A Black Forest Labs anunciou o FLUX 3 em 23 de julho de 2026. Essa é a maior mudança na família de modelos FLUX até agora: em vez de se concentrar apenas na geração e edição de imagens, o FLUX 3 é um modelo de base multimodal treinado com imagens, vídeo, áudio e ação.
O FLUX 3 está disponível na PoYo com texto para vídeo, imagem para vídeo, primeiro/último quadro, extensão e keyframes posicionados. PoYo FLUX 3.
Este guia separa o que a Black Forest Labs anunciou oficialmente dos detalhes que ainda não foram divulgados.
FLUX 3 em resumo
| Recurso | Informações anunciadas oficialmente |
|---|---|
| Desenvolvedora | Black Forest Labs |
| Data do anúncio | 23 de julho de 2026 |
| Status atual | Cinco fluxos de vídeo em produção disponíveis na PoYo |
| Modalidades | Imagem, vídeo, áudio e previsão de ações |
| Entradas | Texto, imagens e referências de vídeo |
| Recursos de imagem | Geração e edição |
| Recursos de vídeo | Texto para vídeo, imagem para vídeo, vídeo para vídeo, continuação e quadros-chave |
| Áudio nativo | Sim |
| Duração máxima de vídeo anunciada | Até 20 segundos em uma geração |
| Diálogo multilíngue | Anunciado |
| Acesso geral à API do PoYo | Disponível agora |
| IDs de modelos e preços da API pública | Consulte a documentação atual da PoYo para IDs, parâmetros e preços. |
O que é o FLUX 3?
O FLUX 3 é um modelo multimodal unificado. A Black Forest Labs afirma que ele foi treinado com imagens, vídeos e áudio simultaneamente, para que as modalidades restrinjam e informem umas às outras.
Uma imagem descreve a estrutura espacial. O vídeo acrescenta tempo e movimento. O áudio fornece evidências sobre eventos e interações físicas. A linguagem conecta esses sinais a instruções e objetivos abstratos. O FLUX 3 foi projetado para aprender uma representação compartilhada, em vez de tratar cada meio como uma tarefa de geração isolada.
Essa é uma direção de produto diferente da do FLUX 2, que é principalmente uma família de geração e edição de imagens. O FLUX 3 ainda gera e edita imagens, mas também produz vídeo com áudio nativo e oferece uma base para a previsão de ações.
A família de modelos FLUX 3
A Black Forest Labs anunciou quatro aplicações principais da base do FLUX 3.
FLUX 3 Image
O FLUX 3 Image abrange síntese e edição de imagens por meio de APIs e acesso a pesos privados. A BFL afirma que o modelo lida com estilos, proporções e resoluções variadas, segue prompts complexos com mais precisão e aprimora a renderização de texto multilíngue.
FLUX 3 Video
O FLUX 3 Video gera e edita vídeos com áudio nativo. Ele aceita texto, imagens e referências de vídeo e oferece suporte a vários fluxos de trabalho, incluindo continuação e geração controlada por quadros-chave.
FLUX 3 Dev
O FLUX 3 Dev é o backbone multimodal de pesos abertos anunciado. A BFL o descreve como uma base para criação de conteúdo e previsão de ações. A empresa ainda não publicou seus pesos, licença, requisitos de hardware ou data de lançamento.
FLUX 3 Action e FLUX-mimic
O FLUX 3 também oferece suporte à previsão de ações por meio de parceiros selecionados de pesquisa e comerciais. O FLUX-mimic, desenvolvido com a mimic robotics, aplica a representação visual de mundo do modelo a ações robóticas. Essa é uma direção especializada de pesquisa e indústria, não um gerador de imagens ou vídeos para consumidores.
Recursos de imagem do FLUX 3
O FLUX 3 continua sendo um importante modelo de imagem, embora seu escopo seja mais amplo que o dos lançamentos anteriores do FLUX.
A Black Forest Labs anunciou:
- Geração de texto para imagem
- Edição de imagens
- Múltiplos estilos visuais e proporções
- Múltiplas resoluções de saída
- Melhor compreensão de prompts complexos
- Geração de texto multilíngue mais precisa
- Acesso por API e a pesos privados
Os exemplos oficiais vão de close-ups fotorrealistas e imagens de estúdio semelhantes a fotos de produtos a pinturas e ilustrações planas. Eles demonstram diversidade de estilos, mas são amostras selecionadas do lançamento, e não uma medida independente de consistência.
Ainda faltam detalhes importantes para produção. A BFL não publicou os parâmetros finais da API do FLUX 3 Image, a resolução máxima, a latência, os limites de requisições ou o preço.
Recursos de vídeo do FLUX 3
O FLUX 3 pode gerar vídeos com áudio de até 20 segundos em uma única geração. Os fluxos de trabalho anunciados incluem:
- Texto para vídeo: criar um clipe completo a partir de uma descrição escrita.
- Imagem para vídeo: animar um quadro inicial ou usar imagens como referências visuais.
- Vídeo para vídeo: transportar personagens, objetos ou elementos visuais de um clipe de origem para outra cena.
- Continuação de vídeo e áudio: estender uma sequência audiovisual existente.
- Quadro-chave para vídeo: gerar transições controladas entre momentos definidos.
