A maior diferença entre FLUX 3 e FLUX 2 não é uma atualização convencional de qualidade. FLUX 2 é uma família de geração e edição de imagens. O FLUX 3 é um modelo fundamental multimodal que se expande para vídeo, áudio nativo e previsão de ações, mantendo a geração e a edição de imagens.
O FLUX 3 está disponível na PoYo com texto para vídeo, imagem para vídeo, primeiro/último quadro, extensão e keyframes posicionados.
FLUX 3 vs FLUX 2 em resumo
| Recurso | FLUX 2 | FLUX 3 |
|---|---|---|
| Foco principal | Geração e edição de imagens | Geração e compreensão multimodais unificadas |
| Entradas | Texto e referências de imagem | Texto, imagens e referências de vídeo |
| Geração de imagens | Sim | Sim |
| Edição de imagens | Sim | Sim |
| Geração de vídeos | Não | Sim |
| Áudio nativo | Não | Sim |
| Vídeo para vídeo | Não | Anunciado |
| Keyframe para vídeo | Não | Anunciado |
| Diálogo multilíngue | Não | Anunciado |
| Previsão de ações | Não | Anunciada por meio de variantes especializadas |
| Pesos abertos | Variantes FLUX.2 Klein disponíveis | FLUX 3 Dev anunciado, ainda não lançado |
| Status na PoYo | API de imagem disponível | Cinco fluxos de vídeo disponíveis |
Diferentes objetivos de produto
O FLUX 2 foi projetado para síntese e edição de imagens de alta qualidade. Sua família de modelos inclui variantes focadas em qualidade, flexíveis e rápidas para diferentes fluxos de trabalho com imagens.
O FLUX 3 usa uma arquitetura compartilhada entre imagens, vídeo e áudio. A Black Forest Labs argumenta que aprender as modalidades em conjunto cria uma representação melhor do mundo: estrutura espacial a partir de imagens, movimento e mudança física a partir de vídeos e pistas causais a partir de sons.
O resultado é uma plataforma mais ampla, e não uma substituição direta para todos os endpoints de imagem do FLUX 2.
Arquitetura: modelo de imagem vs modelo multimodal
O FLUX 2 é uma família de modelos de imagem baseada em flow matching. Ele aceita texto e, para fluxos de edição, referências de imagem para gerar ou modificar imagens estáticas.
O FLUX 3 é baseado na pesquisa Self-Flow da BFL e em um transformador multimodal. Codificadores e decodificadores separados conectam imagens, vídeo, áudio e, potencialmente, sinais de ação a um modelo compartilhado.
Essa arquitetura foi projetada para oferecer suporte tanto à geração quanto à compreensão. Ela também permite que o conhecimento aprendido em uma modalidade melhore outra. Por exemplo, o vídeo pode ensinar ao modelo como um objeto se move, enquanto o áudio pode fornecer evidências sobre contato, impacto e comportamento dos materiais.
Geração e edição de imagens
Ambas as gerações abrangem síntese e edição de imagens, mas sua disponibilidade é diferente.
FLUX 2
O FLUX 2 é a escolha prática quando um fluxo de produção precisa de:
- Geração de texto para imagem agora
- Controle com múltiplas referências de imagem
- Edição de imagens orientada por prompts
- Variantes de modelos e resoluções definidas
- Formatos de requisição e preços de API conhecidos
Atualmente, a PoYo oferece suporte às variantes FLUX 2 Pro, Pro Edit, Flex e Flex Edit na página da API do FLUX 2.
FLUX 3
A Black Forest Labs afirma que o FLUX 3 Image melhora:
- Tratamento de prompts complexos
- Geração de texto multilíngue
- Diversidade de estilos
- Suporte a diferentes proporções e resoluções
- Edição de imagens
No entanto, a BFL ainda não publicou uma comparação padronizada entre os endpoints finais do FLUX 3 Image e a família completa do FLUX 2. Seria prematuro afirmar que o FLUX 3 vence em todas as tarefas de imagem.
O vídeo é a principal evolução do FLUX 3
O FLUX 2 não gera vídeos. O FLUX 3 Video adiciona:
- Texto para vídeo
- Imagem para vídeo
- Vídeo para vídeo
- Continuação de vídeo e áudio
- Keyframe para vídeo
- Controle de personagem e estilo orientado por referências
- Clipes de até 20 segundos
- Encadeamento agêntico em sequências com múltiplos planos
Isso torna o FLUX 3 relevante para um conjunto diferente de fluxos de produção, incluindo publicidade, vídeos narrativos curtos, design animado e pré-visualização audiovisual.
