La principale différence entre FLUX 3 et FLUX 2 n’est pas une simple amélioration conventionnelle de la qualité. FLUX 2 est une famille dédiée à la génération et à l’édition d’images. FLUX 3 est un modèle de fondation multimodal qui s’étend à la vidéo, à l’audio natif et à la prédiction d’actions, tout en conservant les capacités de génération et d’édition d’images.
FLUX 2 fournit des API image de production ; PoYo propose maintenant cinq workflows vidéo FLUX 3 avec audio natif, entrées visuelles, extension et images-clés.
FLUX 3 vs FLUX 2 en un coup d’œil
| Fonctionnalité | FLUX 2 | FLUX 3 |
|---|---|---|
| Objectif principal | Génération et édition d’images | Génération et compréhension multimodales unifiées |
| Entrées | Texte et références d’images | Texte, images et références vidéo |
| Génération d’images | Oui | Oui |
| Édition d’images | Oui | Oui |
| Génération vidéo | Non | Oui |
| Audio natif | Non | Oui |
| Vidéo-à-vidéo | Non | Annoncée |
| Image clé vers vidéo | Non | Annoncée |
| Dialogue multilingue | Non | Annoncé |
| Prédiction d’actions | Non | Annoncée via des variantes spécialisées |
| Poids ouverts | Variantes FLUX.2 Klein disponibles | FLUX 3 Dev annoncé, pas encore publié |
| Statut PoYo | API image disponible | Cinq workflows vidéo disponibles |
Des objectifs produits différents
FLUX 2 est conçu autour de la synthèse et de l’édition d’images de haute qualité. Sa famille de modèles comprend des variantes axées sur la qualité, flexibles et rapides, adaptées à différents workflows d’image.
FLUX 3 utilise une architecture partagée pour les images, la vidéo et l’audio. Black Forest Labs estime que l’apprentissage conjoint de ces modalités crée une meilleure représentation du monde : la structure spatiale issue des images, le mouvement et les changements physiques issus de la vidéo, ainsi que les indices causaux issus du son.
Le résultat est une plateforme plus large plutôt qu’un remplacement direct de chaque endpoint d’image de FLUX 2.
Architecture : modèle d’image vs modèle multimodal
FLUX 2 est une famille de modèles d’image basée sur le flow matching. Elle accepte du texte et, pour les workflows d’édition, des références d’images afin de générer ou de modifier des images fixes.
FLUX 3 s’appuie sur les recherches Self-Flow de BFL et sur un transformeur multimodal. Des encodeurs et décodeurs distincts relient les images, la vidéo, l’audio et potentiellement les signaux d’action à un modèle partagé.
Cette architecture vise à prendre en charge à la fois la génération et la compréhension. Elle permet également aux connaissances acquises dans une modalité d’améliorer les autres. Par exemple, la vidéo peut apprendre au modèle comment un objet se déplace, tandis que l’audio peut fournir des indices sur le contact, l’impact et le comportement des matériaux.
Génération et édition d’images
Les deux générations couvrent la synthèse et l’édition d’images, mais leur disponibilité diffère.
FLUX 2
FLUX 2 est le choix pratique lorsqu’un workflow de production nécessite :
- La génération texte-vers-image dès maintenant
- Le contrôle par plusieurs références d’images
- L’édition d’images guidée par des prompts
- Des variantes et résolutions de modèles définies
- Des formats de requête API et une tarification connus
PoYo prend actuellement en charge les variantes FLUX 2 Pro, Pro Edit, Flex et Flex Edit sur la page de l’API FLUX 2.
FLUX 3
Black Forest Labs indique que FLUX 3 Image améliore :
- La gestion des prompts complexes
- La génération de texte multilingue
- La diversité des styles
- La prise en charge de différents rapports d’aspect et résolutions
- L’édition d’images
Cependant, BFL n’a pas publié de comparaison publique standardisée entre les endpoints finaux de FLUX 3 Image et l’ensemble de la famille FLUX 2. Il serait prématuré d’affirmer que FLUX 3 est supérieur pour toutes les tâches d’image.
La vidéo est l’amélioration emblématique de FLUX 3
FLUX 2 ne génère pas de vidéo. FLUX 3 Video ajoute :
- La génération texte-vers-vidéo
- La génération image-vers-vidéo
- La génération vidéo-à-vidéo
- La continuation de vidéos et d’audios
- La conversion d’images clés en vidéo
- Le contrôle des personnages et du style guidé par des références
- Des clips allant jusqu’à 20 secondes
- L’enchaînement agentique en séquences composées de plusieurs plans
Cela rend FLUX 3 pertinent pour un autre ensemble de workflows de production, notamment la publicité, les vidéos narratives courtes, le design animé et la prévisualisation audiovisuelle.
L’audio natif transforme le workflow
Un pipeline vidéo IA conventionnel peut générer des séquences silencieuses, puis utiliser des outils distincts pour la parole, les effets sonores, l’ambiance et la musique.
