La differenza più grande tra FLUX 3 e FLUX 2 non è un convenzionale miglioramento della qualità. FLUX 2 è una famiglia per la generazione e la modifica di immagini. FLUX 3 è un modello di fondazione multimodale che si espande a video, audio nativo e previsione delle azioni, mantenendo la generazione e la modifica delle immagini.
FLUX 3 è ora disponibile su PoYo con cinque workflow video di produzione: testo-video, immagine-video, primo/ultimo fotogramma, estensione e fotogrammi chiave.
FLUX 3 vs FLUX 2 in breve
| Caratteristica | FLUX 2 | FLUX 3 |
|---|---|---|
| Obiettivo principale | Generazione e modifica delle immagini | Generazione e comprensione multimodale unificata |
| Input | Testo e immagini di riferimento | Testo, immagini e riferimenti video |
| Generazione di immagini | Sì | Sì |
| Modifica delle immagini | Sì | Sì |
| Generazione video | No | Sì |
| Audio nativo | No | Sì |
| Da video a video | No | Annunciato |
| Da fotogramma chiave a video | No | Annunciato |
| Dialogo multilingue | No | Annunciato |
| Previsione dell'azione | No | Annunciato attraverso varianti specializzate |
| Pesi open-weight | Varianti FLUX.2 Klein disponibili | FLUX 3 Dev annunciato, non ancora rilasciato |
| Stato su PoYo | API immagini disponibile | Cinque workflow video disponibili |
Diversi obiettivi di prodotto
FLUX 2 è progettato per la sintesi e la modifica delle immagini di alta qualità. La sua famiglia di modelli comprende varianti incentrate sulla qualità, flessibili e veloci per diversi flussi di lavoro delle immagini.
FLUX 3 utilizza un'architettura condivisa tra immagini, video e audio. Black Forest Labs sostiene che l'apprendimento combinato delle modalità crea una migliore rappresentazione del mondo: struttura spaziale dalle immagini, movimento e cambiamento fisico dal video e indizi causali dal suono.
Il risultato è una piattaforma più ampia anziché una sostituzione diretta per ogni endpoint di immagine FLUX 2.
Architettura: modello di immagini vs modello multimodale
FLUX 2 è una famiglia di modelli di immagini con corrispondenza del flusso. Accetta testo e, per i flussi di lavoro di modifica, riferimenti a immagini per generare o modificare immagini fisse.
FLUX 3 si basa sulla ricerca Self-Flow di BFL e su un transformer multimodale. Encoder e decoder separati collegano immagini, video, audio e potenziali segnali di azione a un modello condiviso.
Questa architettura è destinata a supportare sia la generazione che la comprensione. Consente inoltre che la conoscenza appresa da una modalità possa migliorarne un'altra. Ad esempio, il video può insegnare al modello come si muove un oggetto, mentre l'audio può fornire prove del contatto, dell'impatto e del comportamento del materiale.
Generazione e modifica delle immagini
Entrambe le generazioni coprono la sintesi e la modifica delle immagini, ma la loro disponibilità è diversa.
FLUX 2
FLUX 2 è la scelta pratica quando un flusso di lavoro produttivo necessita di:
- Generazione da testo a immagine disponibile subito
- Controllo dell'immagine multi-riferimento
- Modifica delle immagini guidata
- Varianti e risoluzioni del modello definite
- Formati di richiesta e prezzi API noti
PoYo attualmente supporta le varianti FLUX 2 Pro, Pro Edit, Flex e Flex Edit sulla pagina FLUX 2 API.
FLUX 3
Black Forest Labs afferma che FLUX 3 Image migliora:
- Gestione dei prompt complessi
- Generazione di testo multilingue
- Diversità di stile
- Supporto per diverse proporzioni e risoluzioni
- Modifica delle immagini
Tuttavia, BFL non ha rilasciato un confronto pubblico standardizzato tra gli endpoint FLUX 3 Image finali e la famiglia completa FLUX 2. Sarebbe prematuro affermare che FLUX 3 vince ogni compito di immagine.
Il video è l'elemento distintivo di FLUX 3
FLUX 2 non genera video. FLUX 3 Video aggiunge:
- Testo in video
- Immagine in video
- Da video a video
- Continuazione video e audio
- Da fotogramma chiave a video
- Controllo del carattere e dello stile basato sui riferimenti
- Clip fino a 20 secondi
- Concatenamento agentico in sequenze multi-shot
Ciò rende FLUX 3 rilevante per un diverso insieme di flussi di lavoro di produzione, tra cui pubblicità, brevi video narrativi, design animato e pre-visualizzazione audiovisiva.
