2026 年 7 月 23 日、Black Forest Labs が FLUX 3 を発表しました。画像・動画・音声を同時に学習し、ロボットの行動予測にも拡張できるとされるマルチモーダルモデルです。その後に並んだ見出しは「ネイティブ音声付きの 20 秒」ばかりでした。埋もれてしまったのはこちらの事実です — ほとんどの人はまだ使えません。
FLUX 3 Video と FLUX 3 Action が入ったのは、申請と承認を要する早期アクセスプログラムです。申請は誰でもできますが、Black Forest Labs の承認が必要です。公開 API もなければ、公表された料金もありません。この記事では、BFL が公式に述べたことと、実際に検証されたことを切り分け、そのうえで — 現時点の根拠が許す範囲の条件付きの言い方で — ImagineToVideo で FLUX 3 をどう扱うつもりかを示します。
以下は Black Forest Labs が発表と同時に公開した動画です。
<video src="https://cdn.imaginetovideo.com/blog/content/flux3video.mp4" poster="https://cdn.imaginetovideo.com/blog/cover/flux-3.png" controls preload="none" style="max-width: 720px; width: 100%; aspect-ratio: 16 / 9; height: auto; object-fit: cover; display: block; margin: 1.5rem auto; border-radius: 12px; background: #000;"></video>
Black Forest Labs による公式発表動画（2026 年 7 月 23 日）。含まれる映像はすべて BFL がレンダリングしたもので、ImagineToVideo で生成したものは一つもなく、第三者による再現もされていません。
Black Forest Labs が発表したこと
FLUX 3 は単一のモデルではなくファミリーであり、BFL が「実世界モデル」と呼ぶものへの一歩として提示されています。空間構造・動き・音・物理的な相互作用を別々のタスクとして扱うのではなく、ひとつのバックボーンでまとめて学習するという考え方です。
| バリアント | 位置づけ |
|---|---|
| FLUX 3 Video | 動画生成、ネイティブ音声はオプション |
| FLUX 3 Image | 多様なスタイル・アスペクト比・解像度での画像生成と編集 |
| FLUX 3 Action（FLUX-mimic） | ロボット学習と器用な操作のための動画・行動モデル |
| FLUX 3 Dev | コンテンツ生成と行動予測のためのオープンウェイトのマルチモーダル基盤 |
基盤となる手法は Self Flow と呼ばれ、BFL はこれを、ひとつのシステム内でマルチモーダルな生成と理解を揃えるためのアプローチだと説明しています。公表されている初期テストのパートナーには Canva、Burda、Magnific（旧 Freepik）、Krea、Picsart が含まれます。
この分野で Black Forest Labs は無名ではありません。FLUX 系の画像モデルは広く使われており、FLUX.2 は現行の製品ラインです。その実績があるからこそ動画に関する主張は真剣に検討する価値があり、同じ理由で、誰かがワークフローを組み替える前にきちんと検証される必要があります。
提供状況：スペックより先にここを読んでください
多くの報道が飛ばした部分なので、先に置きます。
| バリアント | 公式に示された提供状況 |
|---|---|
| FLUX 3 Video | 審査制の早期アクセス — 申請し、BFL の承認を待つ |
| FLUX 3 Action | 審査制の早期アクセス。選ばれた研究・商用パートナー経由で、まず mimic robotics から |
| FLUX 3 Image | 「数週間のうちに」 |
| FLUX 3 Dev（オープンウェイト） | 「年内後半」 |
| 公開 API | ⚠️ まだなし |
| 公表された料金 | ⚠️ まだなし |
料金について具体的に言うと、BFL 自身の料金ページには今も FLUX.2 系（klein 4B、klein 9B、pro、max、flex）と FLUX.1 系しか掲載されていません。FLUX 3 の SKU も、秒単価も、生成単価もありません。今日どこかで見かける FLUX 3 の価格には、公式の裏付けがありません。 比較表に載っていたなら、その表は推測しています。
発表 ≠ プレビュー ≠ ベータ ≠ 一般提供。 大半の人にとって FLUX 3 はこの 4 段階の最初にいます。いま本番パイプラインをこれに合わせて設計するのは、自分では制御できない承認待ちの列に賭けるということです。
主張されている能力
