2026 年 7 月 23 日，Black Forest Labs 官宣了 FLUX 3 —— 一个在图像、视频、音频上联合训练、并可扩展到预测机器人动作的多模态模型。随后铺开的标题都在讲「20 秒带原生音频」。被压下去没人细说的那一半是：你现在几乎肯定用不上它。
FLUX 3 Video 与 FLUX 3 Action 进入的是需申请审批的早期访问计划。任何人都能提交申请，但要 Black Forest Labs 批准。既没有公开 API，也没有公布定价。这篇文章把「BFL 官方主张了什么」和「哪些真的被验证过」拆开来讲，并用条件式的措辞——因为现有证据只支持这种措辞——说明我们打算怎么对待 ImagineToVideo 上的 FLUX 3。
下面是 Black Forest Labs 随官宣一同发布的视频：
<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>
官方公告视频，来自 Black Forest Labs，2026 年 7 月 23 日。片中每一段画面都由 BFL 渲染——没有任何一段是在 ImagineToVideo 上生成的，也没有任何一段被第三方复现过。
Black Forest Labs 官宣了什么
FLUX 3 不是单个模型，而是一个系列，被呈现为通往 BFL 所说的「真实世界模型」的一步：用同一套主干同时学习空间结构、运动、声音与物理交互，而不是把它们当成互相独立的任务。
| 变体 | 定位 |
|---|---|
| FLUX 3 Video | 视频生成，音频原生可选 |
| FLUX 3 Image | 跨风格、跨画幅、跨分辨率的图像合成与编辑 |
| FLUX 3 Action（FLUX-mimic） | 面向机器人学习与灵巧操作的视频-动作模型 |
| FLUX 3 Dev | 开源权重的多模态主干，用于内容生成与动作预测 |
底层方法称为 Self Flow，BFL 将其描述为在同一系统内对齐多模态生成与理解的做法。已公布的早期测试合作方包括 Canva、Burda、Magnific（原 Freepik）、Krea 和 Picsart。
Black Forest Labs 在这件事上不是无名之辈 —— FLUX 系列图像模型使用广泛，FLUX.2 是当前的在产线。正因为有这份履历，它的视频主张值得被认真对待；也正因如此，在任何人围绕它重排工作流之前，这些主张仍然需要被实测。
可用性：先看这一节，再看规格
这是大多数报道跳过的部分，所以我们把它放在规格前面。
| 变体 | 官方说明的可用状态 |
|---|---|
| FLUX 3 Video | 受审批的早期访问 —— 提交申请，等 BFL 批准 |
| FLUX 3 Action | 受审批的早期访问，通过选定的研究与商业合作方，首先是 mimic robotics |
| FLUX 3 Image | 「未来数周」 |
| FLUX 3 Dev（开源权重） | 「今年晚些时候」 |
| 公开 API | ⚠️ 尚未开放 |
| 公布定价 | ⚠️ 尚未公布 |
关于定价再具体一点：BFL 自家的定价页至今仍只列出 FLUX.2 系列（klein 4B、klein 9B、pro、max、flex）与 FLUX.1 系列。没有 FLUX 3 的任何 SKU，没有按秒费率，也没有按次费率。今天任何被引用的 FLUX 3 价格，背后都没有官方来源。 如果你在某张对比表里看到了，那张表在猜。
官宣 ≠ 预览 ≠ 公测 ≠ 正式可用。 对绝大多数人来说，FLUX 3 处在这四个阶段里的第一个。现在就围绕它规划生产管线，等于把管线押在一条你无法控制的审批队列上。
官方主张的能力
下表里的每一项都是 Black Forest Labs 的说法。没有任何一项被独立测量过，因为模型尚未公开发布——第三方根本没有办法跑它。
| 能力 | 官方主张 | 验证级别 |
|---|---|---|
| 片段时长 | 单次生成最长 20 秒 | ⚠️ 厂商主张，未实测 |
| 音频 | 与画面一同原生生成 | ⚠️ 厂商主张，未实测 |
