FLUX 3 vs FLUX 2: imágenes, vídeo, audio y diferencias clave
Compara FLUX 3 y FLUX 2 en generación de imágenes, edición, vídeo, audio nativo, arquitectura, acceso a modelos y disponibilidad de la API.
La mayor diferencia entre FLUX 3 y FLUX 2 no es una mejora de calidad convencional. FLUX 2 es una familia de generación y edición de imágenes. FLUX 3 es un modelo fundacional multimodal que se amplía al vídeo, el audio nativo y la predicción de acciones, al tiempo que conserva la generación y edición de imágenes.
FLUX 2 ofrece API de imagen de producción; PoYo ahora también ofrece cinco flujos FLUX 3 de vídeo con audio nativo, entradas visuales, extensión y fotogramas clave.
FLUX 3 vs FLUX 2 de un vistazo
| Característica | FLUX 2 | FLUX 3 |
|---|---|---|
| Enfoque principal | Generación y edición de imágenes | Generación y comprensión multimodales unificadas |
| Entradas | Texto y referencias de imagen | Texto, imágenes y referencias de vídeo |
| Generación de imágenes | Sí | Sí |
| Edición de imágenes | Sí | Sí |
| Generación de vídeo | No | Sí |
| Audio nativo | No | Sí |
| Vídeo a vídeo | No | Anunciado |
| Fotograma clave a vídeo | No | Anunciado |
| Diálogo multilingüe | No | Anunciado |
| Predicción de acciones | No | Anunciada mediante variantes especializadas |
| Pesos abiertos | Variantes de FLUX.2 Klein disponibles | FLUX 3 Dev anunciado, aún no publicado |
| Estado en PoYo | API de imagen disponible | Cinco flujos de vídeo disponibles |
Objetivos de producto diferentes
FLUX 2 está diseñado en torno a la síntesis y edición de imágenes de alta calidad. Su familia de modelos incluye variantes centradas en la calidad, flexibles y rápidas para distintos flujos de trabajo de imágenes.
FLUX 3 utiliza una arquitectura compartida para imágenes, vídeo y audio. Black Forest Labs sostiene que aprender las modalidades conjuntamente crea una mejor representación del mundo: estructura espacial a partir de las imágenes, movimiento y cambios físicos a partir del vídeo, y pistas causales a partir del sonido.
El resultado es una plataforma más amplia, no un reemplazo directo para todos los endpoints de imágenes de FLUX 2.
Arquitectura: modelo de imágenes frente a modelo multimodal
FLUX 2 es una familia de modelos de imágenes basada en flow matching. Acepta texto y, para los flujos de edición, referencias de imagen con las que genera o modifica imágenes estáticas.
FLUX 3 se basa en la investigación Self-Flow de BFL y en un transformador multimodal. Los codificadores y decodificadores independientes conectan imágenes, vídeo, audio y posibles señales de acción con un modelo compartido.
Esta arquitectura está concebida para admitir tanto generación como comprensión. También permite que el conocimiento aprendido en una modalidad mejore otra. Por ejemplo, el vídeo puede enseñar al modelo cómo se mueve un objeto, mientras que el audio puede aportar evidencias sobre el contacto, el impacto y el comportamiento de los materiales.
Generación y edición de imágenes
Ambas generaciones abarcan la síntesis y edición de imágenes, pero su disponibilidad es diferente.
FLUX 2
FLUX 2 es la opción práctica cuando un flujo de trabajo de producción necesita:
- Generación de texto a imagen ahora
- Control mediante múltiples referencias de imagen
- Edición de imágenes guiada por prompts
- Variantes de modelo y resoluciones definidas
- Formatos de solicitud de API y precios conocidos
Actualmente, PoYo admite las variantes FLUX 2 Pro, Pro Edit, Flex y Flex Edit en la página de la API de FLUX 2.
FLUX 3
Black Forest Labs afirma que FLUX 3 Image mejora:
- La gestión de prompts complejos
- La generación de texto multilingüe
- La diversidad de estilos
- La compatibilidad con distintas relaciones de aspecto y resoluciones
- La edición de imágenes
Sin embargo, BFL todavía no ha publicado una comparación pública estandarizada entre los endpoints finales de FLUX 3 Image y la familia completa de FLUX 2. Sería prematuro afirmar que FLUX 3 supera a FLUX 2 en todas las tareas de imágenes.
El vídeo es la mejora definitoria de FLUX 3
FLUX 2 no genera vídeo. FLUX 3 Video añade:
- Texto a vídeo
- Imagen a vídeo
- Vídeo a vídeo
- Continuación de vídeo y audio
- Fotograma clave a vídeo
- Control de personajes y estilos basado en referencias
- Clips de hasta 20 segundos
- Encadenamiento agéntico en secuencias de múltiples planos
Esto hace que FLUX 3 sea relevante para otro conjunto de flujos de trabajo de producción, incluidos la publicidad, los vídeos narrativos cortos, el diseño animado y la previsualización audiovisual.
El audio nativo cambia el flujo de trabajo
Un flujo de trabajo convencional de vídeo con IA puede generar metraje sin sonido y utilizar después herramientas independientes para el habla, los efectos de sonido, el ambiente y la música.