- Diálogo multilíngue: gerar conteúdo falado em vários idiomas.
- Encadeamento de múltiplos planos: conectar clipes em sequências mais longas usando um fluxo de trabalho agêntico.
- Tipografia animada: produzir motion design e texto animado.
O áudio do modelo é nativo, em vez de ser adicionado como uma etapa separada de pós-processamento. Isso é importante para eventos em que som, movimento e sincronização precisam estar de acordo.
Como o Self-Flow se encaixa no FLUX 3
O FLUX 3 baseia-se no Self-Flow, um método desenvolvido pela Black Forest Labs para alinhar geração e compreensão multimodais em uma única arquitetura.
A pesquisa preliminar da BFL compara o Self-Flow ao flow matching convencional na geração de imagens, vídeos e áudio. A empresa relata menor erro de geração normalizado e aprendizado mais rápido em tarefas posteriores de manipulação.
Esses resultados ajudam a explicar a arquitetura, mas não devem ser interpretados como um benchmark público completo dos produtos finais do FLUX 3. O modelo e o mecanismo de avaliação ainda estão em desenvolvimento.
Avaliações iniciais de vídeo do FLUX 3
A Black Forest Labs publicou resultados preliminares de preferência humana para clipes de texto para vídeo de 10 segundos, em 720p, com áudio. Em seus testes, o FLUX 3 foi preferido em relação a:
- Grok Imagine Video em até 69% das comparações
- Kling v3 Pro em 60%
- Happy Horse v1 em 59%
- Happy Horse 1.1 em 57%
- Seedance 2.0 e Gemini Omni Flash em 52%
- Runway Gen-4.5 em 77%
- Luma Ray 3.2 em 93%
Essas são avaliações iniciais publicadas pelo fornecedor, não um ranking independente. A BFL afirma explicitamente que o modelo e a configuração de avaliação ainda estão evoluindo. A seleção de prompts, as configurações de amostragem, os avaliadores e as versões dos modelos concorrentes podem afetar os resultados de preferência.
Disponibilidade do FLUX 3
Cinco fluxos de vídeo em produção disponíveis na PoYo:
flux-3/text-to-videoflux-3/image-to-videoflux-3/first-last-frame-to-videoflux-3/extend-videoflux-3/keyframes-to-video
Gera clipes de 5–20 segundos em 720p/1080p, oito proporções e áudio nativo. Fluxos padrão custam 34/58 créditos por segundo; extensão 82/106.
O lançamento atual cobre FLUX 3 Video. Image, Action e Dev permanecem itens separados do roadmap. FLUX 3 API.
Casos de uso do FLUX 3
Geração e edição de imagens
O FLUX 3 Image pode oferecer suporte a visuais de produtos, ilustração editorial, publicidade, design multilíngue e edição controlada por referências.
Vídeos curtos com som sincronizado
A geração audiovisual nativa é útil para cenas de diálogo, demonstrações de produtos, clipes para redes sociais, designs animados e conceitos de histórias em que o som precisa corresponder à ação.
Continuidade de personagens e estilos
Referências de imagem e vídeo podem transportar um objeto central ou uma linguagem visual para novas cenas. O encadeamento de múltiplos planos poderia estender esse recurso para sequências mais longas.
Pré-visualização
Quadros-chave, clipes de referência e entradas de imagem podem ajudar equipes criativas a explorar transições, movimentos de câmera e estrutura de cenas antes da produção convencional.
Pesquisa em IA física
A representação compartilhada de mundo do FLUX 3 também pode ser adaptada para a previsão de ações, como demonstrado pela colaboração FLUX-mimic.
Perguntas frequentes
O FLUX 3 foi lançado?
Cinco fluxos de vídeo em produção disponíveis na PoYo.
O FLUX 3 é um modelo de imagem ou de vídeo?
É um modelo de base multimodal. As variantes anunciadas abrangem geração e edição de imagens, vídeo com áudio nativo e previsão de ações.
O FLUX 3 gera áudio?
Sim. O FLUX 3 Video gera áudio nativo junto com o vídeo e oferece suporte a diálogos multilíngues.
Qual pode ser a duração dos vídeos do FLUX 3?
PoYo: 5–20 s, 720p/1080p.
O FLUX 3 é de código aberto?
A BFL anunciou um backbone FLUX 3 Dev de pesos abertos, mas os pesos, a licença e a data de lançamento ainda não foram publicados.
A API do FLUX 3 está disponível no PoYo?
Disponível agora. FLUX 3.
Qual é a diferença entre o FLUX 3 e o FLUX 2?
O FLUX 2 se concentra na geração e edição de imagens. O FLUX 3 expande a família para um modelo unificado de imagens, vídeo, áudio nativo e previsão de ações. Consulte a comparação detalhada entre FLUX 3 e FLUX 2.
Conclusão
O FLUX 3 não é apenas mais uma atualização de modelo de imagem. Ele transforma o FLUX de uma família focada em imagens em uma plataforma multimodal projetada para conectar aparência visual, movimento, som e comportamento físico.
Cinco fluxos de vídeo em produção disponíveis na PoYo.
Consulte a documentação atual da PoYo para IDs, parâmetros e preços. FLUX 3 API.
Fontes: Anúncio do FLUX 3 pela Black Forest Labs, FLUX 3 x mimic