FLUX 3 Image เทียบกับ FLUX 3: สองชื่อ สองผลิตภัณฑ์ ห่างกันเก้าสัปดาห์

นับตั้งแต่วันที่ 1 ตุลาคม 2026 "FLUX 3" หมายถึงสองสิ่งที่แตกต่างกัน และความหมายที่สองคือความหมายที่มีรายการราคากำกับ FLUX 3 Image คือระดับชั้นสำหรับงานภาพที่เปิดใช้งานในวันนั้นที่ api.bfl.ai/v1/flux-3-image โดยคิดค่าบริการต่อภาพเริ่มต้นที่ $0.041 FLUX 3 คือสิ่งใหญ่กว่าที่มันเป็นส่วนหนึ่งของ — โมเดลมัลติโมดัลแบบรวมศูนย์ที่ Black Forest Labs ประกาศเมื่อวันที่ 23 กรกฎาคม 2026 และได้ทยอยปล่อยออกมาเป็นส่วน ๆ โดยส่วนที่เป็นวิดีโอและหัวควบคุมการทำงานสำหรับหุ่นยนต์คือส่วนที่ทำงานจริงในการผลิตแล้ว นี่ไม่ใช่การเปรียบเทียบระหว่างเรือธงกับรุ่นน้องของมัน แต่เป็นการเปรียบเทียบระหว่างทั้งตระกูลกับหนึ่งในสามส่วนที่ทำงานได้ของมัน

ความแตกต่างนั้นเป็นเรื่องง่ายที่จะหลงลืม และการตั้งชื่อของ BFL เองก็ไม่ได้ช่วยให้เข้าใจง่ายขึ้น: หน้าเพจของกลุ่มผลิตภัณฑ์ เอกสารประกอบวิดีโอ ข้อกำหนดสัญญาอนุญาต และเอกสารอ้างอิง API ต่างก็กล่าวถึง FLUX 3 ในจุดที่จริง ๆ แล้วหมายถึงสิ่งที่แคบกว่า หากคุณอ่านเอกสารข้อมูลจำเพาะของ FLUX 3 แล้วยังไม่แน่ใจว่ามันอธิบายถึงโมเดลรูปภาพ โมเดลวิดีโอ หรือโครงการวิจัย นั่นไม่ใช่ความประมาทของคุณ ชื่อทั้งสองยังถูกใช้อยู่จริงสำหรับส่วนย่อยที่ทับซ้อนกันของการเปิดตัวเดียวกัน

สองวันที่สำคัญ

• 23 กรกฎาคม 2026 — ประกาศเปิดตัว FLUX 3 ภายใต้แบนเนอร์ Early Access สถาปัตยกรรม Self-Flow เพียงหนึ่งเดียวที่ครอบคลุมการสร้างภาพ วิดีโอ และเสียง รวมถึงการทำนายการกระทำ ส่วนที่น่าสนใจคือการเปิดเผยข้อมูลการใช้พลังประมวลผล: พลังประมวลผลสำหรับการฝึกมากกว่า 95% ถูกใช้ไปกับวิดีโอ และมีโทเคนไม่ถึง 0.5% ที่ถูกจัดสรรให้กับเสียง

• 1 ตุลาคม 2026 — ระดับบริการรูปภาพเปิดเป็นปลายทางแบบคิดค่าตามการใช้งาน ซึ่งทำให้เกิดช่องว่างประมาณสิบสัปดาห์ระหว่างการประกาศและการมาถึงของโมดัลลิตีที่คนส่วนใหญ่เข้าใจว่า "FLUX 3" หมายถึง

การอ่านการแบ่งสัดส่วนพลังประมวลผลนั้นบอกคุณว่า Black Forest Labs เชื่อว่าปัญหาที่ยากคืออะไร ตระกูลโมเดลที่ใช้เกือบทั้งหมดของงบประมาณการฝึกไปกับวิดีโอไม่ได้กำลังปรับให้เหมาะกับภาพนิ่งและมองการเคลื่อนไหวเป็นส่วนต่อขยาย มันเป็นตรงกันข้าม และชั้นภาพได้สืบทอดผลลัพธ์ใดก็ตามที่การฝึกแบบยึดวิดีโอก่อนผลิตออกมา

