Black Forest Labs kunngjorde FLUX 3 23. juli 2026. Det er den største endringen i FLUX-modellfamilien så langt: I stedet for å fokusere bare på bildegenerering og -redigering er FLUX 3 en multimodal grunnmodell trent på bilder, video, lyd og handling.
FLUX 3 er nå tilgjengelig på PoYo gjennom fem produksjonsflyter for video: tekst-til-video, bilde-til-video, generering fra første og siste bilderute, forlengelse av video og posisjonerte nøkkelbilder. FLUX 3 API-siden på PoYo har en generator du kan bruke direkte, modell-ID-er, støttede kontroller og priser.
Denne guiden skiller det Black Forest Labs offisielt har kunngjort, fra detaljene som fortsatt er ukjente.
FLUX 3 i korte trekk
| Funksjon | Offisielt kunngjort informasjon |
|---|---|
| Utvikler | Black Forest Labs |
| Kunngjort | 23. juli 2026 |
| Nåværende status | Fem produksjonsflyter for video tilgjengelig på PoYo |
| Modaliteter | Bilde, video, lyd og prediksjon av handlinger |
| Inndata | Tekst, bilder og videoreferanser |
| Bildefunksjoner | Generering og redigering |
| Videofunksjoner | Tekst-til-video, bilde-til-video, video-til-video, videreføring og nøkkelbilder |
| Innebygd lyd | Ja |
| Maks kunngjort videolengde | Opptil 20 sekunder i én generering |
| Flerspråklig dialog | Kunngjort |
| Generell tilgang via PoYo API | Tilgjengelig nå |
| Offentlige modell-ID-er og priser i API-et | Publisert i PoYo-dokumentasjonen og på modellsiden |
Hva er FLUX 3?
FLUX 3 er en samlet multimodal modell. Black Forest Labs sier at den ble trent på bilder, videoer og lyd samtidig, slik at modalitetene avgrenser og informerer hverandre.
Et bilde beskriver romlig struktur. Video tilfører tid og bevegelse. Lyd gir holdepunkter om hendelser og fysiske interaksjoner. Språk kobler disse signalene til instruksjoner og abstrakte mål. FLUX 3 er laget for å lære en felles representasjon i stedet for å behandle hvert medium som en isolert genereringsoppgave.
Dette er en annen produktretning enn FLUX 2, som først og fremst er en familie for bildegenerering og -redigering. FLUX 3 genererer og redigerer fortsatt bilder, men lager også video med innebygd lyd og danner et grunnlag for prediksjon av handlinger.
FLUX 3-modellfamilien
Black Forest Labs har kunngjort fire store bruksområder for FLUX 3-grunnmodellen.
FLUX 3 Image
FLUX 3 Image dekker bildesyntese og -redigering via API-er og tilgang til private vekter. BFL sier at modellen håndterer varierte stiler, sideforhold og oppløsninger, følger komplekse prompter mer nøyaktig og har bedre flerspråklig tekstgjengivelse.
FLUX 3 Video
FLUX 3 Video genererer og redigerer video med innebygd lyd. Den godtar tekst, bilder og videoreferanser og støtter flere arbeidsflyter, blant annet videreføring og generering styrt av nøkkelbilder.
FLUX 3 Dev
FLUX 3 Dev er den kunngjorte multimodale ryggraden med åpne vekter. BFL beskriver den som et grunnlag for innholdsproduksjon og prediksjon av handlinger. Selskapet har ennå ikke publisert vektene, lisensen, maskinvarekravene eller lanseringsdatoen.
FLUX 3 Action og FLUX-mimic
FLUX 3 støtter også prediksjon av handlinger gjennom utvalgte forsknings- og kommersielle partnere. FLUX-mimic, utviklet sammen med mimic robotics, bruker modellens visuelle verdensrepresentasjon på robothandlinger. Dette er en spesialisert retning innen forskning og industri, ikke en bilde- eller videogenerator for forbrukere.
Bildefunksjoner i FLUX 3
FLUX 3 er fortsatt en viktig bildemodell, selv om omfanget er bredere enn i tidligere FLUX-utgivelser.
