokat és karaktereket hűen visszaadni, főleg referencia képek használatával.
Összehasonlítás is történik a Flux 2 és a Nano Banana Pro között, különös tekintettel a karakterek helyzetének, színvilágának és a többképes referenciák felhasználásának kezelésére. Kiderül, milyen esetekben teljesít jobban egyik vagy másik modell, valamint az is, hogyan reagálnak a generátorok speciális feladatokra – például a képi perspektíva forgatására.
A videó második felében új, nyílt forráskódú videómodellekről is szó esik, például a Hunan Video 1.5-ről, amely kevesebb hardverigény mellett is elérhető, illetve érintik az éppen csak Kínában hozzáférhető Cadream Lab nevű modellt is. Egy titokzatos új szereplő, a Whisper Thunder AI video modell is feltűnik, amely meggyőzően teljesít különleges feladatoknál, mint például komplex mozgások és vizuális átalakulások generálása.
Az anyag folyamatosan kérdéseket vet fel arra vonatkozóan, hogy miként alakulhat az open-source generatív modellek versenye, melyik rendszer milyen előnyöket és kompromisszumokat hoz, illetve mire számíthatunk a közeljövőben.
