A maior diferença entre o FLUX 3 e o FLUX 2 não é uma atualização de qualidade convencional. O FLUX 2 é uma família de geração e edição de imagens. O FLUX 3 é um modelo de base multimodal que se alarga ao vídeo, ao áudio nativo e à previsão de ações, mantendo a geração e a edição de imagens.
Esta distinção também muda o modelo que faz sentido hoje. O FLUX 2 oferece APIs de imagem de produção e variantes bem definidas, enquanto o PoYo disponibiliza agora cinco workflows de vídeo FLUX 3 de produção, com áudio nativo, entradas visuais, extensão e controlo por keyframes.
FLUX 3 vs FLUX 2 num relance
| Funcionalidade | 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 vídeo | Não | Sim |
| Áudio nativo | Não | Sim |
| Vídeo para vídeo | Não | Anunciado |
| Keyframes para vídeo | Não | Anunciado |
| Diálogo multilingue | Não | Anunciado |
| Previsão de ações | Não | Anunciada através de variantes especializadas |
| Pesos abertos | Variantes FLUX.2 Klein disponíveis | FLUX 3 Dev anunciado, ainda não lançado |
| Estado no PoYo | API de imagem disponível | Cinco workflows de vídeo disponíveis |
Objetivos de produto diferentes
O FLUX 2 foi concebido em torno da síntese e da edição de imagens de alta qualidade. A sua família de modelos inclui variantes focadas na qualidade, flexíveis e rápidas para diferentes workflows de imagem.
O FLUX 3 usa uma arquitetura partilhada para imagens, vídeo e áudio. A Black Forest Labs defende que aprender as modalidades em conjunto cria uma melhor representação do mundo: estrutura espacial a partir das imagens, movimento e alteração física a partir do vídeo e pistas causais a partir do som.
O resultado é uma plataforma mais ampla, e não uma substituição direta de 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 de flow matching. Aceita texto e, nos workflows de edição, referências de imagem para gerar ou modificar imagens estáticas.
O FLUX 3 assenta na investigação Self-Flow da BFL e num transformer multimodal. Codificadores e descodificadores separados ligam imagens, vídeo, áudio e, potencialmente, sinais de ação a um modelo partilhado.
Esta arquitetura destina-se a suportar tanto a geração como a compreensão. Permite também que o conhecimento aprendido numa modalidade melhore outra. Por exemplo, o vídeo pode ensinar ao modelo como um objeto se move, enquanto o áudio pode dar indícios sobre contacto, impacto e comportamento dos materiais.
Geração e edição de imagens
Ambas as gerações cobrem a síntese e a edição de imagens, mas a disponibilidade é diferente.
FLUX 2
O FLUX 2 é a escolha prática quando um workflow de produção precisa de:
- Geração de texto para imagem já
- Controlo de imagem com várias referências
- Edição de imagens orientada por prompts
- Variantes de modelo e resoluções definidas
- Formatos de pedido e preços da API conhecidos
De momento, o PoYo suporta as 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:
- O tratamento de prompts complexos
- A geração de texto multilingue
- A diversidade de estilos
- O suporte para diferentes proporções e resoluções
- A edição de imagens
No entanto, a BFL não divulgou uma comparação pública normalizada entre os endpoints finais do FLUX 3 Image e a família FLUX 2 completa. Seria prematuro afirmar que o FLUX 3 ganha em todas as tarefas de imagem.
O vídeo é a grande novidade do FLUX 3
O FLUX 2 não gera vídeo. O FLUX 3 Video acrescenta:
- Texto para vídeo
- Imagem para vídeo
- Vídeo para vídeo
- Continuação de vídeo e áudio
- Keyframes para vídeo
- Controlo de personagens e de estilo orientado por referências
- Clipes até 20 segundos
- Encadeamento com agents em sequências de vários planos
Isto torna o FLUX 3 relevante para um conjunto diferente de workflows de produção, incluindo publicidade, vídeo narrativo curto, design animado e pré-visualização audiovisual.
O áudio nativo muda o workflow
Um pipeline convencional de vídeo com IA pode gerar imagens silenciosas e depois usar ferramentas separadas para fala, efeitos sonoros, som ambiente e música.
O FLUX 3 gera vídeo e áudio em conjunto. A BFL destaca:
- Sons físicos alinhados com acontecimentos visíveis
- Diálogo multilingue
- 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 nem de design de som. Muda o ponto de partida, ao produzir uma cena audiovisual em vez de um clipe silencioso.
Controlo por referências
O FLUX 2 usa texto e referências de imagem para gerar e editar. Adequa-se a imagens de produto, conceitos de personagens, composição e alterações visuais controladas.
