FLUX 3 Image против FLUX 3: два названия, два продукта, девять недель разницы

С 1 октября 2026 года «FLUX 3» означает две разные вещи, и второе значение — то, у которого есть прайс-лист. FLUX 3 Image — это уровень для изображений, который заработал в тот день по адресу api.bfl.ai/v1/flux-3-image, с оплатой за изображение от $0,041. FLUX 3 — это более крупная сущность, к которой он принадлежит: унифицированная мультимодальная модель, анонсированная Black Forest Labs 23 июля 2026 года и с тех пор выпускаемая по частям, из которых видео и робототехническая голова действий — это части, уже работающие в продакшене. Это не сравнение флагмана с его младшим собратом. Это сравнение целого семейства с одной из трёх его рабочих частей.

Эту разницу легко упустить, и собственные названия BFL не помогают: на странице семейства, в видеодокументации, в лицензионных условиях и в справочнике API везде говорится FLUX 3 там, где имеется в виду нечто более узкое. Если вы прочитали спецификацию FLUX 3 и остались не уверены, описывает ли она модель изображений, видеомодель или исследовательскую программу, это не значит, что вы невнимательны. Оба названия активно используются для пересекающихся подмножеств одного и того же выпуска.

Две даты, которые имеют значение

• 23 июля 2026 г. — FLUX 3 анонсирована под флагом раннего доступа. Единая архитектура Self-Flow, охватывающая генерацию изображений, видео и аудио, а также предсказание действий. Самое интересное — раскрытие информации о вычислениях: более 95% вычислительных ресурсов обучения ушло на видео, а на аудио было выделено менее 0,5% токенов.

• 1 октября 2026 г. — уровень изображений открывается как тарифицируемая конечная точка. Это оставляет разрыв примерно в десять недель между анонсом и появлением той модальности, к которой, как предполагало большинство, относилось название «FLUX 3».

Чтение этого распределения вычислений говорит о том, что Black Forest Labs считали трудной проблемой. Семейство моделей, которое тратит почти весь бюджет на обучение на видео, не оптимизируется для неподвижных изображений и не рассматривает движение как дополнение. Всё наоборот: уровень изображений унаследовал то, что дало обучение, ориентированное в первую очередь на видео.

Что представляет собой каждый уровень и сколько это стоит

Три из четырёх модальностей, анонсированных в июле, уже выпущены. Тариф для изображений — самый новый, и это единственный, который ведёт себя как обычный платный API.

• FLUX 3 Image — один POST, заголовок x-key и URL для опроса в ответе. Цена за изображение зависит от уровня разрешения: $0.041 при 768 кв., $0.048 при 1K (по умолчанию), $0.07 при 1.5K, $0.10 при 2K и $0.607 при 4K. Стартовая скидка 50% действует до 15:00 UTC 8 октября. Референсные изображения и длина промпта включены; за неудачные и отмодерированные запросы плата не взимается. Принимается до десяти референсных изображений размером от 256×256 пикселей до 16 мегапикселей каждое.

• FLUX 3 Video — общедоступен и тарифицируется по секундам, а не по изображениям. Генерация видео из текста и из изображения стоит $0.06/с в Draft HD, $0.17/с в HD, $0.29/с в FHD, $0.40/с в QHD и $0.80/с в UHD, а видео-в-видео дороже во всех режимах. Длительность клипов — до 20 секунд с нативно синхронизированным звуком, а режимы включают генерацию видео из ключевого кадра и продолжение. Режим Draft работает только в HD. Вывод в QHD и UHD стал доступен 10 сентября 2026 года.

• FLUX 3 Action — это 7B-модель world-action и единственная часть FLUX 3, параметры которой можно скачать. 22 сентября 2026 года на Hugging Face появились три чекпоинта: базовый чекпоинт, вариант для руки SO-101 и вариант для DROID. Доступ предоставляется только партнёрам, а не открыт; в качестве продемонстрированного применения заявлена роботизированная манипуляция.

• Что ещё не выпущено — открытая весовая модель FLUX 3. Уровни самостоятельного развёртывания BFL по-прежнему охватывают только FLUX.2 [klein] и FLUX.2 [dev]. Что касается именно графического уровня, коммерческие веса существуют по договорной лицензии, а публичные открытые веса, как сообщается, появятся лишь через несколько недель.

Сравнение затрат, которое никто не проводит

Цена за изображение и цена за секунду кажутся несопоставимыми — именно поэтому стоит один раз проделать расчёт.

Пять секунд стандартного HD-видео, сгенерированного из текста, стоят $0,85. Пять секунд в UHD — $4,00. Один 4K-кадр из тарифа изображений — $0,607 по прайсу, или $0,3035 в стартовом окне — и хотя «4K» в тарифе изображений означает бюджет пикселей, а не фиксированный кадр (пример выходных данных BFL — 5456 × 3072, около 16,8 мегапикселя, против 8,3 у UHD 2160p), это тот же порядок разрешения, за который видеотариф берёт плату посекундно.

Следствие состоит в том, что генерация одного ключевого кадра UHD стоит долю от генерации одной секунды UHD-видео, и именно ключевой кадр вы будете генерировать повторно во время итераций. Если ваш конвейер — это «сначала сделать кадр правильно, затем анимировать его», то уровень изображений — это дешёвая половина, причём более чем на порядок, и это та половина, которая была доступна меньше всего времени.

