FLUX 3: billede, video, lyd og alt, hvad vi ved

Black Forest Labs annoncerede FLUX 3 den 23. juli 2026. Det er den største ændring af FLUX-modelfamilien til dato: i stedet for kun at fokusere på billedgenerering og redigering er FLUX 3 en multimodal fundamentmodel, der er trænet på billeder, video, lyd og handling.

FLUX 3 er nu tilgængelig på PoYo gennem fem produktionsarbejdsgange for video: tekst til video, billede til video, generering ud fra første og sidste billedramme, videoforlængelse og placerede keyframes. Siden om FLUX 3 API på PoYo har den aktive generator, model-ID'er, understøttede kontroller og priser.

Denne guide holder det, Black Forest Labs officielt har annonceret, adskilt fra de detaljer, der stadig er ukendte.

FLUX 3 i overblik

Hvad er FLUX 3?

FLUX 3 er en samlet multimodal model. Black Forest Labs oplyser, at den er trænet på billeder, videoer og lyd samtidig, så modaliteterne begrænser og informerer hinanden.

Et billede beskriver rumlig struktur. Video tilføjer tid og bevægelse. Lyd giver oplysninger om hændelser og fysiske interaktioner. Sprog binder de signaler sammen med instruktioner og abstrakte mål. FLUX 3 er designet til at lære en fælles repræsentation og ikke til at behandle hvert medie som en isoleret genereringsopgave.

Det er en anden produktretning end FLUX 2, som primært er en familie til billedgenerering og redigering. FLUX 3 genererer og redigerer stadig billeder, men producerer også video med indbygget lyd og udgør et fundament for forudsigelse af handling.

FLUX 3-modelfamilien

Black Forest Labs har annonceret fire store anvendelser af FLUX 3-fundamentet.

FLUX 3 Image

FLUX 3 Image dækker billedsyntese og redigering gennem API'er og privat adgang til vægtene. BFL oplyser, at modellen håndterer forskellige stilarter, billedformater og opløsninger, følger komplekse prompts mere præcist og forbedrer flersproget tekstgengivelse.

FLUX 3 Video

FLUX 3 Video genererer og redigerer video med indbygget lyd. Den accepterer tekst, billeder og videoreferencer og understøtter flere arbejdsgange, bl.a. fortsættelse og generering styret af keyframes.

FLUX 3 Dev

FLUX 3 Dev er den annoncerede multimodale rygrad med åbne vægte. BFL beskriver den som et fundament for indholdsskabelse og forudsigelse af handling. Virksomheden har endnu ikke offentliggjort vægtene, licensen, hardwarekravene eller udgivelsesdatoen.

FLUX 3 Action og FLUX-mimic

FLUX 3 understøtter også forudsigelse af handling gennem udvalgte forsknings- og kommercielle partnere. FLUX-mimic, der er udviklet sammen med mimic robotics, anvender modellens visuelle verdensrepræsentation på robothandlinger. Det er en specialiseret retning inden for forskning og industri og ikke en billed- eller videogenerator til forbrugere.

FLUX 3's billedfunktioner

FLUX 3 er stadig en stor billedmodel, selv om dens rækkevidde er bredere end i tidligere FLUX-udgivelser.

Black Forest Labs har annonceret:

• Generering af tekst til billede
• Billedredigering
• Flere visuelle stilarter og billedformater
• Flere outputopløsninger
• Bedre håndtering af komplekse prompts
• Mere præcis flersproget tekstgenerering
• Adgang via API og private vægte

De officielle eksempler spænder fra fotorealistiske close-ups og produktagtige studiebilleder til malerier og flade illustrationer. De viser stilmæssig bredde, men er udvalgte lanceringseksempler og ikke et uafhængigt mål for konsistens.

Vigtige oplysninger om produktion mangler stadig. BFL har ikke offentliggjort de endelige parametre for FLUX 3 Image API, den maksimale opløsning, svartiden, hastighedsgrænserne eller prisen.

FLUX 3's videofunktioner

FLUX 3 kan generere videoer med lyd på op til 20 sekunder i én generering. De annoncerede arbejdsgange omfatter:

• Tekst til video: opret et komplet klip ud fra en skriftlig beskrivelse.
• Billede til video: animér en startbilledramme, eller brug billeder som visuelle referencer.
• Video til video: overfør karakterer, motiver eller visuelle elementer fra et kildeklip til en anden scene.
• Fortsættelse af video og lyd: forlæng en eksisterende audiovisuel sekvens.
• Keyframe til video: generér kontrollerede overgange mellem definerede øjeblikke.
• Flersproget dialog: generér talt indhold på flere sprog.
• Kædning af flere optagelser: forbind klip til længere sekvenser med en agentisk arbejdsgang.
• Animeret typografi: skab motion design og animeret tekst.

Modellens lyd er indbygget og ikke tilføjet som et separat efterbehandlingstrin. Det er vigtigt ved hændelser, hvor lyd, bevægelse og timing skal passe sammen.

Sådan passer Self-Flow ind i FLUX 3

FLUX 3 bygger på Self-Flow, en metode udviklet af Black Forest Labs til at afstemme multimodal generering og forståelse i én arkitektur.

BFL's foreløbige forskning sammenligner Self-Flow med konventionel flow matching på tværs af generering af billede, video og lyd. Virksomheden melder om lavere normaliseret genereringsfejl og hurtigere læring på efterfølgende manipulationsopgaver.

Disse resultater er med til at forklare arkitekturen, men de bør ikke tolkes som et fuldstændigt offentligt benchmark af de endelige FLUX 3-produkter. Modellen og evalueringsværktøjerne er stadig under udvikling.

