FLUX 3 Image vs FLUX 3 : deux noms, deux produits, neuf semaines d'écart

Depuis le 1er octobre 2026, « FLUX 3 » désigne deux choses différentes, et la seconde est celle qui a une grille tarifaire. FLUX 3 Image est le palier d'image mis en ligne ce jour-là à api.bfl.ai/v1/flux-3-image, facturé par image à partir de 0,041 $. FLUX 3 est l'entité plus vaste à laquelle il appartient — le modèle multimodal unifié que Black Forest Labs a annoncé le 23 juillet 2026 et a depuis livré en pièces détachées, dont la vidéo et une tête d'action robotique sont les parties déjà en production. Il ne s'agit pas d'une comparaison entre un modèle phare et son petit frère. Il s'agit d'une comparaison entre une famille entière et l'une de ses trois composantes opérationnelles.

Cette distinction est facile à perdre de vue, et la nomenclature de BFL elle-même n'arrange rien : la page de la famille, la documentation vidéo, les conditions de licence et la référence API disent toutes FLUX 3 là où elles désignent quelque chose de plus restreint. Si vous avez lu une fiche technique de FLUX 3 et que vous en ressortez sans savoir si elle décrit un modèle d'image, un modèle vidéo ou un programme de recherche, ce n'est pas de la négligence de votre part. Les deux noms sont en usage actif pour des sous-ensembles qui se recoupent d'une même version.

Les deux dates qui comptent

• 23 juillet 2026 — FLUX 3 annoncé sous une bannière Early Access. Une seule architecture Self-Flow couvrant la génération d'images, de vidéos et d'audio, ainsi que la prédiction d'actions. La divulgation des ressources de calcul est la partie intéressante : plus de 95 % du calcul d'entraînement a été consacré à la vidéo, et moins de 0,5 % des tokens ont été alloués à l'audio.

• 1er octobre 2026 — le palier d'images s'ouvre sous la forme d'un point de terminaison à usage mesuré. Ce qui laisse un intervalle d'environ dix semaines entre l'annonce et l'arrivée de la modalité à laquelle la plupart des gens pensaient que « FLUX 3 » faisait référence.

Lire cette répartition de la puissance de calcul vous dit ce que Black Forest Labs considérait comme le problème difficile. Une famille de modèles qui consacre presque tout son budget d’entraînement à la vidéo n’optimise pas pour les images fixes en traitant le mouvement comme une extension. C’est l’inverse, et le niveau image a hérité de ce que l’entraînement privilégiant d’abord la vidéo a produit.

Ce qu'est chaque palier, et ce qu'il coûte

Trois des quatre modalités annoncées en juillet ont été déployées. Le niveau d'images est le plus récent, et c'est le seul à se comporter comme une API payante classique.

• FLUX 3 Image — un POST, un en-tête x-key, et une URL d'interrogation en retour. Tarifé par image selon le palier de résolution : 0,041 $ en 768², 0,048 $ en 1K (par défaut), 0,07 $ en 1,5K, 0,10 $ en 2K et 0,607 $ en 4K. Une remise de lancement de 50 % est en vigueur jusqu'au 8 octobre à 15 h 00 UTC. Les références et la longueur du prompt sont incluses ; les requêtes échouées et modérées ne sont pas facturées. Il accepte jusqu'à dix images de référence comprises entre 256×256 pixels et 16 mégapixels chacune.

• FLUX 3 Video — généralement disponible et facturé à la seconde plutôt qu'à l'image. Les modes texte-vers-vidéo et image-vers-vidéo coûtent 0,06 $/s en Draft HD, 0,17 $/s en HD, 0,29 $/s en FHD, 0,40 $/s en QHD et 0,80 $/s en UHD, le vidéo-vers-vidéo étant plus cher dans tous les cas. Les clips vont jusqu'à 20 secondes avec un audio synchronisé natif, et les modes incluent keyframe-to-video et continuation. Le mode Draft est limité à la HD. Les sorties QHD et UHD sont arrivées le 10 septembre 2026.

