FLUX 3

FLUX 3 是 Black Forest Labs 于 2026 年 7 月 23 日发布的多模态模型，用一个模型覆盖图像、视频、音频与动作预测。它是在这些模态上联合训练出来的，而不是由多个独立系统拼装而成。和任何早期体验版本一样，可用范围与支持的模式仍可能变化；YouArt 目前提供 FLUX 3 Video 供实际生成使用。

可以——FLUX 2 与 Flux Kontext 现已在 YouArt 上线。FLUX 2 支持文生图与参考图引导编辑，提供创作与编辑两种模式；Flux Kontext 则基于单张参考图做指令式编辑，并支持蒙版局部重绘。在 YouArt 使用这些流程，你不需要自己管理任何模型权重。

FLUX 2 是图像模型，在一个模型内同时支持文生图与单图 / 多图参考编辑。FLUX 3 把范围扩展到文生视频、视频、音频与动作预测，并且是单一模型联合训练，单次生成最长可产出 20 秒带音频的视频。

可以——单次生成最长 20 秒带音频的视频，支持多语种对白，并可基于输入的视频与音频继续生成。更长的内容由多个片段串联成多镜头序列，而不是把一次生成硬拉长。

单次生成最长 20 秒。更长的序列由多个片段串联成多镜头场景，而不是把一次生成继续拉长。

YouArt 上所有模型都按同一套积分体系计费。FLUX 3 Video 按时长计费，每秒 55 积分；你可以在价格页查看套餐与各模型的价格。若要为 API 规划预算，先比较渲染时长、分辨率、提示词迭代次数与生产流程需求，再估算单个项目的成本。

在 Black Forest Labs 自行组织的偏好测评中——取自训练中期检查点的初步结果，素材为 10 秒 720p 带音频片段——FLUX 3 相对 Luma Ray 3.2 的获选率为 93%，相对 Runway Gen-4.5 为 77%，面对最强竞品时优势较小。Kling 与 FLUX 3 可能适配不同的视频生成需求，建议按你的项目来比较成片质量、提示词控制力、运动表现、声音以及可用的 API 流程。目前第三方独立评测仍然有限。

可以。FLUX 3 在 YouArt 上以 FLUX 3 Video 提供：输出 720p 或 1080p 带同步原生音频的视频，可以只给提示词，也可以给首帧做动画、给首尾帧补中间运动，或在时间轴上最多钉 10 个关键帧。图像仍由 FLUX 2 与 Flux Kontext 承担。