O áudio nativo transforma o fluxo de trabalho
Um pipeline convencional de vídeo com IA pode gerar imagens sem som e, em seguida, usar ferramentas separadas para fala, efeitos sonoros, ambiência e música.
O FLUX 3 gera vídeo e áudio em conjunto. A BFL destaca:
- Sons físicos alinhados aos eventos visíveis
- Diálogo multilíngue
- Expressão facial e fala
- Continuação de vídeo e áudio
- Consistência do áudio ao longo do movimento gerado
O áudio nativo não elimina a necessidade de revisão ou design de som. Ele muda o ponto de partida ao produzir uma cena audiovisual em vez de um clipe silencioso.
Controle por referências
O FLUX 2 usa texto e referências de imagem para geração e edição. Ele é adequado para imagens de produtos, conceitos de personagens, composição e alterações visuais controladas.
O FLUX 3 amplia o controle por referências para o vídeo:
- Usar uma imagem como quadro inicial
- Usar imagens como referências de identidade ou estilo
- Transportar elementos centrais de um vídeo para outro
- Continuar um clipe audiovisual
- Definir momentos inicial e final com keyframes
A PoYo aceita uma imagem, duas imagens de início/fim, dez keyframes e MP4 para extensão.
Acesso aos modelos e pesos abertos
O FLUX 2 já inclui opções lançadas de API e de pesos abertos. O FLUX.2 Klein, por exemplo, tem como objetivo oferecer geração local ou hospedada rápida sob licenças e requisitos publicados.
Para o FLUX 3, a BFL anunciou:
- FLUX 3 Image por meio de APIs e pesos privados
- FLUX 3 Video por meio de APIs e pesos privados
- FLUX 3 Dev como backbone multimodal de pesos abertos
- FLUX 3 Action por meio de parceiros selecionados
Os pesos do FLUX 3 Dev, a licença, o local de download e os requisitos do sistema permanecem desconhecidos.
Disponibilidade e preços
API de imagem disponível; Cinco fluxos de vídeo disponíveis.
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. API.
O lançamento atual cobre FLUX 3 Video. Image, Action e Dev permanecem itens separados do roadmap.
Qual modelo você deve escolher?
Escolha o FLUX 2 quando:
- Você precisa de uma API de imagens para produção agora.
- Sua saída é uma imagem estática.
- Você precisa de edição de imagens baseada em referências.
- Você exige preços e parâmetros de requisição conhecidos.
- Você quer testar várias variantes focadas em imagens.
Acompanhe o FLUX 3 quando:
- Você precisa de vídeo com áudio nativo.
- Seu fluxo de trabalho combina referências de texto, imagens e vídeo.
- Você quer continuação de vídeo ou transições entre keyframes.
- O diálogo multilíngue é importante.
- Você está pesquisando modelos de mundo multimodais ou previsão de ações.
Use ambos quando:
O FLUX 2 pode continuar como a camada estável de produção de imagens enquanto uma equipe avalia o FLUX 3 para novos fluxos audiovisuais. O FLUX 3 não precisa substituir um pipeline de imagens funcional no primeiro dia.
Perguntas frequentes
O FLUX 3 é melhor que o FLUX 2?
O FLUX 3 tem um conjunto de capacidades muito mais amplo, mas ainda não há testes públicos e independentes suficientes para afirmar que ele é melhor em todas as tarefas de geração ou edição de imagens.
O FLUX 2 oferece suporte a vídeo?
Não. O FLUX 2 é uma família de geração e edição de imagens.
O FLUX 3 ainda gera imagens?
Sim. O FLUX 3 Image oferece suporte à síntese e à edição de imagens, além das novas direções de vídeo, áudio e ação.
O FLUX 3 substituirá o FLUX 2?
API de imagem disponível; Cinco fluxos de vídeo disponíveis.
O FLUX 3 é open source?
Um backbone FLUX 3 Dev de pesos abertos foi anunciado, mas ainda não foi lançado.
Qual modelo está disponível na PoYo?
Disponível agora.
Conclusão
O FLUX 2 e o FLUX 3 não devem ser entendidos apenas como um modelo de imagens antigo e um novo. Eles representam dois escopos de produto:
- FLUX 2: geração e edição de imagens com foco em produção
- FLUX 3: uma base multimodal para imagem, vídeo, áudio nativo e ação
Cinco fluxos de vídeo disponíveis.
Fontes: Anúncio do FLUX 3 pela Black Forest Labs, Anúncio do FLUX.2 pela Black Forest Labs