FLUX 3

FLUX 3 是 Black Forest Labs 的多模态生成模型，覆盖视频、音频、即将到来的图像生成，以及动作预测。公司把它描述为“一个模型服务多种模态”，而不是 FLUX.1 的纯视频续作。bfl.ai 官方页面强调风格多样的视频、可选原生音频、单次生成最长 20 秒、多语言语音，以及先草稿再精渲的智能体友好流程。产品页上图像生成标注为 “soon”。

核心功能

• 一个模型，多种模态：视频与音频现已开放；图像生成为即将推出；动作预测面向机器人，把视觉观察和文本指令变成预测结果与控制动作。
• 视频控制：文生视频、图生视频、起止帧与有序关键帧、一次生成多场景多机位、从最后一帧续写，以及片段的智能体链式拼接。
• 原生音频：可选的多语言语音、音效与环境声随画面一起生成，并强调对口型的对白。
• 草稿模式：先用低成本快速预览，再把同一提示送回去做全质量渲染。
• Self-Flow 架构：BFL 用 Self-Flow 在同一底层模型里对齐多模态生成与理解，并给出相对 flow matching 的生成误差与操作任务成功率对比。
• API、Playground 与开源权重路径：站点提供 Playground、生产 API，以及单独的开源权重授权。部署前应核对 FLUX 3 当前是否真有可下载权重，不要默认它已包含在 FLUX.2 包里。

适用场景

• 智能体视频流水线：Nous Research 的 Dillon Rolnick 描述 Hermes 先生成一个镜头、检查，再续写，从而把 20 秒片段接成更长作品。
• 产品与品牌视频：官网引用 Magnific 与 Envato，强调运动设计、产品和品牌创意，而不仅是电影感成片。
• 分镜与广告：多场景、字体排印和多语言对白适合解说、纪录片和投放。
• 机器人研究：动作预测被放在感知、仿真与执行，而不是消费级视频。

定价方案

Black Forest Labs 采用按量 API 计费，没有席位费。bfl.ai/pricing 公开计算器（2026-08-16 查阅）在 HD 草稿、文/图生视频选项下显示 FLUX 3 视频为 $0.17/秒，5 秒片段为 $0.85。分辨率、时长、草稿/正式、视频到视频都会改总价，因此把 $0.17/秒当作计算器当时显示的草稿 HD 费率，而不是万能标价。

同一页的开源权重授权仍按 FLUX.2 系列（Builder、Platform、Professional、Enterprise、Synthetic Data）说明。企业 API 客户可向销售询问量级、SLA 与组合价。

快速开始

1. 打开 FLUX 3 页面，先在 Playground 试。
2. 需要生产量时，在 BFL 控制台创建 API Key。
3. 用草稿模式低成本探索提示，再把选中的草稿精渲。
4. 做更长故事时，从最后一帧续写或把片段链式拼接，而不是一次要很长成片。
5. 若需要本地权重，阅读当前开源权重条款。不要假设 FLUX 3 检查点已打进 FLUX.2 klein/dev 包。

常见问题

FLUX 3 只是视频模型吗？

不是。当前公开面是视频和音频。图像生成标注为即将推出，动作预测是面向机器人的模态。

可以下载权重吗？

BFL 为部分 FLUX 模型出售开源权重授权。FLUX 3 营销页提到 API、Playground 和“下载模型”，但公开定价页仍在详述 FLUX.2 klein 与 dev 包。规划本地部署前，先核实 FLUX 3 的具体权重提供方式。

一段能有多长？

官方文案写单次生成最长 20 秒。更长内容预期通过续写和智能体链式拼接完成。

替代方案

• Flux.1 Pro：BFL 更早的商业图像模型，只需要静帧时仍是参照。
• Veo 3：若你已在 Gemini 体系里，可看 Google 的视频生成产品。
• MiniMax：另一家提供视频与音频 API 的多模态厂商。

使用技巧

1. 先出草稿：官方流程是便宜探索，再精渲。不要用全质量去搜提示。
2. 按镜头写，而不是按整部电影写：20 秒片段加续写，才符合官方演示方式。
3. 单独检查音频：多语言语音和对口型是卖点，也会引入失败模式。长序列拼接前先预览对白。

总结

FLUX 3 是 BFL 的一次押注：视频、音频、图像和机器人动作可以共享同一条多模态主干。若你需要智能体可控、带原生声音的短片，从官方 Playground 开始，把单次生成保持较短，确认效果后再把 API 接进更长流水线。