FLUX 3 génère conjointement la vidéo et l’audio. BFL met en avant :
- Des sons physiques synchronisés avec les événements visibles
- Le dialogue multilingue
- Les expressions faciales et la parole
- La continuation de la vidéo et de l’audio
- La cohérence audio tout au long du mouvement généré
L’audio natif ne supprime pas le besoin de vérification ou de conception sonore. Il modifie le point de départ en produisant une scène audiovisuelle plutôt qu’un clip silencieux.
Contrôle par références
FLUX 2 utilise des références textuelles et visuelles pour la génération et l’édition. Il convient aux images de produits, aux concepts de personnages, au compositing et aux modifications visuelles contrôlées.
FLUX 3 étend le contrôle par références à la vidéo :
- Utiliser une image comme première image
- Utiliser des images comme références d’identité ou de style
- Transférer les éléments centraux d’une vidéo à une autre
- Continuer un clip audiovisuel
- Définir les moments de début et de fin avec des images clés
PoYo accepte une image source, deux images début/fin, dix images-clés et une source MP4 pour l’extension. Consultez la documentation.
Accès aux modèles et poids ouverts
FLUX 2 comprend déjà des options d’API publiées et de poids ouverts. FLUX.2 Klein, par exemple, vise une génération locale ou hébergée rapide, avec des licences et des exigences publiées.
Pour FLUX 3, BFL a annoncé :
- FLUX 3 Image via des API et des poids privés
- FLUX 3 Video via des API et des poids privés
- FLUX 3 Dev comme backbone multimodal à poids ouverts
- FLUX 3 Action via certains partenaires
Les poids de FLUX 3 Dev, sa licence, son emplacement de téléchargement et ses exigences système restent inconnus.
Disponibilité et tarification
Les deux familles sont disponibles sur PoYo : FLUX 2 pour l’image, FLUX 3 pour cinq workflows vidéo.
Les workflows standard coûtent 34 crédits/s en 720p ou 58 en 1080p ; l’extension 82 ou 106. Consultez la documentation.
La sortie PoYo actuelle couvre la famille vidéo FLUX 3 ; Image, Action et Dev ne font pas partie de ces endpoints.
Quel modèle choisir ?
Choisissez FLUX 2 si :
- Vous avez besoin dès maintenant d’une API de production pour les images.
- Votre résultat est une image fixe.
- Vous avez besoin d’une édition d’images basée sur des références.
- Vous avez besoin de tarifs et de paramètres de requête connus.
- Vous souhaitez tester plusieurs variantes axées sur l’image.
Suivez FLUX 3 si :
- Vous avez besoin de vidéo avec audio natif.
- Votre workflow combine des références textuelles, visuelles et vidéo.
- Vous souhaitez poursuivre une vidéo ou effectuer des transitions entre images clés.
- Le dialogue multilingue est important.
- Vous étudiez les modèles multimodaux du monde ou la prédiction d’actions.
Utilisez les deux si :
FLUX 2 peut rester la couche stable de production d’images pendant qu’une équipe évalue FLUX 3 pour de nouveaux workflows audiovisuels. FLUX 3 n’a pas besoin de remplacer un pipeline d’images opérationnel dès son premier jour.
Foire aux questions
FLUX 3 est-il meilleur que FLUX 2 ?
FLUX 3 possède un ensemble de capacités bien plus large, mais les tests publics et indépendants ne sont pas encore suffisants pour affirmer qu’il est meilleur pour toutes les tâches de génération ou d’édition d’images.
FLUX 2 prend-il en charge la vidéo ?
Non. FLUX 2 est une famille dédiée à la génération et à l’édition d’images.
FLUX 3 génère-t-il toujours des images ?
Oui. FLUX 3 Image prend en charge la synthèse et l’édition d’images, en plus des nouvelles orientations liées à la vidéo, à l’audio et à l’action.
FLUX 3 remplacera-t-il FLUX 2 ?
Sur PoYo, FLUX 2 couvre l’image de production et FLUX 3 cinq workflows vidéo.
FLUX 3 est-il open source ?
Un backbone FLUX 3 Dev à poids ouverts a été annoncé, mais il n’a pas encore été publié.
Quel modèle est disponible sur PoYo ?
Les deux sont disponibles. Choisissez FLUX 2 pour l’image ou FLUX 3 pour la vidéo avec audio natif.
Conclusion
FLUX 2 et FLUX 3 ne doivent pas être compris uniquement comme un ancien et un nouveau modèle d’image. Ils représentent deux périmètres produits :
- FLUX 2 : génération et édition d’images axées sur la production
- FLUX 3 : fondation multimodale pour l’image, la vidéo, l’audio natif et l’action
FLUX 2 reste pertinent pour l’image ; les cinq workflows vidéo FLUX 3 sont désormais disponibles.
Lisez le guide FLUX 3, le guide vidéo ou utilisez FLUX 3.
Sources : annonce de FLUX 3 par Black Forest Labs, annonce de FLUX.2 par Black Forest Labs