| 分辨率 | 公布的评测在 720p 下进行 | ⚠️ 厂商主张；其他分辨率未披露 |
| 文生视频 | 已列出 | ⚠️ 厂商主张，未实测 |
| 图生视频 | 已列出（动画化或作为参考） | ⚠️ 厂商主张，未实测 |
| 视频转视频 | 已列出 | ⚠️ 厂商主张，未实测 |
| 视频与音频续写 | 已列出 | ⚠️ 厂商主张，未实测 |
| 关键帧生成视频 | 已列出 | ⚠️ 厂商主张，未实测 |
| 多语种对白 | 已列出 | ⚠️ 厂商主张，未实测 |
| 更长的序列 | 通过 agentic chaining | ⚠️ 厂商主张；机制未详述 |
| 模型规模 / 参数量 | 未披露 | ⚠️ 未披露 |
| 训练数据细节 | 除「多模态来源」外未披露 | ⚠️ 未披露 |
如果 20 秒这个数字在实测中站得住，那确实值得注意 —— 它比我们目前在跑的任何模型的单段时长都要长。这是一个真实的「如果」，不是修辞。
那些跑分数字，以及它们为什么需要加星号
Black Forest Labs 公布了 FLUX 3 Video 在其所称「早期评测」中的偏好胜率：
| 对比对象 | FLUX 3 的公布胜率 |
|---|---|
| 对 Grok | 69% |
| 对 Kling v3 Pro | 60% |
| 对 Runway Gen-4.5 | 77% |
| 对 Luma Ray 3.2 | 93% |
⚠️ 这些是厂商自评结果，不是独立盲测。 BFL 没有公布评测协议、样本量、评分人数，也没有公布提示词集。它同样完全没有公布任何图像模型的跑分。
这一切并不意味着数字是假的。它意味着这些数字无法被核实 —— 这是两回事。正确的应对是把它们当作「等待检验的主张」，而不是已成定论的排名。
我们不久前刚经历过一次。Seedance 2.5 在大会上被预览时，相当一部分报道把「预览」写成了「正式发布」；还有一条被广泛转载的规格，最后查明属于 Seedance 2.0 而不是 2.5。厂商 PPT 上的主张和上手实测是两类不同的证据，而绝大多数糟糕的采购决策，就住在这两者之间的缝隙里。
FLUX 3 Action 与机器人这条线
这次官宣里与「做视频」无关的那部分：FLUX 3 Action，又称 FLUX-mimic，把同一套主干从生成画面扩展到预测动作 —— 面向机器人学习与灵巧操作，与 mimic robotics 合作开发。
从架构上说，这反而是更有意思的主张。一个模型如果真的把物体如何运动、如何交互学到了足以预测机器人下一步动作的程度，它对自身世界模型的宣称就比「只会生成看起来可信的画面」强得多。但它也离「你能在浏览器里用到的东西」更远，而且同样被关在这次受审批的早期访问里。相关进展请在 Black Forest Labs 官方博客上追踪 —— 这不在我们做的范围内。
我们的接入计划
我们不打算假装存在一张时间表。下面是真实的顺序，并把依赖关系直说清楚。
1. 等官方 API 与早期访问开放。 现在根本没有可以对接的东西。BFL 表示 API 接入、私有模型权重与开源的 FLUX 3 Dev 计划在今年晚些时候推出。
2. 用实测规格去对照官方主张。 片段时长、音频在不同语言下是否稳得住、分辨率上限、延迟、失败模式，以及在同一条提示词下与 Kling V3、VEO 3.1 的产出对比。我们测到什么就公布什么，包括让人失望的部分。
3. 把公布的定价折算成积分。 我们没法给一个厂商自己都还没定价的模型定价。等 BFL 公布费率，我们再算清楚一次 FLUX 3 生成值多少积分，以及这个价格相对你已经能用到的东西是否站得住。
4. 先灰度，再全量。 先小范围放量，再全量开放，最后才是本地化落地页 —— 和 Seedance 2.0、Kling V3 走过的是同一条路。
有两件事我们今天刻意不做：没有把 FLUX 3 加进模型注册表，也不承诺任何日期。时间完全取决于 Black Forest Labs 何时开放 API 并公布定价。 如果那边延后，我们的计划就跟着延后 —— 与其悄悄错过一个自己编出来的日期，不如现在就把话说明白。