• FLUX 3 Action — un modèle monde-action de 7B, et la seule partie de FLUX 3 dont vous pouvez télécharger les paramètres. Trois checkpoints sont apparus sur Hugging Face le 22 septembre 2026 : un checkpoint de base, une variante de bras SO-101 et une variante DROID. L'accès est réservé aux partenaires plutôt qu'ouvert, avec la manipulation robotique comme cas d'usage démontré.

• Ce qui n'a pas encore été livré — un backbone FLUX 3 à poids ouverts. Les niveaux d'auto-hébergement de BFL ne couvrent encore que FLUX.2 [klein] et FLUX.2 [dev]. Pour le niveau image en particulier, des poids commerciaux existent sous licence négociée, et des poids ouverts publics sont annoncés pour dans quelques semaines.

La comparaison de coûts que personne ne fait

Les tarifs par image et par seconde semblent incomparables, et c’est exactement pourquoi le calcul vaut la peine d’être fait une fois.

Cinq secondes de texte-vers-vidéo en HD standard coûtent 0,85 $. Cinq secondes en UHD coûtent 4,00 $. Une seule image 4K du palier image coûte 0,607 $ au tarif catalogue, ou 0,3035 $ pendant la fenêtre de lancement — et bien que le « 4K » du palier image désigne un budget de pixels plutôt qu'une image fixe (l'exemple de sortie de BFL est 5456 × 3072, soit environ 16,8 mégapixels, contre 8,3 pour l'UHD 2160p), il s'agit du même ordre de résolution que le palier vidéo facture à la seconde pour la déplacer.

La conséquence est que générer une image clé UHD coûte une fraction de ce que coûte générer une seconde de vidéo UHD, et l’image clé est ce que vous généreriez de façon répétée pendant les itérations. Si votre pipeline consiste à « bien régler l’image, puis à l’animer », le palier image est la moitié la moins chère, de plus d’un ordre de grandeur, et c’est la moitié qui est disponible depuis le moins longtemps.

Il y a une réserve du côté image que le côté vidéo n’a pas. Un appel d’image 4K peut prendre plusieurs minutes, et l’échantillon renvoyé est téléchargeable pendant une heure. Le fait d’être lent et récupérable pendant une heure constitue une forme opérationnelle différente de celle d’une tâche vidéo, et c’est le genre de détail qui détermine si un pipeline par lots a besoin d’une file d’attente.

Les boîtes englobantes existent sous l’un de ces deux noms

Les surfaces de contrôle ne sont pas partagées entre les niveaux, et c’est la différence pratique la plus marquée entre le nom et la famille.

Le tier image prend un tableau JSON ajouté au prompt, avec des coordonnées sur une grille de 0 à 1000 sur les deux axes et chaque boîte écrite [top, left, bottom, right]. Vous passez une table d'éléments portant un id, une bbox et une desc, ainsi qu'une légende globale qui cite ces ids — les exemples de BFL utilisent des noms comme animal_1. Le même système de coordonnées pilote l'édition : conserver une région, déplacer une région, en générer une nouvelle dans une boîte cible, ou supprimer une boîte source. Plusieurs opérations tiennent dans une seule requête, avec ref_image_0 qui nomme la première entrée de la liste de références. Les pixels situés en dehors des boîtes éditées, dit la documentation, « restent généralement identiques » — une précaution à prendre au pied de la lettre.

Grounding est activé par défaut dans le niveau image : une recherche web et d'images s'exécute avant la génération. Les dimensions de sortie sont arrondies à des multiples de 16 et le chiffre obtenu est renvoyé sous la forme output_mp.

Rien de tout cela n'apparaît dans les paramètres de la gamme vidéo. FLUX 3 Video a sa propre logique de contrôle — images clés, continuation, conditionnement par première et dernière image — mais aucun langage de coordonnées. Les composants partagent une architecture, pas une interface.

Lire attentivement les propres comparaisons du fournisseur

Black Forest Labs a publié des résultats de préférence pour FLUX 3 Video, et ils méritent d’être cités avec leur provenance attachée. Les exécutions sont réalisées par le fournisseur, préliminaires, et évaluées sous forme de taux de victoire sur des sorties 720p de 10 secondes :

• Face à Luma Ray 3.2 — 93 % de préférence pour FLUX 3 Video.

