Black Forest Labs a annoncé FLUX 3 le 23 juillet 2026. Il s'agit du changement le plus important apporté à la famille de modèles FLUX jusqu'à présent : au lieu de se concentrer uniquement sur la génération et la retouche d'images, FLUX 3 est un modèle de fondation multimodal entraîné sur des images, de la vidéo, de l'audio et de l'action.
FLUX 3 est désormais disponible sur PoYo avec cinq workflows vidéo de production : texte-vers-vidéo, image-vers-vidéo, première/dernière image, extension vidéo et images-clés positionnées. La page FLUX 3 fournit le générateur, les identifiants, les paramètres et les prix.
Ce guide distingue les informations officiellement annoncées par Black Forest Labs des détails qui restent inconnus.
FLUX 3 en un coup d'œil
| Fonctionnalité | Informations officiellement annoncées |
|---|---|
| Développeur | Black Forest Labs |
| Date d'annonce | 23 juillet 2026 |
| Statut actuel | Cinq workflows vidéo disponibles sur PoYo |
| Modalités | Prédiction d'images, de vidéo, d'audio et d'actions |
| Entrées | Texte, images et références vidéo |
| Capacités d'image | Génération et retouche |
| Capacités vidéo | Texte vers vidéo, image vers vidéo, vidéo vers vidéo, continuation et images clés |
| Audio natif | Oui |
| Durée vidéo maximale annoncée | Jusqu'à 20 secondes en une seule génération |
| Dialogue multilingue | Annoncé |
| Accès général à l'API PoYo | Disponible maintenant |
| Identifiants des modèles et tarification de l'API publique | Publiés dans la documentation et la page PoYo |
Qu'est-ce que FLUX 3 ?
FLUX 3 est un modèle multimodal unifié. Black Forest Labs indique qu'il a été entraîné simultanément sur des images, des vidéos et de l'audio, afin que les différentes modalités se contraignent et s'enrichissent mutuellement.
Une image décrit la structure spatiale. La vidéo ajoute le temps et le mouvement. L'audio fournit des informations sur les événements et les interactions physiques. Le langage relie ces signaux aux instructions et aux objectifs abstraits. FLUX 3 est conçu pour apprendre une représentation commune plutôt que de traiter chaque support comme une tâche de génération isolée.
Il s'agit d'une orientation produit différente de celle de FLUX 2, qui est principalement une famille dédiée à la génération et à la retouche d'images. FLUX 3 génère et retouche toujours des images, mais il produit également des vidéos avec de l'audio natif et fournit une base pour la prédiction d'actions.
La famille de modèles FLUX 3
Black Forest Labs a annoncé quatre applications majeures de la fondation FLUX 3.
FLUX 3 Image
FLUX 3 Image couvre la synthèse et la retouche d'images via des API et un accès privé aux poids. BFL indique que le modèle prend en charge différents styles, formats d'image et résolutions, suit plus précisément les prompts complexes et améliore le rendu de texte multilingue.
FLUX 3 Video
FLUX 3 Video génère et retouche des vidéos avec de l'audio natif. Il accepte du texte, des images et des références vidéo, et prend en charge plusieurs flux de travail, notamment la continuation et la génération contrôlée par images clés.
FLUX 3 Dev
FLUX 3 Dev est le backbone multimodal à poids ouverts annoncé. BFL le décrit comme une fondation pour la création de contenu et la prédiction d'actions. L'entreprise n'a pas encore publié ses poids, sa licence, ses exigences matérielles ni sa date de sortie.
FLUX 3 Action et FLUX-mimic
FLUX 3 prend également en charge la prédiction d'actions par l'intermédiaire de certains partenaires de recherche et commerciaux. FLUX-mimic, développé avec mimic robotics, applique la représentation visuelle du monde du modèle aux actions des robots. Il s'agit d'une orientation spécialisée pour la recherche et l'industrie, et non d'un générateur d'images ou de vidéos grand public.
Capacités d'image de FLUX 3
FLUX 3 reste un modèle d'image majeur, même si son périmètre est plus large que celui des versions précédentes de FLUX.
Black Forest Labs a annoncé :
- Génération de texte vers image
- Retouche d'image
- Plusieurs styles visuels et formats d'image
- Plusieurs résolutions de sortie
- Meilleure compréhension des prompts complexes
- Génération de texte multilingue plus précise
- Accès via API et accès privé aux poids
Les exemples officiels vont de gros plans photoréalistes et d'images de studio évoquant des photos de produits à des peintures et des illustrations plates. Ils illustrent la diversité des styles, mais il s'agit d'exemples sélectionnés pour le lancement et non d'une mesure indépendante de la cohérence.
Des détails importants pour la production manquent encore. BFL n'a pas publié les paramètres définitifs de l'API FLUX 3 Image, la résolution maximale, la latence, les limites de débit ni le prix.
Capacités vidéo de FLUX 3
FLUX 3 peut générer des vidéos avec audio d'une durée maximale de 20 secondes en une seule génération. Les flux de travail annoncés comprennent :
- Texte vers vidéo : créer un clip complet à partir d'une description écrite.
- Image vers vidéo : animer une image de départ ou utiliser des images comme références visuelles.
- Vidéo vers vidéo : transposer des personnages, des sujets ou des éléments visuels d'un clip source dans une autre scène.
- Continuation de vidéo et d'audio : prolonger une séquence audiovisuelle existante.
- Image clé vers vidéo : générer des transitions contrôlées entre des moments définis.
- Dialogue multilingue : générer du contenu parlé dans plusieurs langues.
- Enchaînement de plans multiples : relier des clips pour former des séquences plus longues à l'aide d'un flux de travail agentique.
- Typographie animée : produire du motion design et du texte animé.