แต่ละระดับคืออะไร และราคาเท่าไหร่

สี่โมดัลลิตี้ที่ประกาศไปเมื่อเดือนกรกฎาคม มีสามตัวที่เปิดให้ใช้งานแล้ว ส่วนระดับภาพนั้นใหม่ล่าสุด และเป็นเพียงตัวเดียวที่ทำงานเหมือน API แบบจ่ายเงินทั่วไป

• FLUX 3 Image — POST เพียงครั้งเดียว, x-key header หนึ่งตัว และ URL สำหรับ polling ที่ส่งกลับมา คิดราคาต่อรูปตามระดับความละเอียด: $0.041 ที่ 768sq, $0.048 ที่ 1K (ค่าเริ่มต้น), $0.07 ที่ 1.5K, $0.10 ที่ 2K และ $0.607 ที่ 4K ส่วนลดเปิดตัว 50% มีผลถึง 15:00 UTC ของวันที่ 8 ตุลาคม โดยรวมการอ้างอิงและความยาวพรอมป์ไว้แล้ว ส่วนคำขอที่ล้มเหลวและที่ถูกตรวจสอบเนื้อหาจะไม่ถูกเรียกเก็บค่าบริการ รองรับรูปอ้างอิงได้สูงสุดสิบรูป โดยแต่ละรูปมีขนาดระหว่าง 256×256 พิกเซล ถึง 16 เมกะพิกเซล

• FLUX 3 Video — เปิดให้บริการทั่วไปและคิดค่าบริการตามวินาทีแทนที่จะคิดตามภาพ การสร้างวิดีโอจากข้อความเป็นวิดีโอและจากภาพเป็นวิดีโอมีราคา $0.06/วินาที ในโหมด Draft HD, $0.17/วินาที สำหรับ HD, $0.29/วินาที สำหรับ FHD, $0.40/วินาที สำหรับ QHD และ $0.80/วินาที สำหรับ UHD โดยวิดีโอเป็นวิดีโอมีราคาสูงกว่าในทุกโหมด คลิปมีความยาวสูงสุด 20 วินาทีพร้อมเสียงที่ซิงโครไนซ์แบบเนทีฟ และโหมดต่าง ๆ รวมถึง keyframe-to-video และ continuation โหมด Draft รองรับเฉพาะ HD เท่านั้น เอาต์พุต QHD และ UHD เปิดตัวเมื่อวันที่ 10 กันยายน 2026

• FLUX 3 Action — โมเดล world-action ขนาด 7B และเป็นส่วนเดียวของ FLUX 3 ที่คุณสามารถดาวน์โหลดพารามิเตอร์ได้ มีเช็กพอยต์สามรายการปรากฏบน Hugging Face เมื่อวันที่ 22 กันยายน 2026: เช็กพอยต์ฐาน ตัวแปรแขน SO-101 และตัวแปร DROID การเข้าถึงถูกจำกัดเฉพาะพาร์ตเนอร์แทนที่จะเปิดกว้าง โดยมีการบังคับควบคุมหุ่นยนต์เป็นกรณีการใช้งานที่แสดงให้เห็น

• สิ่งที่ยังไม่ได้เปิดตัว — แบ็กโบนแบบเปิดน้ำหนัก (open-weight) ของ FLUX 3 เทียร์แบบ self-hosting ของ BFL ยังคงครอบคลุมเฉพาะ FLUX.2 [klein] และ FLUX.2 [dev] สำหรับเทียร์ภาพโดยเฉพาะ น้ำหนักเชิงพาณิชย์มีให้ใช้ภายใต้สัญญาอนุญาตที่ต้องเจรจากัน และน้ำหนักแบบเปิดสาธารณะมีคำอธิบายว่าอีกไม่กี่สัปดาห์ก็จะมา

การเปรียบเทียบต้นทุนที่ไม่มีใครทำ

ราคาต่อภาพและราคาต่อวินาทีดูเหมือนเทียบกันไม่ได้ ซึ่งนั่นแหละคือเหตุผลว่าทำไมการคำนวณจึงคุ้มค่าที่จะทำสักครั้ง

