Black Forest Labs анонсировала FLUX 3 23 июля 2026 года. Это крупнейшее на данный момент изменение в семействе моделей FLUX: вместо фокусировки только на генерации и редактировании изображений FLUX 3 представляет собой мультимодальную базовую модель, обученную на изображениях, видео, аудио и действиях.
FLUX 3 доступен на PoYo: текст-в-видео, изображение-в-видео, первый/последний кадр, продолжение и позиционные ключевые кадры. PoYo FLUX 3.
В этом руководстве отдельно рассматривается то, что Black Forest Labs официально анонсировала, и детали, которые пока остаются неизвестными.
FLUX 3 вкратце
| Возможность | Официально объявленная информация |
|---|---|
| Разработчик | Black Forest Labs |
| Дата анонса | 23 июля 2026 года |
| Текущий статус | На PoYo доступны пять production-процессов для видео |
| Модальности | Изображения, видео, аудио и предсказание действий |
| Входные данные | Текст, изображения и видеообразцы |
| Возможности работы с изображениями | Генерация и редактирование |
| Возможности работы с видео | Текст-видео, изображение-видео, видео-видео, продолжение и ключевые кадры |
| Нативное аудио | Да |
| Максимальная заявленная длительность видео | До 20 секунд за одну генерацию |
| Многоязычный диалог | Анонсирован |
| Общедоступный доступ к API PoYo | Доступно сейчас |
| Публичные идентификаторы моделей API и цены | Актуальные ID, параметры и цены приведены в документации PoYo. |
Что такое FLUX 3?
FLUX 3 — это унифицированная мультимодальная модель. Black Forest Labs сообщает, что она одновременно обучалась на изображениях, видео и аудио, чтобы эти модальности дополняли и уточняли друг друга.
Изображение описывает пространственную структуру. Видео добавляет время и движение. Аудио предоставляет информацию о событиях и физических взаимодействиях. Язык связывает эти сигналы с инструкциями и абстрактными целями. FLUX 3 создана для обучения общему представлению, а не для того, чтобы рассматривать каждый тип данных как изолированную задачу генерации.
Это другое направление развития продукта по сравнению с FLUX 2, которое в первую очередь представляет собой семейство моделей для генерации и редактирования изображений. FLUX 3 по-прежнему генерирует и редактирует изображения, но также создаёт видео с нативным аудио и предоставляет основу для предсказания действий.
Семейство моделей FLUX 3
Black Forest Labs анонсировала четыре основных направления применения базовой модели FLUX 3.
FLUX 3 Image
FLUX 3 Image предназначена для синтеза и редактирования изображений через API и с использованием приватного доступа к весам. BFL сообщает, что модель работает с различными стилями, соотношениями сторон и разрешениями, точнее следует сложным запросам и улучшает отображение текста на разных языках.
FLUX 3 Video
FLUX 3 Video генерирует и редактирует видео с нативным аудио. Она принимает текст, изображения и видеообразцы и поддерживает несколько рабочих процессов, включая продолжение и генерацию с управлением ключевыми кадрами.
FLUX 3 Dev
FLUX 3 Dev — это анонсированная мультимодальная базовая модель с открытыми весами. BFL описывает её как основу для создания контента и предсказания действий. Компания пока не опубликовала её веса, лицензию, требования к оборудованию или дату выпуска.
FLUX 3 Action и FLUX-mimic
FLUX 3 также поддерживает предсказание действий в рамках отдельных исследовательских и коммерческих партнёрств. FLUX-mimic, разработанная совместно с mimic robotics, применяет визуальное представление мира модели к действиям роботов. Это специализированное исследовательское и промышленное направление, а не генератор изображений или видео для потребителей.
Возможности FLUX 3 Image
FLUX 3 остаётся важной моделью для работы с изображениями, несмотря на то что её область применения шире, чем у предыдущих выпусков FLUX.
Black Forest Labs анонсировала:
- Генерацию изображений по тексту
- Редактирование изображений
- Различные визуальные стили и соотношения сторон
- Различные разрешения результатов
- Улучшенную обработку сложных запросов
- Более точную генерацию текста на разных языках
- Доступ через API и приватный доступ к весам
Официальные примеры варьируются от фотореалистичных крупных планов и студийных изображений в стиле предметной съёмки до картин и плоских иллюстраций. Они демонстрируют разнообразие стилей, но представляют собой отобранные примеры для запуска, а не независимую оценку стабильности результатов.
Важные детали для промышленного использования всё ещё отсутствуют. BFL не опубликовала окончательные параметры API FLUX 3 Image, максимальное разрешение, задержку, ограничения частоты запросов или цену.
Возможности FLUX 3 Video
FLUX 3 может генерировать видео со звуком длительностью до 20 секунд за одну генерацию. В число анонсированных рабочих процессов входят:
- Текст-видео: создание готового ролика по письменному описанию.
- Изображение-видео: анимация начального кадра или использование изображений в качестве визуальных образцов.
- Видео-видео: перенос персонажей, объектов или визуальных элементов из исходного ролика в другую сцену.
- Продолжение видео и аудио: расширение существующей аудиовизуальной последовательности.