Black Forest Labs har kunngjort:
- Generering fra tekst til bilde
- Bilderedigering
- Flere visuelle stiler og sideforhold
- Flere utdataoppløsninger
- Bedre håndtering av komplekse prompter
- Mer nøyaktig flerspråklig tekstgenerering
- Tilgang via API og private vekter
De offisielle eksemplene spenner fra fotorealistiske nærbilder og produktlignende studiobilder til malerier og flate illustrasjoner. De viser stilmessig bredde, men er utvalgte lanseringseksempler, ikke et uavhengig mål på konsistens.
Viktige produksjonsdetaljer mangler fortsatt. BFL har ikke publisert de endelige API-parameterne for FLUX 3 Image, maks oppløsning, forsinkelse, hastighetsgrenser eller pris.
Videofunksjoner i FLUX 3
FLUX 3 kan generere videoer med lyd på opptil 20 sekunder i én generering. De kunngjorte arbeidsflytene omfatter:
- Tekst-til-video: lag et komplett klipp ut fra en skriftlig beskrivelse.
- Bilde-til-video: animer en startrute eller bruk bilder som visuelle referanser.
- Video-til-video: ta med karakterer, motiver eller visuelle elementer fra et kildeklipp inn i en annen scene.
- Videreføring av video og lyd: forleng en eksisterende audiovisuell sekvens.
- Nøkkelbilde-til-video: generer kontrollerte overganger mellom definerte øyeblikk.
- Flerspråklig dialog: generer tale på flere språk.
- Kjeding av flere opptak: koble klipp sammen til lengre sekvenser med en agentbasert arbeidsflyt.
- Animert typografi: lag motion design og animert tekst.
Lyden i modellen er innebygd, ikke lagt til som et eget etterbehandlingstrinn. Det er viktig for hendelser der lyd, bevegelse og timing må stemme overens.
Hvordan Self-Flow passer inn i FLUX 3
FLUX 3 bygger på Self-Flow, en metode utviklet av Black Forest Labs for å samordne multimodal generering og forståelse i én arkitektur.
BFLs foreløpige forskning sammenligner Self-Flow med konvensjonell flow matching for generering av bilde, video og lyd. Selskapet rapporterer lavere normalisert genereringsfeil og raskere læring på påfølgende manipulasjonsoppgaver.
Disse resultatene bidrar til å forklare arkitekturen, men bør ikke tolkes som en komplett offentlig benchmark av de endelige FLUX 3-produktene. Modellen og evalueringsoppsettet er fortsatt under utvikling.
Tidlige evalueringer av video i FLUX 3
Black Forest Labs publiserte foreløpige resultater for menneskelige preferanser for tekst-til-video-klipp med lyd på 10 sekunder i 720p. I testene deres ble FLUX 3 foretrukket fremfor:
- Grok Imagine Video i opptil 69 % av sammenligningene
- Kling v3 Pro i 60 %
- Happy Horse v1 i 59 %
- Happy Horse 1.1 i 57 %
- Seedance 2.0 og Gemini Omni Flash i 52 %
- Runway Gen-4.5 i 77 %
- Luma Ray 3.2 i 93 %
Dette er tidlige evalueringer publisert av leverandøren, ikke en uavhengig rangering. BFL sier eksplisitt at modellen og evalueringsoppsettet fortsatt er i utvikling. Valg av prompter, samplinginnstillinger, evaluatorer og versjonene av konkurrerende modeller kan alle påvirke preferanseresultatene.
Tilgjengelighet for FLUX 3 på PoYo
PoYo tilbyr i dag fem modell-ID-er for video i produksjon:
flux-3/text-to-videoflux-3/image-to-videoflux-3/first-last-frame-to-videoflux-3/extend-videoflux-3/keyframes-to-video
Disse arbeidsflytene genererer klipp på 5–20 sekunder i 720p eller 1080p, støtter åtte sideforhold og kan lage synkronisert innebygd lyd. Standardflytene koster 34 kreditter per sekund i 720p eller 58 kreditter per sekund i 1080p. Forlengelse av video koster henholdsvis 82 eller 106 kreditter per sekund.
