Den største forskjellen mellom FLUX 3 og FLUX 2 er ikke en vanlig kvalitetsoppgradering. FLUX 2 er en modellfamilie for bildegenerering og bilderedigering. FLUX 3 er en multimodal grunnmodell som utvides til video, innebygd lyd og prediksjon av handlinger, samtidig som den beholder bildegenerering og redigering.
Dette skillet påvirker også hvilken modell som gir mening i dag. FLUX 2 tilbyr produksjonsklare bilde-API-er og tydelig definerte varianter, mens PoYo nå tilbyr fem produksjonsklare videoarbeidsflyter for FLUX 3 med innebygd lyd, visuelle inndata, forlengelse og keyframe-kontroll.
FLUX 3 mot FLUX 2 i korte trekk
| Egenskap | FLUX 2 | FLUX 3 |
|---|---|---|
| Hovedfokus | Bildegenerering og redigering | Samlet multimodal generering og forståelse |
| Inndata | Tekst og bildereferanser | Tekst, bilder og videoreferanser |
| Bildegenerering | Ja | Ja |
| Bilderedigering | Ja | Ja |
| Videogenerering | Nei | Ja |
| Innebygd lyd | Nei | Ja |
| Video til video | Nei | Annonsert |
| Keyframe til video | Nei | Annonsert |
| Flerspråklig dialog | Nei | Annonsert |
| Prediksjon av handlinger | Nei | Annonsert via spesialiserte varianter |
| Åpne vekter | FLUX.2 Klein-varianter tilgjengelige | FLUX 3 Dev annonsert, ikke lansert ennå |
| Status på PoYo | Bilde-API tilgjengelig | Fem videoarbeidsflyter tilgjengelige |
Ulike produktmål
FLUX 2 er bygget rundt bildesyntese og bilderedigering av høy kvalitet. Modellfamilien har kvalitetsfokuserte, fleksible og raske varianter for ulike bildearbeidsflyter.
FLUX 3 bruker en felles arkitektur for bilder, video og lyd. Black Forest Labs mener at det å lære modalitetene sammen gir en bedre representasjon av verden: romlig struktur fra bilder, bevegelse og fysisk endring fra video, og årsakssammenhenger fra lyd.
Resultatet er en bredere plattform, ikke en direkte erstatning for hvert eneste bildeendepunkt i FLUX 2.
Arkitektur: bildemodell mot multimodal modell
FLUX 2 er en familie av bildemodeller basert på flow matching. Den tar imot tekst og, for redigering, bildereferanser for å generere eller endre stillbilder.
FLUX 3 bygger på BFLs Self-Flow-forskning og en multimodal transformer. Egne kodere og dekodere kobler bilder, video, lyd og potensielt handlingssignaler til en felles modell.
Arkitekturen skal støtte både generering og forståelse. Den gjør det også mulig at kunnskap fra én modalitet forbedrer en annen. Video kan for eksempel lære modellen hvordan et objekt beveger seg, mens lyd kan gi holdepunkter om kontakt, sammenstøt og hvordan materialer oppfører seg.
Bildegenerering og redigering
Begge generasjonene dekker bildesyntese og redigering, men tilgjengeligheten er ulik.
FLUX 2
FLUX 2 er det praktiske valget når en produksjonsarbeidsflyt trenger:
- Tekst til bilde allerede nå
- Kontroll med flere referansebilder
- Bilderedigering styrt av prompt
- Definerte modellvarianter og oppløsninger
- Kjente formater for API-forespørsler og priser
PoYo støtter i dag variantene FLUX 2 Pro, Pro Edit, Flex og Flex Edit på API-siden for FLUX 2.
FLUX 3
Black Forest Labs sier at FLUX 3 Image forbedrer:
- Håndtering av komplekse prompter
- Flerspråklig tekstgenerering
- Stilmangfold
- Støtte for ulike sideforhold og oppløsninger
- Bilderedigering
BFL har likevel ikke publisert en standardisert offentlig sammenligning mellom de endelige FLUX 3 Image-endepunktene og hele FLUX 2-familien. Det ville være forhastet å påstå at FLUX 3 vinner alle bildeoppgaver.
Video er den avgjørende oppgraderingen i FLUX 3
FLUX 2 genererer ikke video. FLUX 3 Video legger til:
- Tekst til video
- Bilde til video
- Video til video
- Videreføring av video og lyd
- Keyframe til video
- Referansestyrt kontroll av karakter og stil
- Klipp på opptil 20 sekunder
- Agentisk kjeding til sekvenser med flere opptak
Det gjør FLUX 3 relevant for helt andre produksjonsarbeidsflyter, blant annet reklame, korte fortellende videoer, animert design og previsualisering med lyd og bilde.
Innebygd lyd endrer arbeidsflyten
En vanlig AI-videoprosess kan generere stumme opptak og deretter bruke egne verktøy for tale, lydeffekter, stemningslyd og musikk.
FLUX 3 genererer video og lyd samtidig. BFL fremhever:
- Fysiske lyder i takt med synlige hendelser
- Flerspråklig dialog
- Ansiktsuttrykk og tale
- Videreføring av video og lyd
- Konsistent lyd gjennom den genererte bevegelsen
Innebygd lyd fjerner ikke behovet for kontroll eller lyddesign. Den endrer utgangspunktet ved å produsere en scene med lyd og bilde i stedet for et stumt klipp.