- Ключевой кадр-видео: генерация контролируемых переходов между заданными моментами.
- Многоязычный диалог: генерация речи на нескольких языках.
- Связывание нескольких кадров: объединение роликов в более длинные последовательности с помощью агентного рабочего процесса.
- Анимированная типографика: создание моушн-дизайна и анимированного текста.
Аудио модели является нативным, а не добавляется на отдельном этапе постобработки. Это важно для событий, в которых звук, движение и синхронизация должны соответствовать друг другу.
Как Self-Flow связан с FLUX 3
FLUX 3 использует Self-Flow — метод, разработанный Black Forest Labs для согласования мультимодальной генерации и понимания в рамках одной архитектуры.
В предварительном исследовании BFL сравнивает Self-Flow с обычным flow matching при генерации изображений, видео и аудио. Компания сообщает о меньшей нормализованной ошибке генерации и более быстром обучении на задачах последующей манипуляции.
Эти результаты помогают понять архитектуру, но их не следует воспринимать как полноценный публичный бенчмарк готовых продуктов FLUX 3. Модель и инструментарий оценки всё ещё находятся в разработке.
Ранние оценки FLUX 3 Video
Black Forest Labs опубликовала предварительные результаты оценки предпочтений людей для 10-секундных роликов, сгенерированных из текста, в разрешении 720p и с аудио. В своих тестах FLUX 3 получила предпочтение по сравнению со следующими моделями:
- Grok Imagine Video — до 69% сравнений
- Kling v3 Pro — 60%
- Happy Horse v1 — 59%
- Happy Horse 1.1 — 57%
- Seedance 2.0 и Gemini Omni Flash — 52%
- Runway Gen-4.5 — 77%
- Luma Ray 3.2 — 93%
Это опубликованные поставщиком ранние оценки, а не независимый рейтинг. BFL прямо указывает, что модель и настройки оценки продолжают меняться. На результаты предпочтений могут влиять выбор запросов, параметры сэмплирования, оценивающие лица и версии конкурирующих моделей.
Доступность FLUX 3
На PoYo доступны пять production-процессов для видео:
flux-3/text-to-videoflux-3/image-to-videoflux-3/first-last-frame-to-videoflux-3/extend-videoflux-3/keyframes-to-video
Поддерживаются 5–20 секунд, 720p/1080p, восемь соотношений сторон и нативное аудио. Стандарт: 34/58 кредитов в секунду; продолжение: 82/106.
Текущий выпуск относится к FLUX 3 Video. Image, Action и Dev остаются отдельными пунктами roadmap. FLUX 3 API.
Варианты использования FLUX 3
Генерация и редактирование изображений
FLUX 3 Image может поддерживать создание визуальных материалов для продуктов, редакционные иллюстрации, рекламу, многоязычный дизайн и редактирование под контролем образцов.
Короткие видео с синхронизированным звуком
Нативная генерация аудиовизуального контента полезна для диалоговых сцен, демонстраций продуктов, роликов для социальных сетей, анимированного дизайна и сюжетных концепций, в которых звук должен соответствовать действию.
Согласованность персонажей и стиля
Изображения и видеообразцы могут переносить центральный объект или визуальный язык в новые сцены. Связывание нескольких кадров может расширить этот подход до более длинных последовательностей.
Предварительная визуализация
Ключевые кадры, видеообразцы и входные изображения могут помочь творческим командам исследовать переходы, движения камеры и структуру сцены до начала традиционного производства.
Исследования физического ИИ
Общее представление мира FLUX 3 также можно адаптировать для предсказания действий, что демонстрирует сотрудничество FLUX-mimic.
Часто задаваемые вопросы
FLUX 3 уже выпущена?
На PoYo доступны пять production-процессов для видео.
FLUX 3 — это модель для изображений или видео?
Это мультимодальная базовая модель. Анонсированные варианты охватывают генерацию и редактирование изображений, видео с нативным аудио и предсказание действий.
Генерирует ли FLUX 3 аудио?
Да. FLUX 3 Video генерирует нативное аудио одновременно с видео и поддерживает многоязычный диалог.
Какой длины могут быть видео FLUX 3?
PoYo: 5–20 s, 720p/1080p.
FLUX 3 имеет открытый исходный код?
BFL анонсировала базовую модель FLUX 3 Dev с открытыми весами, но веса, лицензия и дата выпуска пока не опубликованы.
Доступен ли API FLUX 3 на PoYo?
Доступно сейчас. FLUX 3.
Чем FLUX 3 отличается от FLUX 2?
FLUX 2 сосредоточена на генерации и редактировании изображений. FLUX 3 расширяет семейство до унифицированной модели для изображений, видео, нативного аудио и предсказания действий. См. подробное сравнение FLUX 3 и FLUX 2.
Итог
FLUX 3 — это не просто очередное обновление модели для изображений. Она превращает FLUX из семейства, ориентированного на изображения, в мультимодальную платформу, предназначенную для объединения визуального вида, движения, звука и физического поведения.
На PoYo доступны пять production-процессов для видео.
Актуальные ID, параметры и цены приведены в документации PoYo. FLUX 3 API.
Источники: анонс FLUX 3 от Black Forest Labs, FLUX 3 x mimic