FLUX 3 Image vs FLUX 3: Dua Nama, Dua Produk, Terpaut Sembilan Minggu

Sejak 1 Oktober 2026, "FLUX 3" memiliki dua arti yang berbeda, dan arti kedua adalah yang memiliki daftar harga. FLUX 3 Image adalah tier gambar yang diluncurkan pada hari itu di api.bfl.ai/v1/flux-3-image, dihitung per gambar mulai dari $0.041. FLUX 3 adalah entitas yang lebih besar tempat ia bernaung — model multimodal terpadu yang diumumkan Black Forest Labs pada 23 Juli 2026 dan sejak itu dirilis secara bertahap, di mana video dan action head robotik adalah bagian yang sudah berjalan di produksi. Ini bukan perbandingan antara produk unggulan dan saudara kecilnya. Ini adalah perbandingan antara seluruh keluarga dan salah satu dari tiga bagiannya yang berfungsi.

Perbedaan itu mudah kabur, dan penamaan BFL sendiri tidak membantu: halaman keluarga, dokumentasi video, ketentuan lisensi, dan referensi API semuanya menyebut FLUX 3 di bagian-bagian yang sebenarnya merujuk pada hal yang lebih sempit. Jika Anda telah membaca lembar spesifikasi FLUX 3 dan tetap tidak yakin apakah itu menjelaskan model gambar, model video, atau program riset, itu bukan berarti Anda ceroboh. Kedua nama tersebut aktif digunakan untuk subset yang saling tumpang tindih dari rilis yang sama.

Dua tanggal yang penting

• 23 Juli 2026 — FLUX 3 diumumkan di bawah spanduk Early Access. Satu arsitektur Self-Flow yang mencakup pembuatan gambar, video, dan audio serta prediksi tindakan. Bagian yang menarik adalah pengungkapan komputasinya: lebih dari 95% komputasi pelatihan dialokasikan untuk video, dan kurang dari 0,5% token dialokasikan untuk audio.

• 1 Oktober 2026 — tier gambar dibuka sebagai endpoint bermeter. Ini menyisakan jeda sekitar sepuluh minggu antara pengumuman dan kedatangan modalitas yang oleh kebanyakan orang dianggap sebagai maksud dari "FLUX 3".

Membaca pembagian komputasi itu memberi tahu Anda apa yang diyakini Black Forest Labs sebagai persoalan sulitnya. Keluarga model yang menghabiskan hampir seluruh anggaran pelatihannya untuk video tidak mengoptimalkan gambar diam dan memperlakukan gerakan sebagai tambahan. Yang terjadi justru sebaliknya, dan tier gambar mewarisi apa pun yang dihasilkan oleh pelatihan yang mengutamakan video.

Apa setiap tingkatan itu, dan berapa biayanya

Tiga dari empat modalitas yang diumumkan pada bulan Juli telah dirilis. Tingkat gambar adalah yang terbaru, dan itu satu-satunya yang berperilaku seperti API berbayar konvensional.

• FLUX 3 Image — satu POST, sebuah x-key header, dan URL polling sebagai balasan. Dihargai per gambar berdasarkan tingkat resolusi: $0.041 pada 768sq, $0.048 pada 1K (default), $0.07 pada 1.5K, $0.10 pada 2K dan $0.607 pada 4K. Diskon peluncuran 50% berlaku hingga 15:00 UTC pada 8 Oktober. Referensi dan panjang prompt sudah termasuk; permintaan yang gagal dan dimoderasi tidak ditagih. Menerima hingga sepuluh gambar referensi yang masing-masing berukuran antara 256×256 piksel dan 16 megapiksel.

• FLUX 3 Video — tersedia secara umum dan diukur per detik, bukan per gambar. Text-to-video dan image-to-video berharga $0,06/dtk untuk Draft HD, $0,17/dtk HD, $0,29/dtk FHD, $0,40/dtk QHD, dan $0,80/dtk UHD, dengan video-to-video lebih tinggi secara keseluruhan. Klip berdurasi hingga 20 detik dengan audio tersinkronisasi native, dan mode-nya mencakup keyframe-to-video serta kelanjutan. Mode Draft hanya mendukung HD. Output QHD dan UHD hadir pada 10 September 2026.

