A Black Forest Labs anunciou o FLUX 3 a 23 de julho de 2026. 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 em imagens, vídeo, áudio e ação.
O FLUX 3 já está disponível no PoYo através de cinco workflows de vídeo de produção: texto para vídeo, imagem para vídeo, geração com primeiro e último frame, extensão de vídeo e keyframes posicionados. A página da API do FLUX 3 no PoYo inclui o gerador em direto, os IDs dos modelos, os controlos suportados e os preços.
Este guia separa o que a Black Forest Labs anunciou oficialmente dos detalhes que continuam por conhecer.
O FLUX 3 num relance
| Funcionalidade | Informação oficialmente anunciada |
|---|---|
| Programador | Black Forest Labs |
| Data do anúncio | 23 de julho de 2026 |
| Estado atual | Cinco workflows de vídeo de produção disponíveis no PoYo |
| Modalidades | Imagem, vídeo, áudio e previsão de ações |
| Entradas | Texto, imagens e referências de vídeo |
| Capacidades de imagem | Geração e edição |
| Capacidades de vídeo | Texto para vídeo, imagem para vídeo, vídeo para vídeo, continuação e keyframes |
| Áudio nativo | Sim |
| Duração máxima de vídeo anunciada | Até 20 segundos numa só geração |
| Diálogo multilingue | Anunciado |
| Acesso geral à API do PoYo | Disponível agora |
| IDs de modelo e preços públicos da API | Publicados na documentação do PoYo e na página do modelo |
O que é o FLUX 3?
O FLUX 3 é um modelo multimodal unificado. A Black Forest Labs afirma que foi treinado em imagens, vídeos e áudio em simultâneo, para que as modalidades se condicionem e se informem mutuamente.
Uma imagem descreve a estrutura espacial. O vídeo acrescenta tempo e movimento. O áudio fornece indícios sobre acontecimentos e interações físicas. A linguagem liga esses sinais a instruções e a objetivos abstratos. O FLUX 3 foi concebido para aprender uma representação partilhada, em vez de tratar cada meio como uma tarefa de geração isolada.
Trata-se de uma direção de produto diferente da do FLUX 2, que é sobretudo uma família de geração e edição de imagens. O FLUX 3 continua a gerar e a editar imagens, mas também produz vídeo com áudio nativo e serve de base para a previsão de ações.
A família de modelos FLUX 3
A Black Forest Labs anunciou quatro grandes aplicações da base FLUX 3.
FLUX 3 Image
O FLUX 3 Image abrange a síntese e a edição de imagens através de APIs e de acesso privado aos pesos. A BFL afirma que o modelo lida com estilos, proporções e resoluções variados, segue prompts complexos com mais exatidão e melhora a reprodução de texto multilingue.
FLUX 3 Video
O FLUX 3 Video gera e edita vídeo com áudio nativo. Aceita texto, imagens e referências de vídeo e suporta vários workflows, incluindo a continuação e a geração controlada por keyframes.
FLUX 3 Dev
O FLUX 3 Dev é a base multimodal de pesos abertos anunciada. A BFL descreve-o como uma base para a criação de conteúdo e a previsão de ações. A empresa ainda não publicou os pesos, a licença, os requisitos de hardware nem a data de lançamento.
FLUX 3 Action e FLUX-mimic
O FLUX 3 também suporta a previsão de ações através de parceiros selecionados de investigação e comerciais. O FLUX-mimic, desenvolvido com a mimic robotics, aplica a representação visual do mundo do modelo às ações de robôs. É uma direção especializada, de investigação e industrial, e não um gerador de imagens ou vídeo para o consumidor.
Capacidades de imagem do FLUX 3
O FLUX 3 continua a ser um grande modelo de imagem, mesmo que o seu alcance seja mais vasto do que o dos lançamentos FLUX anteriores.
A Black Forest Labs anunciou:
- Geração de texto para imagem
- Edição de imagens
- Vários estilos visuais e proporções
- Várias resoluções de saída
- Melhor tratamento de prompts complexos
- Geração de texto multilingue mais exata
- Acesso por API e por pesos privados
Os exemplos oficiais vão de grandes planos fotorrealistas e imagens de estúdio ao estilo de produto até pinturas e ilustrações planas. Demonstram diversidade de estilos, mas são amostras de lançamento selecionadas, e não uma medida independente de consistência.
Continuam a faltar 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 pedidos nem o preço.
Capacidades de vídeo do FLUX 3
O FLUX 3 consegue gerar vídeos com áudio até 20 segundos numa única geração. Os workflows anunciados incluem:
- Texto para vídeo: cria um clipe completo a partir de uma descrição escrita.
- Imagem para vídeo: anima um frame inicial ou usa imagens como referências visuais.
- Vídeo para vídeo: leva personagens, sujeitos ou elementos visuais de um clipe de origem para outra cena.
- Continuação de vídeo e áudio: prolonga uma sequência audiovisual existente.
- Keyframes para vídeo: gera transições controladas entre momentos definidos.
- Diálogo multilingue: gera conteúdo falado em vários idiomas.
- Encadeamento de vários planos: liga clipes em sequências mais longas através de um workflow com agents.
- Tipografia animada: produz motion design e texto animado.
O áudio do modelo é nativo, e não acrescentado num passo de pós-processamento à parte. Isto é importante em acontecimentos em que o som, o movimento e o tempo têm de coincidir.