今天你能生成什么
在 FLUX 3 还卡在一张申请表后面的时候，下面这些在 ImagineToVideo 上立刻可用，且全部支持原生音频：
| 模型 | 时长 | 分辨率 | 说明 |
|---|---|---|---|
| Kling V3 | 3–15 秒 | 720p / 1080p | 我们提供的最长单段；镜头运动表现强 |
| Kling V3 Omni | 3–15 秒 | 720p / 1080p | 多镜头之间保持角色与场景一致 |
| VEO 3.1 | 4 / 6 / 8 秒 | 720p / 1080p | 一条提示词出人物对白，效果最好 |
| VEO 3.1 Fast | 4 / 6 / 8 秒 | 720p / 1080p | 更快更省的草稿档 |
| Seedance 2.0 | 5–15 秒 | 480p / 720p | 含视频转视频 |
| Seedance 2.0 Fast | 5–15 秒 | 480p / 720p | 出片更快 |
如果你无论如何都打算围绕 FLUX 3 做准备，这里有一条实用建议：把镜头描述、台词和环境音写进同一段提示词里。所有原生音频视频模型都吃这种写法 —— 今天在跑的这些是，FLUX 3 自称的那种也是。按这种写法写下的提示词，等 FLUX 3 开放后能原样搬过去，于是「等待」就变成了「准备」。
从文生视频开始，或者看 Seedance 2.0 走视频转视频那条路。我们在 FLUX 3 指南页持续维护它的状态，可用性一有变化就会更新。
FAQ
FLUX 3 什么时候会公开可用？ Black Forest Labs 没有给出公开日期。FLUX 3 Video 与 FLUX 3 Action 目前处于受审批的早期访问，FLUX 3 Image 官方称将在未来数周推出，API 接入与开源的 FLUX 3 Dev 计划在今年晚些时候。这些都是官方自己的措辞，并不是任何人承诺过的时间表。
Black Forest Labs 对 FLUX 3 究竟主张了什么？ 单次生成最长 20 秒并原生生成音频，评测在 720p 下进行，涵盖文生视频、图生视频、视频转视频、视频与音频续写、关键帧生成视频、多语种对白，以及用于延长时长的 agentic chaining —— 全部建立在其称为 Self Flow 的方法之上。这份清单上的每一项都是厂商主张；模型尚未公开发布，因此没有任何一项被独立测量过。
FLUX 3 对 Kling、VEO、Runway、Luma 的胜率经过独立验证了吗？ 没有。公布的数字——对 Grok 69%、对 Kling v3 Pro 60%、对 Runway Gen-4.5 77%、对 Luma Ray 3.2 93%——是 Black Forest Labs 自评的偏好结果。该公司未公布评测协议、样本量、评分人数或提示词集，也完全没有公布图像模型的跑分。请把它们当作有待上手对比检验的厂商主张。
FLUX 3 已经有 API 或公布定价了吗？ 两者都没有。BFL 表示 API 接入、私有模型权重与开源的 FLUX 3 Dev 计划在今年晚些时候推出，但目前都还没上线。其定价页至今只覆盖 FLUX.2 与 FLUX.1 两条产品线——没有 FLUX 3 的 SKU，也没有按秒或按次的费率，所以今天流传的任何 FLUX 3 价格都没有官方来源。
ImagineToVideo 会支持 FLUX 3 吗？在那之前我能用什么？ 我们计划在官方 API 与定价公开后评估接入，先用实测规格对照已被主张的内容，再折算成积分价格。时间取决于 Black Forest Labs 何时开放 API 并公布定价，因此我们不承诺日期，FLUX 3 目前也不在我们的模型注册表里。在此之前，Kling V3 与 Kling V3 Omni（3–15 秒，720p/1080p）、VEO 3.1 与 VEO 3.1 Fast（4/6/8 秒，720p/1080p）、Seedance 2.0 与 Seedance 2.0 Fast（5–15 秒，480p/720p，含视频转视频）都已可用，全部支持原生音频，且无需任何审批。