以下の表はすべて Black Forest Labs が述べた内容です。モデルが一般公開されていないため、第三者が実行する手段がなく、どれひとつ独立に計測されていません。
| 能力 | 公式の主張 | 検証レベル |
|---|---|---|
| クリップ長 | 1 回の生成で最長 20 秒 | ⚠️ ベンダー主張、未検証 |
| 音声 | 映像とともにネイティブ生成 | ⚠️ ベンダー主張、未検証 |
| 解像度 | 公開された評価は 720p | ⚠️ ベンダー主張。他の解像度は非開示 |
| テキストから動画 | 記載あり | ⚠️ ベンダー主張、未検証 |
| 画像から動画 | 記載あり（アニメーション化または参照） | ⚠️ ベンダー主張、未検証 |
| 動画から動画 | 記載あり | ⚠️ ベンダー主張、未検証 |
| 動画と音声の続き生成 | 記載あり | ⚠️ ベンダー主張、未検証 |
| キーフレームから動画 | 記載あり | ⚠️ ベンダー主張、未検証 |
| 多言語セリフ | 記載あり | ⚠️ ベンダー主張、未検証 |
| より長いシーケンス | agentic chaining による | ⚠️ ベンダー主張。仕組みの詳細は不明 |
| モデル規模・パラメータ数 | 非開示 | ⚠️ 非開示 |
| 学習データの詳細 | 「マルチモーダルな情報源」以上の開示なし | ⚠️ 非開示 |
20 秒という数字が実運用でも通るなら、それは確かに注目に値します。当社が現在動かしているどのモデルの 1 テイクよりも長いからです。ただしこれは修辞ではなく、本当の意味での「もし」です。
ベンチマークの数字と、そこに注記が要る理由
Black Forest Labs は、同社が初期評価と呼ぶものにおける FLUX 3 Video の選好勝率を公表しました。
| 比較対象 | 公表された FLUX 3 の勝率 |
|---|---|
| Grok に対して | 69% |
| Kling v3 Pro に対して | 60% |
| Runway Gen-4.5 に対して | 77% |
| Luma Ray 3.2 に対して | 93% |
⚠️ これらはベンダー自身が報告した結果であり、独立した盲検テストではありません。 BFL は評価プロトコル、サンプル数、評価者数、プロンプト集のいずれも公開していません。画像モデルのベンチマークに至っては一切公開していません。
だからといって数字が偽物だということにはなりません。検証できない、という別のことを意味します。正しい向き合い方は、確定した順位ではなく「検証待ちの主張」として扱うことです。
似たことが最近ありました。Seedance 2.5 がカンファレンスでプレビューされた際、報道の一部は「プレビュー」を「正式リリース」と書き換え、広く転載されたあるスペックは結局 2.5 ではなく Seedance 2.0 のものでした。ベンダーのスライド上の主張と実際に触った結果は別種の証拠であり、まずい購買判断の多くはその隙間で起きます。
FLUX 3 Action とロボティクスの側面
今回の発表で動画制作とは無関係な部分です。FLUX 3 Action（FLUX-mimic とも呼ばれます）は、同じバックボーンをフレーム生成から行動予測へ拡張したもので、mimic robotics と共同でロボット学習と器用な操作を対象としています。
アーキテクチャの観点ではこちらのほうが興味深い主張です。物体がどう動き、どう相互作用するかを、ロボットの次の動作を予測できる程度まで学習したモデルは、見栄えのするフレームを作るだけのモデルよりも強い世界モデルを主張していることになります。同時に、ブラウザで使えるものからはさらに遠く、同じ審査制の早期アクセスの中にあります。続報は Black Forest Labs の公式ブログで追ってください。当社の領域外です。
当社の導入計画
スケジュールがあるふりはしません。実際の順序と、その前提条件をそのまま書きます。
1. 公式 API と早期アクセスの開放を待つ。 今は接続する対象そのものがありません。BFL は API アクセス、非公開のモデルウェイト、オープンウェイトの FLUX 3 Dev を年内後半に予定しているとしています。
2. 実際の仕様を主張と突き合わせて検証する。 クリップ長、複数言語で音声が保つかどうか、解像度の上限、レイテンシ、失敗パターン、そして同じプロンプトでの Kling V3 や VEO 3.1 との出力比較。計測した内容は、期待外れだった部分も含めて公表します。
3. 公表された料金をクレジットに換算する。 ベンダー自身が値付けしていないモデルに、当社が値付けすることはできません。BFL が料率を公表した時点で、FLUX 3 の 1 回の生成が何クレジット相当か、それが既存の選択肢と並べて妥当かを詰めます。
4. 段階的に、その後に全面展開。 まず限定公開、次に一般提供、最後にローカライズしたランディングページ — Seedance 2.0 や Kling V3 と同じ道筋です。