Como o Self-Flow se integra no FLUX 3
O FLUX 3 assenta no Self-Flow, um método desenvolvido pela Black Forest Labs para alinhar a geração e a compreensão multimodais numa só arquitetura.
A investigação preliminar da BFL compara o Self-Flow com o flow matching convencional na geração de imagem, vídeo e áudio. A empresa indica um erro de geração normalizado mais baixo e uma aprendizagem mais rápida em tarefas de manipulação posteriores.
Estes 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 sistema de avaliação ainda estão em desenvolvimento.
Primeiras avaliações do FLUX 3 Video
A Black Forest Labs publicou resultados preliminares de preferência humana para clipes de texto para vídeo de 10 segundos, em 720p e com áudio. Nos 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%
São avaliações preliminares publicadas pelo próprio fornecedor, e não um ranking independente. A BFL diz explicitamente que o modelo e a configuração de avaliação ainda estão a evoluir. A seleção de prompts, as definições de amostragem, os avaliadores e as versões dos modelos concorrentes podem afetar os resultados de preferência.
Disponibilidade do FLUX 3 no PoYo
O PoYo disponibiliza atualmente cinco IDs de modelo de vídeo de produção:
flux-3/text-to-videoflux-3/image-to-videoflux-3/first-last-frame-to-videoflux-3/extend-videoflux-3/keyframes-to-video
Estes workflows geram clipes de 5 a 20 segundos em 720p ou 1080p, suportam oito proporções e conseguem criar áudio nativo sincronizado. Os workflows padrão custam 34 créditos por segundo em 720p ou 58 créditos por segundo em 1080p. A extensão de vídeo custa 82 ou 106 créditos por segundo, respetivamente.
Este lançamento aplica-se aos workflows de vídeo do FLUX 3 no PoYo. O FLUX 3 Image, o Action e a base de pesos abertos FLUX 3 Dev continuam a ser partes distintas do roteiro mais vasto da BFL; o PoYo não os apresenta como incluídos na atual versão da API de vídeo. Consulta a documentação da API do FLUX 3 para veres os campos de pedido e os limites atuais.
Casos de utilização do FLUX 3
Geração e edição de imagens
O FLUX 3 Image poderá servir para visuais de produto, ilustração editorial, publicidade, design multilingue e edição controlada por referências.
Vídeos curtos com som sincronizado
A geração audiovisual nativa é útil para cenas com diálogo, demonstrações de produto, clipes para redes sociais, designs animados e conceitos de histórias em que o som tem de corresponder à ação.
Continuidade de personagens e de estilo
As referências de imagem e de vídeo podem levar um sujeito central ou uma linguagem visual para novas cenas. O encadeamento de vários planos poderá alargar isto a sequências mais longas.
Pré-visualização
Os keyframes, os clipes de referência e as entradas de imagem podem ajudar as equipas criativas a explorar transições, movimentos de câmara e a estrutura das cenas antes da produção convencional.
Investigação em IA física
A representação partilhada do mundo do FLUX 3 também pode ser adaptada à previsão de ações, como demonstra a colaboração do FLUX-mimic.
Perguntas frequentes
O FLUX 3 já foi lançado?
A Black Forest Labs anunciou o FLUX 3 a 23 de julho de 2026. O PoYo disponibiliza agora cinco endpoints de vídeo de produção que cobrem texto, imagens, primeiro e último frame, extensão de vídeo de origem e keyframes posicionados.
O FLUX 3 é um modelo de imagem ou de vídeo?
É um modelo de base multimodal. As variantes anunciadas abrangem a geração e a edição de imagens, o vídeo com áudio nativo e a previsão de ações.
O FLUX 3 gera áudio?
Sim. O FLUX 3 Video gera áudio nativo em conjunto com o vídeo e suporta diálogo multilingue.
Que duração podem ter os vídeos do FLUX 3?
O PoYo aceita durações inteiras de 5 a 20 segundos e suporta saída em 720p e 1080p.
O FLUX 3 é de código aberto?
A BFL anunciou uma base 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?
Sim. Usa a página do modelo FLUX 3 ou integra um dos cinco IDs de modelo de vídeo do PoYo documentados.
Em que difere o FLUX 3 do FLUX 2?
O FLUX 2 concentra-se na geração e edição de imagens. O FLUX 3 alarga a família a um modelo unificado para imagens, vídeo, áudio nativo e previsão de ações. Vê a comparação detalhada FLUX 3 vs FLUX 2.
Conclusão
O FLUX 3 não é apenas mais uma atualização de um modelo de imagem. Transforma o FLUX numa família centrada em imagens numa plataforma multimodal, pensada para ligar o aspeto visual, o movimento, o som e o comportamento físico.
As capacidades mais interessantes são claras: geração audiovisual nativa, vídeo guiado por referências, diálogo multilingue, tipografia mais sólida e uma arquitetura partilhada que se estende à previsão de ações. O PoYo disponibiliza agora os cinco workflows de vídeo lançados, com IDs de modelo, controlos e preços por segundo documentados.
Usa a página do modelo FLUX 3 no PoYo para gerares vídeo já, ou lê a documentação da API antes de integrares. Continua a tratar à parte os detalhes ainda não lançados do Image, do Action e do Dev, em relação aos endpoints de vídeo disponíveis hoje.
Fontes: Anúncio do FLUX 3 pela Black Forest Labs, FLUX 3 x mimic