L'audio nativo cambia il flusso di lavoro
Una pipeline video AI convenzionale può generare filmati muti, quindi utilizzare strumenti separati per parlato, effetti sonori, atmosfera e musica.
FLUX 3 genera video e audio congiuntamente. Punti salienti del BFL:
- Suoni fisici allineati con eventi visibili
- Dialogo multilingue
- Espressioni facciali e parlato
- Continuazione video e audio
- Coerenza audio nel movimento generato
L'audio nativo non elimina la necessità di revisione o progettazione del suono. Cambia il punto di partenza producendo una scena audiovisiva anziché una clip muta.
Controllo di riferimento
FLUX 2 utilizza riferimenti di testo e immagini per la generazione e la modifica. È adatto per immagini di prodotti, concetti di personaggi, composizione e cambiamenti visivi controllati.
FLUX 3 amplia il controllo dei riferimenti al video:
- Utilizza un'immagine come fotogramma iniziale
- Utilizza le immagini come riferimenti di identità o stile
- Trasporta gli elementi centrali da un video all'altro
- Continua una clip audiovisiva
- Definisci i momenti di inizio e fine con i fotogrammi chiave
PoYo supporta un’immagine, due fotogrammi iniziale/finale, dieci keyframe e una sorgente MP4 per l’estensione.
Accesso al modello e pesi open-weight
FLUX 2 include già modelli API rilasciati e opzioni open-weight. FLUX.2 Klein, ad esempio, punta alla generazione rapida in locale o in hosting sulla base di licenze e requisiti pubblicati.
Per FLUX 3, BFL ha annunciato:
- FLUX 3 Image tramite API e pesi privati
- FLUX 3 Video tramite API e pesi privati
- FLUX 3 Dev come backbone multimodale open-weight
- FLUX 3 Action attraverso partner selezionati
I pesi di FLUX 3 Dev, la licenza, il percorso di download e i requisiti di sistema restano sconosciuti.
Disponibilità e prezzi
API immagini disponibile; Cinque workflow video disponibili.
PoYo genera clip da 5–20 secondi a 720p o 1080p, con otto rapporti e audio nativo. I workflow standard costano 34/58 crediti al secondo; l’estensione 82/106. API.
Il rilascio riguarda i workflow video FLUX 3. Image, Action e Dev restano elementi separati della roadmap.
Quale modello scegliere?
Scegli FLUX 2 quando:
- Hai bisogno subito di un'API per immagini pronta per la produzione.
- Il risultato è un'immagine fissa.
- È necessario l'editing delle immagini basato su riferimenti.
- Sono necessari prezzi noti e parametri di richiesta.
- Desideri testare più varianti incentrate sull'immagine.
Segui FLUX 3 quando:
- Hai bisogno di video con audio nativo.
- Il tuo flusso di lavoro combina testi, immagini e riferimenti video.
- Desideri la continuazione del video o le transizioni dei fotogrammi chiave.
- Il dialogo multilingue è importante.
- Stai ricercando modelli mondiali multimodali o previsioni di azioni.
Usali entrambi quando:
FLUX 2 può restare il livello stabile per la produzione di immagini mentre il team valuta FLUX 3 per nuovi flussi di lavoro audiovisivi. FLUX 3 non deve sostituire fin dal primo giorno una pipeline di immagini già funzionante.
Domande frequenti
FLUX 3 è migliore di FLUX 2?
FLUX 3 ha un set di funzionalità molto più ampio, ma non ci sono ancora abbastanza test pubblici e indipendenti per affermare che è migliore per ogni attività di generazione di immagini o modifica.
FLUX 2 supporta il video?
No. FLUX 2 è una famiglia di generazione e modifica di immagini.
FLUX 3 genera ancora immagini?
Sì. FLUX 3 Image supporta la sintesi e l'editing delle immagini insieme alle nuove indicazioni video, audio e di azione.
FLUX 3 sostituirà FLUX 2?
API immagini disponibile; Cinque workflow video disponibili.
FLUX 3 è open source?
È stato annunciato un backbone FLUX 3 Dev open-weight, ma non è stato ancora rilasciato.
Quale modello è disponibile su PoYo?
Disponibile ora.
Conclusione
FLUX 2 e FLUX 3 non devono essere intesi solo come un modello di immagine vecchio e nuovo. Rappresentano due ambiti di prodotto:
- FLUX 2: generazione e modifica di immagini incentrate sulla produzione
- FLUX 3: una base multimodale per immagini, video, audio nativo e azione
Cinque workflow video disponibili.
Fonti: Annuncio FLUX 3 di Black Forest Labs, Annuncio FLUX.2 di Black Forest Labs