Denne lanseringen gjelder FLUX 3-videoflytene på PoYo. FLUX 3 Image, Action og ryggraden FLUX 3 Dev med åpne vekter er fortsatt separate deler av BFLs bredere veikart, og PoYo presenterer dem ikke som en del av den nåværende utgivelsen av video-API-et. Se API-dokumentasjonen for FLUX 3 for gjeldende felt og grenser i forespørsler.
Bruksområder for FLUX 3
Bildegenerering og -redigering
FLUX 3 Image kan støtte produktbilder, redaksjonelle illustrasjoner, annonsering, flerspråklig design og referansestyrt redigering.
Korte videoer med synkronisert lyd
Innebygd audiovisuell generering er nyttig for dialogscener, produktdemonstrasjoner, klipp til sosiale medier, animert design og historiekonsepter der lyden må passe til handlingen.
Kontinuitet i karakterer og stil
Bilde- og videoreferanser kan ta med et sentralt motiv eller et visuelt språk inn i nye scener. Kjeding av flere opptak kan utvide dette til lengre sekvenser.
Previsualisering
Nøkkelbilder, referanseklipp og bildeinndata kan hjelpe kreative team med å utforske overganger, kamerabevegelser og scenestruktur før tradisjonell produksjon.
Forskning på fysisk AI
Den felles verdensrepresentasjonen i FLUX 3 kan også tilpasses prediksjon av handlinger, slik samarbeidet om FLUX-mimic viser.
Vanlige spørsmål
Er FLUX 3 lansert?
Black Forest Labs kunngjorde FLUX 3 23. juli 2026. PoYo tilbyr nå fem endepunkter for video i produksjon som dekker tekst, bilder, første og siste bilderute, forlengelse av kildevideo og posisjonerte nøkkelbilder.
Er FLUX 3 en bildemodell eller en videomodell?
Det er en multimodal grunnmodell. De kunngjorte variantene dekker bildegenerering og -redigering, video med innebygd lyd og prediksjon av handlinger.
Genererer FLUX 3 lyd?
Ja. FLUX 3 Video genererer innebygd lyd sammen med videoen og støtter flerspråklig dialog.
Hvor lange kan FLUX 3-videoer være?
PoYo godtar varigheter i hele sekunder fra 5 til 20 sekunder og støtter utdata i 720p og 1080p.
Er FLUX 3 åpen kildekode?
BFL har kunngjort en FLUX 3 Dev-ryggrad med åpne vekter, men vektene, lisensen og lanseringsdatoen er ennå ikke publisert.
Er FLUX 3 API tilgjengelig på PoYo?
Ja. Bruk modellsiden for FLUX 3 eller integrer en av de fem dokumenterte modell-ID-ene for video på PoYo.
Hvordan skiller FLUX 3 seg fra FLUX 2?
FLUX 2 fokuserer på bildegenerering og -redigering. FLUX 3 utvider familien til en samlet modell for bilder, video, innebygd lyd og prediksjon av handlinger. Se den detaljerte sammenligningen av FLUX 3 og FLUX 2.
Konklusjon
FLUX 3 er ikke bare enda en oppgradering av en bildemodell. Den gjør FLUX fra en bildefokusert familie til en multimodal plattform laget for å koble sammen visuelt uttrykk, bevegelse, lyd og fysisk atferd.
De mest interessante funksjonene er tydelige: innebygd audiovisuell generering, referansestyrt video, flerspråklig dialog, sterkere typografi og en felles arkitektur som strekker seg mot prediksjon av handlinger. PoYo gjør nå de fem lanserte videoflytene tilgjengelige med dokumenterte modell-ID-er, kontroller og priser per sekund.
Bruk modellsiden for FLUX 3 på PoYo for å generere video nå, eller les API-dokumentasjonen før du integrerer. Fortsett å behandle detaljer om Image, Action og Dev som ikke er lansert, adskilt fra videoendepunktene som er tilgjengelige i dag.
Kilder: Black Forest Labs' kunngjøring av FLUX 3, FLUX 3 x mimic