L'audio du modèle est natif plutôt qu'ajouté lors d'une étape distincte de post-traitement. Cela est important pour les événements où le son, le mouvement et le timing doivent être cohérents.
Quelle est la place de Self-Flow dans FLUX 3 ?
FLUX 3 s'appuie sur Self-Flow, une méthode développée par Black Forest Labs pour aligner la génération et la compréhension multimodales au sein d'une même architecture.
Les recherches préliminaires de BFL comparent Self-Flow à l'appariement de flux conventionnel pour la génération d'images, de vidéos et d'audio. L'entreprise rapporte une erreur de génération normalisée plus faible et un apprentissage plus rapide sur les tâches de manipulation en aval.
Ces résultats aident à comprendre l'architecture, mais ils ne doivent pas être interprétés comme un benchmark public complet des produits FLUX 3 finaux. Le modèle et le dispositif d'évaluation sont encore en cours de développement.
Premières évaluations vidéo de FLUX 3
Black Forest Labs a publié des résultats préliminaires fondés sur les préférences humaines pour des clips texte vers vidéo de 10 secondes en 720p avec audio. Lors de ses tests, FLUX 3 a été préféré à :
- Grok Imagine Video dans jusqu'à 69 % des comparaisons
- Kling v3 Pro dans 60 % des cas
- Happy Horse v1 dans 59 % des cas
- Happy Horse 1.1 dans 57 % des cas
- Seedance 2.0 et Gemini Omni Flash dans 52 % des cas
- Runway Gen-4.5 dans 77 % des cas
- Luma Ray 3.2 dans 93 % des cas
Il s'agit d'évaluations préliminaires publiées par le fournisseur, et non d'un classement indépendant. BFL précise explicitement que le modèle et le dispositif d'évaluation évoluent encore. La sélection des prompts, les paramètres d'échantillonnage, les évaluateurs et les versions des modèles concurrents peuvent tous influencer les résultats de préférence.
Disponibilité de FLUX 3
PoYo fournit cinq identifiants de modèles vidéo de production :
flux-3/text-to-videoflux-3/image-to-videoflux-3/first-last-frame-to-videoflux-3/extend-videoflux-3/keyframes-to-video
Les workflows produisent des clips de 5–20 secondes en 720p ou 1080p, avec huit ratios et audio natif synchronisé. Les workflows standard coûtent 34/58 crédits par seconde ; l’extension 82/106.
Cette sortie concerne les workflows vidéo FLUX 3 de PoYo. Image, Action et Dev restent distincts. Consultez la documentation API.
Cas d'utilisation de FLUX 3
Génération et retouche d'images
FLUX 3 Image pourrait prendre en charge les visuels de produits, l'illustration éditoriale, la publicité, le design multilingue et la retouche contrôlée par références.
Vidéos courtes avec son synchronisé
La génération audiovisuelle native est utile pour les scènes dialoguées, les démonstrations de produits, les clips pour les réseaux sociaux, les designs animés et les concepts narratifs où le son doit correspondre à l'action.
Continuité des personnages et des styles
Les références d'images et de vidéos peuvent transposer un sujet central ou un langage visuel dans de nouvelles scènes. L'enchaînement de plans multiples pourrait étendre cette capacité à des séquences plus longues.
Prévisualisation
Les images clés, les clips de référence et les entrées image peuvent aider les équipes créatives à explorer les transitions, les mouvements de caméra et la structure des scènes avant une production conventionnelle.
Recherche en IA physique
La représentation commune du monde de FLUX 3 peut également être adaptée à la prédiction d'actions, comme l'illustre la collaboration FLUX-mimic.
Foire aux questions
FLUX 3 est-il sorti ?
Black Forest Labs a annoncé FLUX 3 le 23 juillet 2026. PoYo propose maintenant cinq endpoints vidéo pour texte, images, première/dernière image, extension et images-clés.
FLUX 3 est-il un modèle d'image ou de vidéo ?
Il s'agit d'un modèle de fondation multimodal. Les variantes annoncées couvrent la génération et la retouche d'images, la vidéo avec audio natif et la prédiction d'actions.
FLUX 3 génère-t-il de l'audio ?
Oui. FLUX 3 Video génère de l'audio natif avec la vidéo et prend en charge les dialogues multilingues.
Quelle peut être la durée des vidéos FLUX 3 ?
PoYo accepte des durées entières de 5 à 20 secondes, en 720p ou 1080p.
FLUX 3 est-il open source ?
BFL a annoncé un backbone FLUX 3 Dev à poids ouverts, mais les poids, la licence et la date de sortie n'ont pas encore été publiés.
L'API FLUX 3 est-elle disponible sur PoYo ?
Oui. Utilisez la page FLUX 3 ou l’un des cinq identifiants documentés.
En quoi FLUX 3 diffère-t-il de FLUX 2 ?
FLUX 2 se concentre sur la génération et la retouche d'images. FLUX 3 étend la famille à un modèle unifié pour les images, la vidéo, l'audio natif et la prédiction d'actions. Consultez la comparaison détaillée entre FLUX 3 et FLUX 2.
Conclusion
FLUX 3 n'est pas simplement une nouvelle mise à niveau d'un modèle d'image. Il transforme FLUX, qui était une famille axée sur l'image, en une plateforme multimodale conçue pour relier l'apparence visuelle, le mouvement, le son et le comportement physique.
PoYo propose les cinq workflows vidéo publiés avec identifiants, contrôles et prix par seconde documentés.
Générez sur la page FLUX 3 ou lisez la documentation. Les éléments Image, Action et Dev non publiés restent séparés.
Sources : Annonce de FLUX 3 par Black Forest Labs, FLUX 3 x mimic