การแปลงข้อความเป็นวิดีโอแบบ HD มาตรฐานความยาว 5 วินาที ราคา $0.85 ห้าวินาทีที่ UHD ราคา $4.00 ภาพนิ่ง 4K หนึ่งภาพจากระดับรูปภาพมีราคาตามรายการ $0.607 หรือ $0.3035 ในช่วงเปิดตัว — และแม้ว่า "4K" ของระดับรูปภาพจะเป็นชื่อเรียกจำนวนพิกเซลที่กำหนดไว้ มากกว่าขนาดเฟรมที่ตายตัว (ตัวอย่างเอาต์พุตของ BFL คือ 5456 × 3072 ประมาณ 16.8 เมกะพิกเซล เทียบกับ 8.3 ของ UHD 2160p) มันก็เป็นความละเอียดระดับเดียวกับที่ระดับวิดีโอคิดค่าบริการเป็นรายวินาทีเพื่อให้ภาพเคลื่อนไหว

ผลที่ตามมาคือ การสร้างคีย์เฟรม UHD หนึ่งเฟรมมีค่าใช้จ่ายเพียงเศษเสี้ยวของการสร้างวิดีโอ UHD หนึ่งวินาที และคีย์เฟรมคือสิ่งที่คุณจะสร้างซ้ำ ๆ ในระหว่างการวนปรับแก้ หากไปป์ไลน์ของคุณคือ "ทำเฟรมให้ถูกต้องก่อน แล้วจึงทำให้มันเคลื่อนไหว" ระดับภาพนิ่งก็คือครึ่งที่ถูกกว่าเกินกว่าหนึ่งอันดับขนาด และเป็นครึ่งที่มีให้ใช้งานมาเป็นเวลาสั้นที่สุด

มีข้อควรระวังในฝั่งรูปภาพที่ฝั่งวิดีโอไม่มี การเรียกใช้รูปภาพ 4K อาจใช้เวลาหลายนาที และตัวอย่างที่ส่งคืนมาจะสามารถดาวน์โหลดได้ภายในหนึ่งชั่วโมง ความช้าและการที่สามารถเรียกคืนได้ภายในหนึ่งชั่วโมงนั้นเป็นรูปแบบการดำเนินงานที่แตกต่างจากงานวิดีโอ และมันเป็นรายละเอียดประเภทที่ตัดสินว่าท่อประมวลผลแบบแบตช์จำเป็นต้องมีคิวหรือไม่

กล่องขอบเขตมีอยู่ในชื่อใดชื่อหนึ่งจากสองชื่อนี้

พื้นผิวการควบคุมไม่ได้ถูกใช้ร่วมกันระหว่างระดับชั้น และนี่คือความแตกต่างในทางปฏิบัติที่ชัดเจนที่สุดระหว่างชื่อกับตระกูล

ระดับภาพรับอาร์เรย์ JSON ที่ต่อท้ายพรอมต์ โดยมีพิกัดบนกริด 0–1000 ทั้งสองแกน และแต่ละกล่องเขียนเป็น [บน, ซ้าย, ล่าง, ขวา]. คุณส่งตารางขององค์ประกอบที่มี id, bbox และ desc พร้อมคำบรรยายภาพรวมที่อ้างถึง id เหล่านั้น — ตัวอย่างของ BFL ใช้ชื่ออย่าง animal_1 ระบบพิกัดเดียวกันนี้ใช้ควบคุมการแก้ไข: คงพื้นที่ไว้ ย้ายพื้นที่ สร้างพื้นที่ใหม่ลงในกล่องเป้าหมาย หรือลบกล่องต้นทาง การดำเนินการหลายอย่างอยู่ในคำขอเดียว โดยมี ref_image_0 เป็นชื่อของรายการแรกในรายการอ้างอิง เอกสารระบุว่าพิกเซลนอกกล่องที่แก้ไข "มักจะคงเดิมทุกประการ" — เป็นถ้อยคำแบบหลบเลี่ยงที่ควรอ่านตามตัวอักษร