На стороне изображений есть оговорка, которой нет на стороне видео. Запрос 4K-изображения может занимать несколько минут, а возвращённый образец доступен для скачивания в течение одного часа. Медленный и доступный лишь в течение часа — это иная операционная форма, чем задача обработки видео, и именно такие детали определяют, нужна ли пакетному конвейеру очередь.

Ограничивающие рамки существуют под одним из этих двух имён.

Органы управления не разделяются между уровнями, и это самое заметное практическое различие между названием и семейством.

Уровень изображений принимает JSON-массив, добавляемый к промпту, с координатами по сетке 0–1000 по обеим осям, и каждый бокс записывается как [top, left, bottom, right]. Вы передаёте таблицу элементов, несущих id, bbox и desc, а также глобальную подпись, которая ссылается на эти id — в примерах BFL используются имена вроде animal_1. Та же система координат управляет и редактированием: сохранить область, переместить область, сгенерировать новую в целевой бокс или удалить исходный бокс. Несколько операций можно объединить в один запрос, при этом ref_image_0 обозначает первую запись в списке референсов. Пиксели за пределами редактируемых боксов, как говорится в документации, «обычно остаются неизменными» — оговорка, которую стоит понимать буквально.

Grounding по умолчанию включён в тарифе для изображений: веб-поиск и поиск по изображениям выполняются перед генерацией. Выходные размеры округляются до кратных 16, а фактическое значение возвращается как output_mp.

Ничто из этого не фигурирует в параметрах видеоуровня. У FLUX 3 Video своя история управления — ключевые кадры, продолжение, обусловливание первого и последнего кадра — но нет языка координат. Эти части объединяет архитектура, а не интерфейс.

Внимательно изучая собственные сравнения вендора

Black Forest Labs опубликовала результаты предпочтений для FLUX 3 Video, и их стоит цитировать с указанием их происхождения. Прогоны выполнены вендором, являются предварительными и оценены по доле побед на 10-секундном выводе в 720p:

• Против Luma Ray 3.2 — 93% предпочтений в пользу FLUX 3 Video.

• Против Runway Gen-4.5 — 77%.

• Против Grok Imagine Video — 69%.

• Против Kling v3 Pro — 60%.

• Против Happy Horse v1 и v1.1 — 59% и 57%.

• Против Seedance 2.0 и Gemini Omni Flash — примерно по 52% каждый, что по сути является статистической ничьей, даже если показатель превышает половину.

Разброс от 93% до 52% по этому списку информативнее, чем любая отдельная строка. Никто в BFL не проводил эти сравнения, а результаты ниже 55% — это те, которые показывают, где модель на самом деле оспаривается.

Для FLUX 3 Image вообще нет эквивалентных показателей. Таблицы генерации изображений по текстовому запросу и редактирования от Artificial Analysis проверяли 1 октября и ещё раз 2 октября 2026 года, и ни в одной из них нет записи о FLUX 3 Image. Линейка FLUX.2 — это по-прежнему то, где заканчиваются опубликованные оценки BFL: FLUX.2 [max] — 1021 Elo в таблице генерации и 996 в таблице редактирования, а FLUX.2 [dev] зафиксирован как якорь 1000 в обеих. Уровню image всего один день, и он не измерен.

Выбор между именами

Этот выбор не столько о том, какая модель лучше, сколько о том, в каком из трёх поставляемых уровней живёт ваша задача.

Если вам нужны статичные изображения с пространственным контролем, FLUX 3 Image — единственный тариф с языком координат, и при цене $0.048 за изображение в 1K это достаточно дешево, чтобы как следует протестировать, а не спорить. Начните с него, проверьте утверждение «обычно остаются идентичными» на своих кадрах и обратите внимание на скачок в списке цен с 2K до 4K в 6,07×, когда будете формировать пакеты.

Если вам нужно движение, FLUX 3 Video — это зрелый продукт с оплатой по мере использования, с уровнями разрешения вплоть до UHD и 20-секундными клипами с синхронизированным звуком. Сравнивайте его с моделями, которые он призван вытеснить, а не с уровнем для изображений — они не являются альтернативами друг другу.

Если вам нужны веса, то сегодня ответ — FLUX 3 Action в рамках партнёрского соглашения, а во всех остальных случаях — FLUX.2. Ни видеоуровень, ни уровень изображений недоступны для скачивания, а открытый релиз уровня изображений — это заявленное намерение без даты.

Ни FLUX 3, ни FLUX 3 Image нет в каталоге OrcaRouter, так что вызов любого из них означает обращение напрямую к Black Forest Labs. Что даёт независимый от вендора роутер в пайплайне, построенном вокруг этого семейства, — это слой вокруг вызова генерации: этап переписывания промпта, визуальная проверка, сравнивающая рендер с брифом, классификатор, распределяющий результаты по корзинам «принять» и «отклонить». Эти шаги меняются гораздо чаще, чем сама модель генерации изображений, и смена провайдера за одним OpenAI-совместимым эндпоинтом — с списочными ценами провайдера, передаваемыми без наценки, автоматическим переключением при деградации бэкенда и DSL маршрутизации, когда нужно закрепить маршрут или задать откат осознанно — это разница между пайплайном, который отслеживает рынок, и тем, который приходится переразвёртывать каждый раз, когда модель устаревает.

Честное завершение — это соглашение об именовании. Когда кто-то произносит FLUX 3 и вручает вам тарифную карту, он имеет в виду эндпоинт для изображений. Когда он произносит это же название и вручает вам спецификацию о распределении аудиотокенов, он имеет в виду июльский анонс. Разрыв между этими двумя документами составляет девять недель и три выпущенных уровня, и он всё ещё растёт.