Kontroll med referanser
FLUX 2 bruker tekst og bildereferanser for generering og redigering. Den egner seg for produktbilder, karakterkonsepter, compositing og kontrollerte visuelle endringer.
FLUX 3 utvider referansekontrollen til video:
- Bruke et bilde som startramme
- Bruke bilder som referanser for identitet eller stil
- Ta med sentrale elementer fra én video til en annen
- Videreføre et klipp med lyd og bilde
- Definere start- og sluttøyeblikk med keyframes
PoYo støtter i dag ett kildebilde for bilde til video, to bilder i rekkefølge for generering med første og siste ramme, opptil ti plasserte keyframes og en MP4-kilde for videoforlengelse. Sjekk API-dokumentasjonen for FLUX 3 for gjeldende grenser for opplasting.
Modelltilgang og åpne vekter
FLUX 2 har allerede lanserte alternativer både som API og med åpne vekter. FLUX.2 Klein er for eksempel rettet mot rask lokal eller hostet generering under publiserte lisenser og krav.
For FLUX 3 har BFL annonsert:
- FLUX 3 Image via API-er og private vekter
- FLUX 3 Video via API-er og private vekter
- FLUX 3 Dev som en multimodal grunnmodell med åpne vekter
- FLUX 3 Action via utvalgte partnere
Vektene, lisensen, nedlastingsstedet og systemkravene for FLUX 3 Dev er fortsatt ukjente.
Tilgjengelighet og priser
Begge familiene er tilgjengelige via PoYo, men til ulike produksjonsoppgaver. FLUX 2 tilbyr dokumenterte varianter for bildegenerering og redigering. FLUX 3 tilbyr i dag fem videoarbeidsflyter: tekst til video, bilde til video, generering med første og siste ramme, videoforlengelse og plasserte keyframes.
Standardarbeidsflytene for video i FLUX 3 koster 34 kreditter per sekund i 720p eller 58 kreditter per sekund i 1080p. Forlengelse koster henholdsvis 82 eller 106 kreditter per sekund. De lanserte modell-ID-ene og forespørselsfeltene hos PoYo står i API-dokumentasjonen for FLUX 3.
Den nåværende lanseringen på PoYo gjelder spesifikt videofamilien til FLUX 3. Ikke anta at de separate veikartpunktene FLUX 3 Image, Action eller Dev er inkludert i disse endepunktene.
Hvilken modell bør du velge?
Velg FLUX 2 når:
- Du trenger et produksjonsklart bilde-API nå.
- Resultatet ditt er et stillbilde.
- Du trenger referansebasert bilderedigering.
- Du må ha kjente priser og forespørselsparametere.
- Du vil teste flere bildefokuserte varianter.
Følg med på FLUX 3 når:
- Du trenger video med innebygd lyd.
- Arbeidsflyten din kombinerer tekst, bilder og videoreferanser.
- Du vil ha videreføring av video eller overganger mellom keyframes.
- Flerspråklig dialog er viktig.
- Du forsker på multimodale verdensmodeller eller prediksjon av handlinger.
Bruk begge når:
FLUX 2 kan fortsatt være det stabile laget for bildeproduksjon mens et team vurderer FLUX 3 for nye arbeidsflyter med lyd og bilde. FLUX 3 trenger ikke erstatte en fungerende bildeprosess fra første dag.
Vanlige spørsmål
Er FLUX 3 bedre enn FLUX 2?
FLUX 3 har et langt bredere sett med funksjoner, men det finnes ennå ikke nok offentlig, uavhengig testing til å si at den er bedre på alle oppgaver innen bildegenerering eller redigering.
Støtter FLUX 2 video?
Nei. FLUX 2 er en modellfamilie for bildegenerering og bilderedigering.
Genererer FLUX 3 fortsatt bilder?
Ja. FLUX 3 Image støtter bildesyntese og redigering ved siden av de nye retningene innen video, lyd og handling.
Kommer FLUX 3 til å erstatte FLUX 2?
BFL har ikke sagt at FLUX 3 umiddelbart skal erstatte FLUX 2. På PoYo utfyller de to hverandre i dag: FLUX 2 tar seg av produksjonsarbeidsflyter for bilder, mens FLUX 3 tar seg av fem produksjonsklare videoarbeidsflyter.
Er FLUX 3 åpen kildekode?
En grunnmodell med åpne vekter, FLUX 3 Dev, er annonsert, men den er ikke lansert ennå.
Hvilken modell er tilgjengelig på PoYo?
Begge er tilgjengelige på PoYo. Velg FLUX 2 for bildegenerering og redigering, eller FLUX 3 for de fem lanserte videoarbeidsflytene med innebygd lyd.
Konklusjon
FLUX 2 og FLUX 3 bør ikke bare forstås som en gammel og en ny bildemodell. De representerer to ulike produktområder:
- FLUX 2: produksjonsrettet bildegenerering og redigering
- FLUX 3: et multimodalt fundament for bilde, video, innebygd lyd og handling
For dagens bildeoppgaver er FLUX 2 fortsatt det relevante valget. For generering av lyd og bilde og multimodale referanser er de fem videoarbeidsflytene i FLUX 3 tilgjengelige nå.
Les den bredere oversikten over FLUX 3, utforsk guiden til FLUX 3 Video, eller bruk FLUX 3 på PoYo.
Kilder: Black Forest Labs' kunngjøring av FLUX 3, Black Forest Labs' kunngjøring av FLUX.2