FLUX 3 genera vídeo y audio conjuntamente. BFL destaca:
- Sonidos físicos alineados con los eventos visibles
- Diálogo multilingüe
- Expresiones faciales y habla
- Continuación de vídeo y audio
- Consistencia del audio durante el movimiento generado
El audio nativo no elimina la necesidad de revisión ni de diseño sonoro. Cambia el punto de partida al producir una escena audiovisual en lugar de un clip sin sonido.
Control mediante referencias
FLUX 2 utiliza texto y referencias de imagen para la generación y la edición. Es adecuado para imágenes de productos, conceptos de personajes, composición y cambios visuales controlados.
FLUX 3 amplía el control mediante referencias al vídeo:
- Utilizar una imagen como fotograma inicial
- Utilizar imágenes como referencias de identidad o estilo
- Transferir elementos centrales de un vídeo a otro
- Continuar un clip audiovisual
- Definir los momentos inicial y final mediante fotogramas clave
PoYo admite una imagen fuente, dos imágenes de inicio/fin, hasta diez fotogramas clave y un MP4 para extensión. Consulta la documentación.
Acceso a modelos y pesos abiertos
FLUX 2 ya incluye opciones publicadas de API y pesos abiertos. FLUX.2 Klein, por ejemplo, está orientado a la generación local o alojada de alta velocidad, bajo licencias y requisitos publicados.
Para FLUX 3, BFL ha anunciado:
- FLUX 3 Image mediante API y pesos privados
- FLUX 3 Video mediante API y pesos privados
- FLUX 3 Dev como base multimodal con pesos abiertos
- FLUX 3 Action a través de socios seleccionados
Los pesos de FLUX 3 Dev, la licencia, la ubicación de descarga y los requisitos del sistema siguen siendo desconocidos.
Disponibilidad y precios
Ambas familias están disponibles en PoYo para trabajos distintos: FLUX 2 para imágenes y FLUX 3 para cinco flujos de vídeo.
Los flujos estándar cuestan 34 créditos por segundo a 720p o 58 a 1080p; la extensión cuesta 82 o 106. Consulta la documentación.
El lanzamiento actual de PoYo es la familia de vídeo FLUX 3; Image, Action y Dev no forman parte de estos endpoints.
¿Qué modelo deberías elegir?
Elige FLUX 2 cuando:
- Necesites una API de imágenes para producción ahora.
- Tu resultado sea una imagen estática.
- Necesites edición de imágenes basada en referencias.
- Requieras precios y parámetros de solicitud conocidos.
- Quieras probar varias variantes centradas en imágenes.
Sigue la evolución de FLUX 3 cuando:
- Necesites vídeo con audio nativo.
- Tu flujo de trabajo combine referencias de texto, imágenes y vídeo.
- Quieras continuación de vídeo o transiciones mediante fotogramas clave.
- El diálogo multilingüe sea importante.
- Estés investigando modelos multimodales del mundo o predicción de acciones.
Utiliza ambos cuando:
FLUX 2 puede seguir siendo la capa estable de producción de imágenes mientras un equipo evalúa FLUX 3 para nuevos flujos de trabajo audiovisuales. FLUX 3 no tiene por qué sustituir a un pipeline de imágenes que ya funciona desde el primer día.
Preguntas frecuentes
¿Es FLUX 3 mejor que FLUX 2?
FLUX 3 tiene un conjunto de capacidades mucho más amplio, pero todavía no hay suficientes pruebas públicas e independientes para afirmar que sea mejor en todas las tareas de generación o edición de imágenes.
¿FLUX 2 admite vídeo?
No. FLUX 2 es una familia de generación y edición de imágenes.
¿FLUX 3 sigue generando imágenes?
Sí. FLUX 3 Image admite la síntesis y edición de imágenes, además de las nuevas capacidades de vídeo, audio y acciones.
¿FLUX 3 sustituirá a FLUX 2?
En PoYo se complementan: FLUX 2 cubre imágenes de producción y FLUX 3 cinco flujos de vídeo.
¿FLUX 3 es de código abierto?
Se ha anunciado una base de FLUX 3 Dev con pesos abiertos, pero todavía no se ha publicado.
¿Qué modelo está disponible en PoYo?
Ambos están disponibles. Elige FLUX 2 para imágenes o FLUX 3 para vídeo con audio nativo.
Conclusión
FLUX 2 y FLUX 3 no deben entenderse únicamente como un modelo de imágenes antiguo y otro nuevo. Representan dos alcances de producto:
- FLUX 2: generación y edición de imágenes centradas en la producción
- FLUX 3: una base multimodal para imágenes, vídeo, audio nativo y acciones
FLUX 2 sigue siendo la opción para imágenes; los cinco flujos de vídeo FLUX 3 ya están disponibles.
Lee la guía de FLUX 3, la guía de vídeo o usa FLUX 3.
Fuentes: Anuncio de FLUX 3 de Black Forest Labs, Anuncio de FLUX.2 de Black Forest Labs