今日あえてやらないことが 2 つあります。FLUX 3 をモデルレジストリに追加していないこと、そして日付を約束しないことです。時期は Black Forest Labs がいつ API を開放し料金を公表するかに完全に依存します。 向こうが遅れれば当社の計画も遅れます。自分で作った日付を黙って落とすくらいなら、今この場で明言しておきます。
今日生成できるもの
FLUX 3 が申請フォームの向こう側にある間も、以下は ImagineToVideo で今すぐ動きます。いずれもネイティブ音声に対応しています。
| モデル | 尺 | 解像度 | 備考 |
|---|---|---|---|
| Kling V3 | 3〜15 秒 | 720p / 1080p | 当社で最も長い 1 テイク。カメラワークが強い |
| Kling V3 Omni | 3〜15 秒 | 720p / 1080p | つながったシーン間で一貫性を維持 |
| VEO 3.1 | 4 / 6 / 8 秒 | 720p / 1080p | 1 つのプロンプトでセリフを出すのに最適 |
| VEO 3.1 Fast | 4 / 6 / 8 秒 | 720p / 1080p | より速く安い下書き向け |
| Seedance 2.0 | 5〜15 秒 | 480p / 720p | 動画から動画に対応 |
| Seedance 2.0 Fast | 5〜15 秒 | 480p / 720p | 仕上がりが速い |
どのみち FLUX 3 に備えるつもりなら、実務的な助言がひとつあります。カット内容、セリフ、環境音を 1 つのまとまりとしてプロンプトに書いてください。音声をネイティブに生成する動画モデルは、今日動いているものも、FLUX 3 が自称するものも、その書き方を前提にしています。そう書いたプロンプトは FLUX 3 が開いたときにそのまま持ち込めるので、待ち時間が準備時間に変わります。
まずはテキストから動画で試すか、動画から動画のルートは Seedance 2.0 をご覧ください。FLUX 3 の状況は FLUX 3 ガイドで継続的に更新しています。
FAQ
FLUX 3 はいつ一般に使えるようになりますか？ Black Forest Labs は公開日を示していません。FLUX 3 Video と FLUX 3 Action は現在審査制の早期アクセス、FLUX 3 Image は数週間のうちにとされ、API アクセスとオープンウェイトの FLUX 3 Dev は年内後半に予定されています。いずれも同社自身の表現であり、誰かが確約したスケジュールではありません。
Black Forest Labs は FLUX 3 について具体的に何を主張しましたか？ 1 回の生成で最長 20 秒、ネイティブに生成される音声付き、評価は 720p、対応範囲はテキストから動画・画像から動画・動画から動画・動画と音声の続き生成・キーフレームから動画・多言語セリフ、そして尺を伸ばすための agentic chaining。いずれも Self Flow と呼ぶ手法の上に築かれているとしています。このリストのすべてはベンダーの主張です。モデルは一般公開されていないため、どれも独立に計測されていません。
Kling、VEO、Runway、Luma に対する FLUX 3 の勝率は独立に検証されていますか？ いいえ。公表された数字（Grok 69%、Kling v3 Pro 60%、Runway Gen-4.5 77%、Luma Ray 3.2 93%）は Black Forest Labs 自身が報告した選好結果です。同社は評価プロトコル、サンプル数、評価者数、プロンプト集を公開しておらず、画像モデルのベンチマークも一切公開していません。実機比較を待つべきベンダー主張として扱ってください。
FLUX 3 に API や公表された料金はありますか？ どちらもありません。BFL は API アクセス、非公開のモデルウェイト、オープンウェイトの FLUX 3 Dev を年内後半に予定しているとしていますが、稼働しているものはありません。料金ページは今も FLUX.2 と FLUX.1 のラインのみを対象としており、FLUX 3 の SKU も秒単価・生成単価もありません。したがって現在出回っている FLUX 3 の価格には公式の出典がありません。
ImagineToVideo は FLUX 3 に対応しますか？それまでは何を使えますか？ 公式 API と料金が公開された時点で導入を検討する予定です。まず実際の仕様を主張と突き合わせて検証し、その後クレジット価格に換算します。時期は Black Forest Labs がいつ API を開放し料金を公表するか次第のため日付は約束せず、FLUX 3 は現時点で当社のモデルレジストリに入っていません。それまでは Kling V3 と Kling V3 Omni（3〜15 秒、720p/1080p）、VEO 3.1 と VEO 3.1 Fast（4/6/8 秒、720p/1080p）、Seedance 2.0 と Seedance 2.0 Fast（5〜15 秒、480p/720p、動画から動画を含む）がいずれもネイティブ音声付きで、承認手続きなしに利用できます。