• FLUX 3 Action — model world-action 7B, dan satu-satunya bagian dari FLUX 3 yang parameternya dapat Anda unduh. Tiga checkpoint muncul di Hugging Face pada 22 September 2026: checkpoint dasar, varian lengan SO-101, dan varian DROID. Aksesnya dibatasi mitra, bukan terbuka, dengan manipulasi robotik sebagai penggunaan yang didemonstrasikan.

• Yang belum dirilis — backbone open-weight FLUX 3. Tier self-hosting BFL masih hanya mencakup FLUX.2 [klein] dan FLUX.2 [dev]. Khusus untuk tier gambar, bobot komersial tersedia di bawah lisensi yang dinegosiasikan dan bobot terbuka publik disebut masih beberapa minggu lagi.

Perbandingan biaya yang tidak dilakukan siapa pun

Harga per gambar dan per detik tampak tak bisa dibandingkan, dan justru itulah sebabnya perhitungan ini layak dilakukan sekali.

Lima detik text-to-video HD standar adalah $0,85. Lima detik pada UHD adalah $4,00. Satu gambar diam 4K dari tier gambar adalah $0,607 harga daftar, atau $0,3035 di dalam jendela peluncuran — dan meskipun "4K" pada tier gambar merujuk pada anggaran piksel alih-alih bingkai tetap (keluaran contoh BFL adalah 5456 × 3072, sekitar 16,8 megapiksel, dibandingkan 8,3 pada UHD 2160p), itu adalah orde resolusi yang sama dengan yang ditagih tier video per detik untuk menggerakkannya.

Konsekuensinya adalah bahwa menghasilkan satu keyframe UHD hanya memerlukan sebagian kecil dari biaya menghasilkan satu detik video UHD, dan keyframe itulah yang akan Anda hasilkan berulang kali saat melakukan iterasi. Jika pipeline Anda adalah "benahi frame-nya, lalu animasikan," lapisan gambar adalah bagian yang murah dengan selisih lebih dari satu orde besaran, dan itulah bagian yang telah tersedia paling singkat.

Ada catatan penting di sisi gambar yang tidak dimiliki sisi video. Panggilan gambar 4K dapat memakan waktu beberapa menit, dan sampel yang dikembalikan dapat diunduh selama satu jam. Lambat dan hanya dapat diambil selama satu jam adalah bentuk operasional yang berbeda dari pekerjaan video, dan itu adalah jenis detail yang menentukan apakah pipeline batch memerlukan antrean.

Kotak pembatas terdapat dalam salah satu dari dua nama ini.

Bidang kendali tidak digunakan bersama antar tingkat, dan inilah perbedaan praktis paling mencolok antara nama dan keluarga.

Tier gambar menerima array JSON yang ditambahkan ke prompt, dengan koordinat pada grid 0–1000 pada kedua sumbu dan setiap kotak ditulis [atas, kiri, bawah, kanan]. Anda memberikan tabel elemen yang membawa sebuah id, sebuah bbox dan sebuah desc, serta keterangan global yang menyebut id tersebut — contoh BFL menggunakan nama seperti animal_1. Sistem koordinat yang sama mengendalikan pengeditan: pertahankan wilayah, pindahkan wilayah, buat wilayah baru ke dalam kotak target, atau hapus kotak sumber. Beberapa operasi dilakukan dalam satu permintaan, dengan ref_image_0 menamai entri pertama dalam daftar referensi. Piksel di luar kotak yang diedit, kata dokumentasi, "biasanya tetap identik" — ungkapan berhati-hati yang layak dibaca secara harfiah.

Grounding aktif secara default di tier gambar: pencarian web dan gambar dijalankan sebelum generasi. Dimensi output dibulatkan ke kelipatan 16 dan angka yang direalisasikan dikembalikan sebagai output_mp.

Tak satu pun dari ini muncul dalam parameter tier video. FLUX 3 Video memiliki pendekatan kontrolnya sendiri — keyframe, kelanjutan, pengondisian frame awal dan akhir — tetapi tidak ada bahasa koordinat. Bagian-bagiannya berbagi arsitektur, bukan antarmuka.

Membaca perbandingan milik vendor itu sendiri dengan cermat

Black Forest Labs menerbitkan hasil preferensi untuk FLUX 3 Video, dan hasil itu layak dikutip dengan menyertakan asal-usulnya. Uji tersebut dijalankan oleh vendor, bersifat pendahuluan, dan dinilai sebagai tingkat kemenangan pada keluaran 720p 10 detik:

• Dibandingkan dengan Luma Ray 3.2 — 93% memilih FLUX 3 Video.