Tidlige evalueringer af FLUX 3 Video

Black Forest Labs offentliggjorde foreløbige resultater af menneskelige præferencer for klip med lyd på 10 sekunder i 720p genereret fra tekst. I virksomhedens tests blev FLUX 3 foretrukket frem for:

• Grok Imagine Video i op til 69 % af sammenligningerne
• Kling v3 Pro i 60 %
• Happy Horse v1 i 59 %
• Happy Horse 1.1 i 57 %
• Seedance 2.0 og Gemini Omni Flash i 52 %
• Runway Gen-4.5 i 77 %
• Luma Ray 3.2 i 93 %

Det er tidlige evalueringer offentliggjort af udbyderen og ikke en uafhængig rangliste. BFL siger udtrykkeligt, at modellen og evalueringsopsætningen stadig udvikler sig. Valg af prompts, samplingindstillinger, bedømmere og de konkurrerende modelversioner kan alle påvirke præferenceresultaterne.

FLUX 3's tilgængelighed på PoYo

PoYo udstiller i øjeblikket fem model-ID'er til video i produktion:

• flux-3/text-to-video
• flux-3/image-to-video
• flux-3/first-last-frame-to-video
• flux-3/extend-video
• flux-3/keyframes-to-video

Disse arbejdsgange genererer klip på 5-20 sekunder i 720p eller 1080p, understøtter otte billedformater og kan skabe synkroniseret indbygget lyd. Standardarbejdsgange koster 34 kreditter pr. sekund i 720p eller 58 kreditter pr. sekund i 1080p. Videoforlængelse koster henholdsvis 82 eller 106 kreditter pr. sekund.

Denne lancering gælder PoYo's videoarbejdsgange med FLUX 3. FLUX 3 Image, Action og rygraden FLUX 3 Dev med åbne vægte er fortsat separate dele af BFL's bredere køreplan; PoYo præsenterer dem ikke som en del af den aktuelle udgivelse af video-API'en. Se dokumentationen til FLUX 3 API for aktuelle forespørgselsfelter og grænser.

Anvendelser af FLUX 3

Billedgenerering og redigering

FLUX 3 Image kan måske understøtte produktvisuals, redaktionelle illustrationer, annoncering, flersproget design og redigering styret af referencer.

Korte videoer med synkroniseret lyd

Indbygget audiovisuel generering er nyttig til dialogscener, produktdemonstrationer, klip til sociale medier, animerede designs og historiekoncepter, hvor lyden skal passe til handlingen.

Kontinuitet i karakterer og stil

Billed- og videoreferencer kan overføre et centralt motiv eller et visuelt sprog til nye scener. Kædning af flere optagelser kan udvide det til længere sekvenser.

Previsualisering

Keyframes, referenceklip og billedinput kan hjælpe kreative teams med at udforske overgange, kamerabevægelser og scenestruktur før konventionel produktion.

Forskning i fysisk AI

FLUX 3's fælles verdensrepræsentation kan også tilpasses til forudsigelse af handling, som samarbejdet om FLUX-mimic viser.

Ofte stillede spørgsmål

Er FLUX 3 udgivet?

Black Forest Labs annoncerede FLUX 3 den 23. juli 2026. PoYo tilbyder nu fem produktionsendpoints til video, som dækker tekst, billeder, første og sidste billedramme, forlængelse af kildevideo og placerede keyframes.

Er FLUX 3 en billedmodel eller en videomodel?

Det er en multimodal fundamentmodel. De annoncerede varianter dækker billedgenerering og redigering, video med indbygget lyd og forudsigelse af handling.

Genererer FLUX 3 lyd?

Ja. FLUX 3 Video genererer indbygget lyd sammen med video og understøtter flersproget dialog.

Hvor lange kan videoer fra FLUX 3 være?

PoYo accepterer varigheder som heltal fra 5 til og med 20 sekunder og understøtter output i 720p og 1080p.

Er FLUX 3 open source?

BFL har annonceret en rygrad, FLUX 3 Dev, med åbne vægte, men vægtene, licensen og udgivelsesdatoen er endnu ikke offentliggjort.

Er FLUX 3 API tilgængelig på PoYo?

Ja. Brug modelsiden for FLUX 3, eller integrér et af de fem dokumenterede model-ID'er til video på PoYo.

Hvordan adskiller FLUX 3 sig fra FLUX 2?

FLUX 2 fokuserer på billedgenerering og redigering. FLUX 3 udvider familien til en samlet model til billeder, video, indbygget lyd og forudsigelse af handling. Se den detaljerede sammenligning af FLUX 3 vs FLUX 2.

Det vigtigste at tage med

FLUX 3 er ikke blot endnu en opgradering af en billedmodel. Den forvandler FLUX fra en familie med fokus på billeder til en multimodal platform, der er designet til at forbinde visuelt udseende, bevægelse, lyd og fysisk adfærd.

De mest interessante evner er tydelige: indbygget audiovisuel generering, referencestyret video, flersproget dialog, stærkere typografi og en fælles arkitektur, der strækker sig mod forudsigelse af handling. PoYo gør nu de fem udgivne arbejdsgange for video tilgængelige med dokumenterede model-ID'er, kontroller og priser pr. sekund.

Brug PoYo's modelside for FLUX 3 til at generere video nu, eller læs API-dokumentationen, før du integrerer. Behandl fortsat de uudgivne detaljer om Image, Action og Dev adskilt fra de endpoints til video, der er tilgængelige i dag.

Kilder: Black Forest Labs FLUX 3 announcement, FLUX 3 x mimic