O FLUX 3 alarga o controlo por referências ao vídeo:
- Usar uma imagem como frame inicial
- Usar imagens como referências de identidade ou de estilo
- Levar elementos centrais de um vídeo para outro
- Continuar um clipe audiovisual
- Definir os momentos inicial e final com keyframes
De momento, o PoYo suporta uma imagem de origem para imagem para vídeo, duas imagens ordenadas para a geração com primeiro e último frame, até dez keyframes posicionados e uma origem MP4 para a extensão de vídeo. Consulta a documentação da API do FLUX 3 para veres os limites de carregamento em vigor.
Acesso aos modelos e pesos abertos
O FLUX 2 já inclui opções de API e de pesos abertos lançadas. O FLUX.2 Klein, por exemplo, destina-se a geração rápida, local ou alojada, sob licenças e requisitos publicados.
Para o FLUX 3, a BFL anunciou:
- FLUX 3 Image através de APIs e de pesos privados
- FLUX 3 Video através de APIs e de pesos privados
- FLUX 3 Dev como base multimodal de pesos abertos
- FLUX 3 Action através de parceiros selecionados
Os pesos, a licença, o local de transferência e os requisitos de sistema do FLUX 3 Dev continuam por conhecer.
Disponibilidade e preços
Ambas as famílias estão disponíveis através do PoYo, mas para tarefas de produção diferentes. O FLUX 2 oferece variantes documentadas de geração e edição de imagens. O FLUX 3 oferece atualmente cinco workflows de vídeo: texto para vídeo, imagem para vídeo, geração com primeiro e último frame, extensão de vídeo e keyframes posicionados.
Os workflows de vídeo padrão do FLUX 3 custam 34 créditos por segundo em 720p ou 58 créditos por segundo em 1080p. A extensão custa 82 ou 106 créditos por segundo, respetivamente. Os IDs de modelo e os campos de pedido do PoYo lançados estão listados na documentação da API do FLUX 3.
A versão atual do PoYo é especificamente a família de vídeo FLUX 3. Não assumas que os itens do roteiro FLUX 3 Image, Action ou Dev, que são separados, estão incluídos nestes endpoints.
Que modelo deves escolher?
Escolhe o FLUX 2 quando:
- Precisas já de uma API de imagem de produção.
- O teu resultado é uma imagem estática.
- Precisas de edição de imagens com base em referências.
- Exiges preços e parâmetros de pedido conhecidos.
- Queres testar várias variantes focadas em imagem.
Acompanha o FLUX 3 quando:
- Precisas de vídeo com áudio nativo.
- O teu workflow combina texto, imagens e referências de vídeo.
- Queres continuação de vídeo ou transições por keyframes.
- O diálogo multilingue é importante.
- Estás a investigar modelos do mundo multimodais ou a previsão de ações.
Usa ambos quando:
O FLUX 2 pode continuar a ser a camada estável de produção de imagens enquanto uma equipa avalia o FLUX 3 para novos workflows audiovisuais. O FLUX 3 não tem de substituir um pipeline de imagens que funciona logo no primeiro dia.
Perguntas frequentes
O FLUX 3 é melhor do que o FLUX 2?
O FLUX 3 tem um conjunto de capacidades muito mais vasto, mas ainda não há testes públicos e independentes suficientes para afirmar que seja melhor em todas as tarefas de geração ou de edição de imagens.
O FLUX 2 suporta vídeo?
Não. O FLUX 2 é uma família de geração e edição de imagens.
O FLUX 3 continua a gerar imagens?
Sim. O FLUX 3 Image suporta a síntese e a edição de imagens a par das novas direções de vídeo, áudio e ação.
O FLUX 3 vai substituir o FLUX 2?
A BFL não disse que o FLUX 3 vá substituir imediatamente o FLUX 2. No PoYo, os dois complementam-se atualmente: o FLUX 2 trata dos workflows de imagem de produção, enquanto o FLUX 3 trata de cinco workflows de vídeo de produção.
O FLUX 3 é de código aberto?
Foi anunciada uma base FLUX 3 Dev de pesos abertos, mas ainda não foi lançada.
Que modelo está disponível no PoYo?
Ambos estão disponíveis no PoYo. Escolhe o FLUX 2 para geração e edição de imagens, ou o FLUX 3 para os cinco workflows de vídeo lançados, com áudio nativo.
Conclusão
O FLUX 2 e o FLUX 3 não devem ser entendidos apenas como um modelo de imagem antigo e um novo. Representam dois âmbitos de produto:
- FLUX 2: geração e edição de imagens orientadas para produção
- FLUX 3: uma base multimodal para imagem, vídeo, áudio nativo e ação
Para as cargas de trabalho de imagem atuais, o FLUX 2 continua a ser a escolha relevante. Para geração audiovisual e referências multimodais, os cinco workflows de vídeo do FLUX 3 estão disponíveis agora.
Lê a visão geral do FLUX 3, explora o guia do FLUX 3 Video ou usa o FLUX 3 no PoYo.
Fontes: Anúncio do FLUX 3 pela Black Forest Labs, Anúncio do FLUX.2 pela Black Forest Labs