• Terhadap Runway Gen-4.5 — 77%.

• Melawan Grok Imagine Video — 69%.

• Melawan Kling v3 Pro — 60%.

• Terhadap Happy Horse v1 dan v1.1 — 59% dan 57%.

• Melawan Seedance 2.0 dan Gemini Omni Flash — masing-masing sekitar 52%, yang secara substansi merupakan hasil imbang secara statistik meskipun angkanya di atas setengah.

Rentang dari 93% turun ke 52% di seluruh daftar itu lebih informatif daripada satu baris mana pun. Tidak ada pihak di luar BFL yang pernah menjalankan perbandingan ini, dan hasil di bawah 55% di bagian bawah adalah yang memberi tahu Anda di mana model itu sebenarnya diperdebatkan.

Sama sekali tidak ada angka yang setara untuk FLUX 3 Image. Papan teks-ke-gambar dan penyuntingan Artificial Analysis diperiksa pada 1 Oktober dan lagi pada 2 Oktober 2026, dan tidak satu pun memuat entri FLUX 3 Image. Lini FLUX.2 masih menjadi titik berhentinya skor terbitan BFL: FLUX.2 [max] pada 1021 Elo di papan generasi dan 996 di papan penyuntingan, dengan FLUX.2 [dev] ditetapkan sebagai jangkar 1000 pada keduanya. Tier gambar ini baru berumur satu hari dan belum diukur.

Memilih di antara nama-nama

Pilihan ini bukan soal model mana yang lebih baik, melainkan soal di tier mana dari tiga tier yang tersedia masalah Anda berada.

Jika Anda membutuhkan stills dengan kontrol spasial, FLUX 3 Image adalah satu-satunya tier dengan bahasa koordinat, dan dengan harga $0.048 per gambar pada 1K, ini cukup murah untuk dievaluasi dengan benar alih-alih diperdebatkan. Mulailah dari sana, uji klaim "biasanya tetap identik" pada frame Anda sendiri, dan perhatikan lonjakan daftar 2K ke 4K sebesar 6,07× saat Anda mengatur ukuran batch Anda.

Jika Anda membutuhkan gerakan, FLUX 3 Video adalah produk berbayar terukur yang sudah matang dengan tingkatan resolusi hingga UHD dan klip berdurasi 20 detik yang membawa audio tersinkronisasi. Bandingkanlah dengan model-model yang hendak digantikannya, bukan dengan tier gambar — keduanya bukan alternatif satu sama lain.

Jika Anda membutuhkan bobot, jawabannya hari ini adalah FLUX 3 Action di bawah perjanjian kemitraan, dan jika tidak, FLUX.2. Baik tingkat video maupun tingkat gambar tidak dapat diunduh, dan rilis terbuka tingkat gambar merupakan niat yang dinyatakan tanpa tanggal.

Baik FLUX 3 maupun FLUX 3 Image tidak ada di katalog OrcaRouter, jadi memanggil salah satunya berarti harus langsung ke Black Forest Labs. Yang diperoleh dari router netral vendor dalam pipeline yang dibangun seputar keluarga ini adalah lapisan di sekitar panggilan generasi: proses penulisan ulang prompt, pemeriksaan visi yang membandingkan hasil render dengan brief, pengklasifikasi yang menyortir keluaran ke dalam kelompok terima dan tolak. Langkah-langkah tersebut berubah jauh lebih sering daripada model gambarnya, dan mengganti penyedia di balik satu endpoint yang kompatibel dengan OpenAI — dengan harga daftar penyedia yang diteruskan tanpa mark-up, failover otomatis saat backend mengalami degradasi, dan DSL perutean saat Anda ingin mem-pin atau melakukan fallback secara sengaja — adalah perbedaan antara pipeline yang mengikuti pasar dan pipeline yang harus di-deploy ulang setiap kali model menjadi usang.

Penutup yang jujur adalah konvensi penamaan. Saat seseorang menyebut FLUX 3 dan menyerahkan kartu tarif kepada Anda, yang mereka maksud adalah endpoint gambar. Saat mereka menyebutnya dan menyerahkan lembar spesifikasi tentang alokasi token audio, yang mereka maksud adalah pengumuman Juli. Selisih antara kedua dokumen itu adalah sembilan minggu dan tiga tier yang telah dirilis, dan selisih itu masih melebar.