• Contre Runway Gen-4.5 — 77 %.

• Face à Grok Imagine Video — 69 %.

• Face à Kling v3 Pro — 60 %.

• Contre Happy Horse v1 et v1.1 — 59 % et 57 %.

• Contre Seedance 2.0 et Gemini Omni Flash — environ 52 % chacun, ce qui constitue en substance une égalité statistique même si le chiffre dépasse la moitié.

L’écart allant de 93 % à 52 % sur l’ensemble de cette liste est plus instructif que n’importe quelle ligne prise isolément. Personne en dehors de BFL n’a mené ces comparaisons, et les résultats inférieurs à 55 % en bas de liste sont ceux qui vous indiquent où le modèle est réellement contesté.

Il n'existe aucun chiffre équivalent pour FLUX 3 Image. Les classements texte-image et édition d'Artificial Analysis ont été vérifiés le 1er octobre, puis de nouveau le 2 octobre 2026, et ni l'un ni l'autre ne comporte d'entrée FLUX 3 Image. La gamme FLUX.2 reste là où s'arrêtent les scores publiés de BFL : FLUX.2 [max] à 1021 Elo sur le classement de génération et 996 sur celui d'édition, avec FLUX.2 [dev] fixé comme ancre à 1000 sur les deux. Le niveau d'image n'a qu'un jour et n'est pas mesuré.

Choisir entre les noms

Le choix dépend moins de savoir quel modèle est meilleur que de savoir dans lequel des trois niveaux proposés réside votre problème.

Si vous avez besoin d’images fixes avec un contrôle spatial, FLUX 3 Image est le seul palier à disposer d’un langage de coordonnées, et à 0,048 $ l’image en 1K, c’est assez bon marché pour l’évaluer correctement plutôt que d’en débattre. Commencez par là, testez sur vos propres images l’affirmation selon laquelle elles « restent généralement identiques », et observez le saut de 6,07× du prix catalogue de la 2K à la 4K lorsque vous dimensionnez vos lots.

Si vous avez besoin de mouvement, FLUX 3 Video est un produit mature à facturation à l’usage, avec des paliers de résolution jusqu’à l’UHD et des clips de 20 secondes comportant un audio synchronisé. Comparez-le aux modèles qu’il est conçu pour remplacer plutôt qu’à l’offre d’image — ils ne sont pas des solutions de remplacement l’un pour l’autre.

Si vous avez besoin des poids, la réponse aujourd'hui est FLUX 3 Action dans le cadre d'un accord de partenariat, et sinon FLUX.2. Ni le palier vidéo ni le palier image n'est téléchargeable, et la publication ouverte du palier image est une intention déclarée sans date.

Ni FLUX 3 ni FLUX 3 Image ne figurent au catalogue d'OrcaRouter : appeler l'un ou l'autre revient donc à s'adresser directement à Black Forest Labs. Ce qu'un routeur neutre vis-à-vis des fournisseurs apporte à un pipeline bâti autour de cette famille, c'est la couche qui entoure l'appel de génération : la passe de réécriture du prompt, la vérification visuelle qui compare un rendu au brief, le classifieur qui trie les sorties entre ce qu'on accepte et ce qu'on rejette. Ces étapes évoluent bien plus souvent que le modèle d'image, et changer de fournisseur derrière un seul point d'accès compatible OpenAI — avec les prix catalogue des fournisseurs répercutés sans marge, le basculement automatique dès qu'un backend se dégrade, et un DSL de routage quand on veut épingler ou basculer délibérément — voilà la différence entre un pipeline qui suit le marché et un pipeline qu'il faut redéployer chaque fois qu'un modèle est déprécié.

La conclusion honnête est une convention de nommage. Quand quelqu'un dit FLUX 3 et vous tend une grille tarifaire, il parle du point de terminaison d'image. Quand il le dit et vous tend une fiche technique sur l'allocation de jetons audio, il parle de l'annonce de juillet. L'écart entre ces deux documents est de neuf semaines et trois niveaux livrés, et il continue de se creuser.