Den største forskel mellem FLUX 3 og FLUX 2 er ikke en almindelig kvalitetsopgradering. FLUX 2 er en familie til billedgenerering og billedredigering. FLUX 3 er en multimodal fundamentmodel, der udvider sig til video, indbygget lyd og handlingsforudsigelse og samtidig beholder billedgenerering og redigering.
Den forskel ændrer også, hvilken model der giver mening i dag. FLUX 2 har billed-API'er til produktion og veldefinerede varianter, mens PoYo nu tilbyder fem produktionsworkflows til FLUX 3-video med indbygget lyd, visuelle input, forlængelse og keyframe-kontrol.
FLUX 3 vs FLUX 2 i overblik
| Funktion | FLUX 2 | FLUX 3 |
|---|---|---|
| Hovedfokus | Billedgenerering og billedredigering | Samlet multimodal generering og forståelse |
| Input | Tekst og billedreferencer | Tekst, billeder og videoreferencer |
| Billedgenerering | Ja | Ja |
| Billedredigering | Ja | Ja |
| Videogenerering | Nej | Ja |
| Indbygget lyd | Nej | Ja |
| Video til video | Nej | Annonceret |
| Keyframes til video | Nej | Annonceret |
| Flersproget dialog | Nej | Annonceret |
| Handlingsforudsigelse | Nej | Annonceret via specialiserede varianter |
| Åbne vægte | FLUX.2 Klein-varianter tilgængelige | FLUX 3 Dev annonceret, endnu ikke udgivet |
| Status på PoYo | Billed-API tilgængelig | Fem videoworkflows tilgængelige |
Forskellige produktmål
FLUX 2 er designet omkring billedsyntese og billedredigering i høj kvalitet. Modelfamilien omfatter varianter med fokus på kvalitet, fleksibilitet og hastighed til forskellige billedworkflows.
FLUX 3 bruger en fælles arkitektur på tværs af billeder, video og lyd. Black Forest Labs mener, at modaliteterne giver en bedre repræsentation af verden, når de læres sammen: rumlig struktur fra billeder, bevægelse og fysisk forandring fra video og årsagssammenhænge fra lyd.
Resultatet er en bredere platform og ikke en direkte erstatning for alle FLUX 2-endpoints til billeder.
Arkitektur: billedmodel vs multimodal model
FLUX 2 er en familie af flow matching-billedmodeller. Den accepterer tekst og, i redigeringsworkflows, billedreferencer for at generere eller ændre stillbilleder.
FLUX 3 bygger på BFL's Self-Flow-forskning og en multimodal transformer. Separate kodere og dekodere forbinder billeder, video, lyd og potentielt handlingssignaler med en fælles model.
Arkitekturen er tænkt til at understøtte både generering og forståelse. Den gør det også muligt for viden fra én modalitet at forbedre en anden. Video kan for eksempel lære modellen, hvordan et objekt bevæger sig, mens lyd kan give indikationer om kontakt, stød og materialers opførsel.
Billedgenerering og redigering
Begge generationer dækker billedsyntese og redigering, men tilgængeligheden er forskellig.
FLUX 2
FLUX 2 er det praktiske valg, når et produktionsworkflow har brug for:
- Tekst til billede-generering nu
- Billedkontrol med flere referencer
- Promptstyret billedredigering
- Definerede modelvarianter og opløsninger
- Kendte API-anmodningsformater og priser
PoYo understøtter i øjeblikket varianterne FLUX 2 Pro, Pro Edit, Flex og Flex Edit på API-siden for FLUX 2.
FLUX 3
Black Forest Labs siger, at FLUX 3 Image forbedrer:
- Håndtering af komplekse prompts
- Flersproget tekstgenerering
- Stilmæssig bredde
- Understøttelse af forskellige billedformater og opløsninger
- Billedredigering
BFL har dog ikke udgivet en standardiseret, offentlig sammenligning mellem de endelige FLUX 3 Image-endpoints og hele FLUX 2-familien. Det ville være for tidligt at hævde, at FLUX 3 vinder på alle billedopgaver.
Video er den afgørende opgradering i FLUX 3
FLUX 2 genererer ikke video. FLUX 3 Video tilføjer:
- Tekst til video
- Billede til video
- Video til video
- Fortsættelse af video og lyd
- Keyframes til video
- Referencestyret kontrol over figurer og stil
- Klip på op til 20 sekunder
- Agentisk kædning til sekvenser med flere optagelser
Det gør FLUX 3 relevant for en anden række produktionsworkflows, blandt andet reklame, korte fortællende videoer, animeret design og audiovisuel previsualisering.
Indbygget lyd ændrer workflowet
En konventionel AI-videopipeline genererer måske lydløse optagelser og bruger derefter separate værktøjer til tale, lydeffekter, stemning og musik.
FLUX 3 genererer video og lyd samtidig. BFL fremhæver:
- Fysiske lyde, der passer til synlige begivenheder
- Flersproget dialog
- Ansigtsudtryk og tale
- Fortsættelse af video og lyd
- Ensartet lyd på tværs af genereret bevægelse
Indbygget lyd fjerner ikke behovet for gennemgang eller lyddesign. Den ændrer udgangspunktet ved at give en audiovisuel scene i stedet for et lydløst klip.