การเชื่อมโยงแหล่งข้อมูล (Grounding) เปิดใช้งานเป็นค่าเริ่มต้นในระดับรูปภาพ: การค้นหาเว็บและรูปภาพจะทำงานก่อนการสร้าง ขนาดเอาต์พุตจะถูกปัดเศษให้เป็นจำนวนเท่าของ 16 และค่าที่ได้จริงจะถูกส่งกลับมาเป็น output_mp

ไม่มีสิ่งใดในนี้ปรากฏอยู่ในพารามิเตอร์ของระดับวิดีโอ FLUX 3 Video มีเรื่องราวการควบคุมเป็นของตัวเอง — คีย์เฟรม การต่อเนื่อง การกำหนดเงื่อนไขเฟรมแรกและเฟรมสุดท้าย — แต่ไม่มีภาษาพิกัด ชิ้นส่วนต่างๆ ใช้สถาปัตยกรรมร่วมกัน ไม่ใช่ส่วนต่อประสานร่วมกัน

การอ่านการเปรียบเทียบของผู้ขายเองอย่างละเอียดรอบคอบ

Black Forest Labs ได้เผยแพร่ผลลัพธ์ด้านความชอบสำหรับ FLUX 3 Video และผลลัพธ์เหล่านี้น่าอ้างอิงพร้อมแนบที่มาไว้ด้วย การทดลองนี้ดำเนินการโดยผู้จำหน่าย เป็นการทดลองเบื้องต้น และให้คะแนนเป็นอัตราการชนะบนเอาต์พุต 720p ความยาว 10 วินาที:

• เทียบกับ Luma Ray 3.2 — มีผู้ชื่นชอบ FLUX 3 Video คิดเป็น 93%

• เมื่อเทียบกับ Runway Gen-4.5 — 77%

• เทียบกับ Grok Imagine Video — 69%.

• เทียบกับ Kling v3 Pro — 60%

• เมื่อเทียบกับ Happy Horse v1 และ v1.1 — 59% และ 57%

• เทียบกับ Seedance 2.0 และ Gemini Omni Flash — ประมาณ 52% ทั้งคู่ ซึ่งโดยเนื้อแท้ถือเป็นผลเสมอกันทางสถิติ แม้ว่าตัวเลขจะสูงกว่าครึ่งก็ตาม

การกระจายจาก 93% ลงไปถึง 52% ทั่วทั้งรายการนั้นให้ข้อมูลมากกว่าแถวใดเพียงแถวเดียว ไม่มีใครนอก BFL ที่ได้ทำการเปรียบเทียบเหล่านี้ และผลลัพธ์ที่ต่ำกว่า 55% ซึ่งอยู่ด้านล่างคือสิ่งที่บอกคุณว่าโมเดลถูกท้าทายจริง ๆ ตรงจุดไหน

ไม่มีตัวเลขเทียบเคียงสำหรับ FLUX 3 Image เลยแม้แต่น้อย บอร์ด text-to-image และ editing ของ Artificial Analysis ถูกตรวจสอบเมื่อวันที่ 1 ตุลาคม และอีกครั้งเมื่อวันที่ 2 ตุลาคม 2026 และทั้งสองก็ไม่มีรายการ FLUX 3 Image สาย FLUX.2 ยังเป็นจุดที่คะแนนที่เผยแพร่ของ BFL หยุดอยู่: FLUX.2 [max] ที่ 1021 Elo บนบอร์ด generation และ 996 บนบอร์ด editing โดยที่ FLUX.2 [dev] ถูกตรึงเป็นค่าอ้างอิง 1000 บนทั้งสองบอร์ด ระดับภาพมีอายุหนึ่งวันและยังไม่ได้วัด

การเลือกระหว่างชื่อต่างๆ

การเลือกนี้ไม่ได้เกี่ยวกับว่ารุ่นไหนดีกว่ากันมากนัก แต่เกี่ยวกับว่าปัญหาของคุณอยู่ในระดับไหนในสามระดับที่เปิดตัวแล้ว