Referencekontrol
FLUX 2 bruger tekst og billedreferencer til generering og redigering. Den egner sig til produktbilleder, figurkoncepter, compositing og kontrollerede visuelle ændringer.
FLUX 3 udvider referencekontrollen til video:
- Brug et billede som startramme
- Brug billeder som reference for identitet eller stil
- Før centrale elementer fra én video over i en anden
- Fortsæt et audiovisuelt klip
- Definér start- og slutøjeblikke med keyframes
PoYo understøtter i øjeblikket ét kildebillede til billede til video, to ordnede billeder til generering med første og sidste ramme, op til ti placerede keyframes og en MP4-kilde til videoforlængelse. Tjek dokumentationen til FLUX 3 API for de aktuelle uploadgrænser.
Adgang til modeller og åbne vægte
FLUX 2 omfatter allerede udgivne API- og open weights-muligheder. FLUX.2 Klein er for eksempel rettet mod hurtig lokal eller hostet generering under offentliggjorte licenser og krav.
For FLUX 3 har BFL annonceret:
- FLUX 3 Image via API'er og private vægte
- FLUX 3 Video via API'er og private vægte
- FLUX 3 Dev som multimodalt rygrad med åbne vægte
- FLUX 3 Action via udvalgte partnere
Vægtene til FLUX 3 Dev, licensen, downloadstedet og systemkravene er fortsat ukendte.
Tilgængelighed og priser
Begge familier er tilgængelige via PoYo, men til forskellige produktionsopgaver. FLUX 2 tilbyder dokumenterede varianter til billedgenerering og redigering. FLUX 3 tilbyder i øjeblikket fem videoworkflows: tekst til video, billede til video, generering med første og sidste ramme, videoforlængelse og placerede keyframes.
Standardvideoworkflows i FLUX 3 koster 34 kreditter pr. sekund i 720p eller 58 kreditter pr. sekund i 1080p. Forlængelse koster henholdsvis 82 og 106 kreditter pr. sekund. De udgivne PoYo model-ID'er og anmodningsfelter er opført i dokumentationen til FLUX 3 API.
Den nuværende PoYo-udgivelse er specifikt FLUX 3-videofamilien. Antag ikke, at de separate roadmap-punkter FLUX 3 Image, Action eller Dev er med i disse endpoints.
Hvilken model skal du vælge?
Vælg FLUX 2, når:
- Du har brug for en billed-API til produktion nu.
- Dit output er et stillbillede.
- Du har brug for billedredigering baseret på referencer.
- Du kræver kendte priser og anmodningsparametre.
- Du vil teste flere billedfokuserede varianter.
Følg FLUX 3, når:
- Du har brug for video med indbygget lyd.
- Dit workflow kombinerer tekst, billeder og videoreferencer.
- Du vil have videofortsættelse eller keyframe-overgange.
- Flersproget dialog er vigtig.
- Du undersøger multimodale verdensmodeller eller handlingsforudsigelse.
Brug begge, når:
FLUX 2 kan blive ved med at være det stabile lag til billedproduktion, mens et team evaluerer FLUX 3 til nye audiovisuelle workflows. FLUX 3 behøver ikke at erstatte en fungerende billedpipeline allerede den første dag.
Ofte stillede spørgsmål
Er FLUX 3 bedre end FLUX 2?
FLUX 3 har et langt bredere funktionssæt, men der er endnu ikke nok offentlig, uafhængig testning til at sige, at den er bedre til alle opgaver inden for billedgenerering eller redigering.
Understøtter FLUX 2 video?
Nej. FLUX 2 er en familie til billedgenerering og billedredigering.
Genererer FLUX 3 stadig billeder?
Ja. FLUX 3 Image understøtter billedsyntese og redigering ved siden af de nye retninger inden for video, lyd og handling.
Kommer FLUX 3 til at erstatte FLUX 2?
BFL har ikke sagt, at FLUX 3 straks erstatter FLUX 2. På PoYo supplerer de to hinanden i øjeblikket: FLUX 2 håndterer billedworkflows i produktion, mens FLUX 3 håndterer fem videoworkflows i produktion.
Er FLUX 3 open source?
En FLUX 3 Dev-rygrad med åbne vægte er annonceret, men endnu ikke udgivet.
Hvilken model er tilgængelig på PoYo?
Begge er tilgængelige på PoYo. Vælg FLUX 2 til billedgenerering og redigering, eller FLUX 3 til de fem udgivne videoworkflows med indbygget lyd.
Konklusion
FLUX 2 og FLUX 3 skal ikke kun forstås som en gammel og en ny billedmodel. De repræsenterer to produktområder:
- FLUX 2: billedgenerering og billedredigering med fokus på produktion
- FLUX 3: et multimodalt fundament til billede, video, indbygget lyd og handling
Til de nuværende billedopgaver er FLUX 2 stadig det relevante valg. Til audiovisuel generering og multimodale referencer er de fem videoworkflows i FLUX 3 tilgængelige nu.
Læs den bredere oversigt over FLUX 3, udforsk videoguiden til FLUX 3, eller brug FLUX 3 på PoYo.
Kilder: Black Forest Labs' annoncering af FLUX 3, Black Forest Labs' annoncering af FLUX.2