ถ้าคุณต้องการภาพนิ่งที่ควบคุมเชิงพื้นที่ได้ FLUX 3 Image เป็นระดับเดียวที่มีภาษาพิกัด และที่ราคา $0.048 ต่อภาพที่ 1K มันถูกพอที่จะประเมินอย่างจริงจัง แทนที่จะเถียงกัน เริ่มจากตรงนั้น ทดสอบข้อกล่าวอ้าง "โดยปกติแล้วจะเหมือนเดิมทุกประการ" กับเฟรมของคุณเอง และคอยดูการเพิ่มขึ้นตามรายการจาก 2K เป็น 4K ที่ 6.07× เมื่อคุณกำหนดขนาดแบตช์ของคุณ

หากคุณต้องการภาพเคลื่อนไหว FLUX 3 Video เป็นผลิตภัณฑ์แบบคิดค่าบริการตามการใช้งานที่ผ่านการพัฒนาเต็มรูปแบบแล้ว โดยมีระดับความละเอียดสูงสุดถึง UHD และคลิปความยาว 20 วินาทีที่มาพร้อมเสียงซิงโครไนซ์ ควรเปรียบเทียบมันกับโมเดลที่ถูกสร้างขึ้นมาเพื่อแทนที่ มากกว่าจะเปรียบเทียบกับระดับภาพ — ทั้งสองไม่ได้เป็นทางเลือกแทนกันและกัน

หากคุณต้องการเวทของโมเดล คำตอบ ณ วันนี้คือ FLUX 3 Action ภายใต้ข้อตกลงพันธมิตร และหากไม่ใช่ ก็คือ FLUX.2 ทั้งระดับวิดีโอและระดับภาพต่างก็ไม่สามารถดาวน์โหลดได้ และการเปิดให้ใช้งานแบบเปิดของระดับภาพนั้นเป็นเพียงเจตนาที่ระบุไว้โดยไม่มีกำหนดวันที่

ทั้ง FLUX 3 และ FLUX 3 Image ไม่มีอยู่ในแค็ตตาล็อกของ OrcaRouter ดังนั้นการเรียกใช้ตัวใดตัวหนึ่งจึงหมายถึงต้องตรงไปที่ Black Forest Labs สิ่งที่เราเตอร์ที่เป็นกลางต่อผู้ให้บริการทำได้ในไปป์ไลน์ที่สร้างขึ้นรอบ ๆ ครอบครัวโมเดลนี้ คือชั้นที่อยู่รอบ ๆ การเรียกสร้างผลลัพธ์ ได้แก่ ขั้นตอนการเขียนพรอมป์ใหม่ การตรวจสอบด้วยวิชันที่เทียบภาพเรนเดอร์กับบรีฟ และตัวแยกประเภทที่จัดเอาต์พุตลงถังยอมรับหรือปฏิเสธ ขั้นตอนเหล่านี้เปลี่ยนแปลงบ่อยกว่าที่ตัวโมเดลรูปภาพเปลี่ยนเสียอีก และการสลับผู้ให้บริการเบื้องหลังปลายทางเดียวที่รองรับ OpenAI — โดยที่ ราคาตามรายการของผู้ให้บริการถูกส่งผ่านไปโดยไม่บวกเพิ่ม การสลับสำรองอัตโนมัติเมื่อแบ็กเอนด์มีปัญหา และ DSL สำหรับกำหนดเส้นทางเมื่อคุณต้องการปักหมุดหรือถอยกลับอย่างจงใจ — คือความแตกต่างระหว่างไปป์ไลน์ที่ตามทันตลาด กับไปป์ไลน์ที่ต้องดีพลอยใหม่ทุกครั้งที่โมเดลถูกยกเลิกการใช้งาน

บทสรุปที่ตรงไปตรงมาก็คือธรรมเนียมการตั้งชื่อ เมื่อมีคนพูดว่า FLUX 3 แล้วยื่นการ์ดราคาให้คุณ พวกเขาหมายถึงเอนด์พอยต์รูปภาพ เมื่อพวกเขาพูดเช่นนั้นแล้วยื่นเอกสารสเปกเกี่ยวกับการจัดสรรโทเคนเสียงให้คุณ พวกเขาหมายถึงประกาศเดือนกรกฎาคม ช่องว่างระหว่างเอกสารสองฉบับนั้นคือเก้าสัปดาห์กับสามระดับที่ส่งมอบแล้ว และมันยังคงกว้างขึ้นเรื่อย ๆ