FLUX 3 Max: 10 giây video trong 12 giây, cùng một tuyên bố mà bạn chưa thể kiểm chứng

Con số thú vị nhất trong thông báo FLUX 3 Max của Black Forest Labs không phải 22×. Mà là 12. Một clip mười giây trong mười hai giây nghĩa là mô hình dành ít thời gian hơn để kết xuất so với thời gian tồn tại của clip — và nếu điều đó đúng trong môi trường sản xuất, toàn bộ hình dạng của quy trình làm việc video sẽ thay đổi, bởi vì lặp lại không còn là một tác vụ theo lô nữa mà trở thành một cuộc trò chuyện. Đây là phần đáng đọc trước khi bạn xây dựng lại bất cứ thứ gì xoay quanh nó: FLUX 3 Max ra mắt ngày 19 tháng 10 năm 2026, con số 12 giây là của chính nhà cung cấp, được công bố mà không có phương pháp luận, không có kích thước clip, không có độ phân giải và không có lần chạy độc lập nào đứng sau, và mô hình không có dòng giá riêng trên trang giá của Black Forest Labs. FLUX 3 Max là gì có thể là điều quan trọng nhất cần hiểu, và đó lại chính là điều mà trang thông báo nói ít nhất. Bài viết này đề cập những gì BFL thực sự phát hành, các con số có nghĩa và không có nghĩa gì, nó tốn bao nhiêu, và nó liên quan thế nào đến gói FLUX 3 Video mà bạn đã có thể gọi. Những sự cố AI và sự cố tác nhân được ghi nhận đằng sau các bản phát hành như bản này được tập hợp trong the OrcaRouter AI Incident Archive nơi mỗi mục đều mang nguồn riêng, mức độ nghiêm trọng, hạng độ tin cậy và cờ tranh chấp của nó.

Một ghi chú về nguồn thông tin, trước khi bất kỳ con số nào xuất hiện hai lần. Mọi nội dung ở đây đều được đọc từ chính các trang của Black Forest Labs vào ngày 2026-10-20 — trang mô hình tại bfl.ai/models, trang sản phẩm FLUX 3 Video và trang giá — cùng với lược đồ OpenAPI của API công khai. Chưa có bên thứ ba nào đo kiểm hiệu năng FLUX 3 Max. Khi BFL công bố một con số, con số đó được ghi nhãn là của nhà cung cấp. Khi họ không công bố gì, bài viết này nói rõ như vậy thay vì ước lượng.

Điều gì đã thực sự được công bố

Vào ngày 19 tháng 10 năm 2026, Black Forest Labs đã đăng một ghi chú ra mắt cho FLUX 3 Max dưới dòng tiêu đề “Giới thiệu FLUX 3 Max.” Những tuyên bố trong đó ngắn gọn và toàn diện: nhanh nhất phương Tây; một video mười giây trong mười hai giây; đồng hạng nhất ở hạng mục image-to-video; nhanh gấp 22 lần Seedance 2.5 ở cùng chất lượng; và, trong một câu đọc như thể thuộc về một sản phẩm khác, “FLUX 3 là một mô hình được thiết kế để tùy biến.”

Việc công ty đồng thời làm ở nơi khác hữu ích hơn bài đăng. FLUX 3 Max hiện chiếm vị trí đầu tiên trên bfl.ai/models, phía trên FLUX 3 Video, với mô tả "Mô hình video nhanh nhất, chất lượng cao nhất. Video 10 giây trong 12 giây." Nó có mục riêng trong menu sản phẩm và neo riêng trên trang video. Trang định giá có thanh thông báo toàn site dành cho nó: "FLUX 3 Max: nhanh hơn Seedance 2.5 22 lần với cùng chất lượng."

Đó là một đợt ra mắt sản phẩm thực sự theo nghĩa quan trọng đối với nhà phát triển: mô hình đã được liệt kê, nó có tên, và nhà cung cấp đang dồn lưu lượng về phía nó. Đây không phải là một đợt ra mắt theo nghĩa kiến trúc mới, một phương thức mới hay một phân khúc giá mới. FLUX 3 Max là một biến thể của FLUX 3 Video — và sự phân biệt giữa "mô hình mới" và "biến thể mới" chính là nơi tập trung phần lớn các câu hỏi thực tế.

Tuyên bố 12 giây và việc nó được đo dựa trên cơ sở nào

Mười hai giây cho mười giây đầu ra là tỷ lệ 1,2 trên 1. Nếu điều đó đúng ở độ phân giải sản xuất kèm âm thanh, thì thật phi thường. Để so sánh, trang dòng sản phẩm FLUX 3 Video của chính nhà cung cấp mô tả chế độ nháp tồn tại chính xác vì các bản kết xuất chất lượng đầy đủ không phải tức thời — một bản nháp mang lại cho bạn "tạo nhanh với một phần chi phí," và sau đó bạn đưa bản nháp trở lại qua Draft Enhance để có khung hình chất lượng đầy đủ. Một quy trình được xây dựng quanh việc xem trước-rồi-chốt ngụ ý rằng bước chốt mới là phần chậm. Tuyên bố của FLUX 3 Max ngụ ý điều ngược lại: rằng bản kết xuất đầy đủ đã nhanh hơn thời gian thực.

Bốn điều BFL không nói về mười hai giây, và mỗi điều đều thay đổi ý nghĩa của con số:

• Độ phân giải — tuyên bố không nêu rõ dải độ phân giải. FLUX 3 Video kết xuất HD, FHD, QHD và UHD, trong đó FHD trở lên được hoàn thiện bằng bộ tăng mẫu sau khi tạo. Một bản kết xuất HD mười hai giây và một bản kết xuất 4K mười hai giây là những thành tựu kỹ thuật khác nhau, và bài đăng không phân biệt chúng.

• Âm thanh — FLUX 3 mặc định tạo âm thanh đồng bộ và âm thanh được bao gồm mà không tính thêm phí. Việc mười hai giây có bao gồm tổng hợp âm thanh hay không thì không được nêu rõ. Âm thanh chiếm một phần đáng kể trong khối lượng tính toán của một mô hình âm thanh-video kết hợp.

• Phần cứng và hàng đợi — không có GPU, không có kích thước lô và không đề cập liệu việc xếp hàng có được tính hay không. Thời gian đến khung hình đầu tiên và thời gian đến tệp hoàn tất là những con số khác nhau, và các tuyên bố về tốc độ trong tiếp thị thường trích dẫn con số tốt hơn.

• Lặp lại — không có p50, không có p95, không có kích thước mẫu. Một lần tạo nhanh chỉ là giai thoại; một phân bố mới là mức dịch vụ.

Không điều nào trong số này khiến con số đó trở nên sai. Nó khiến con số đó không thể kiểm chứng từ bên ngoài nhà cung cấp, và đó chính là tình trạng trung thực của mọi tuyên bố về tốc độ được công bố trong 48 giờ đầu tiên trong vòng đời của một mô hình.

"Đồng hạng #1 về chuyển ảnh thành video" — đồng hạng với ai, trên bảng xếp hạng nào?

Đây là luận điểm cần được xử lý cẩn trọng nhất, vì đây là luận điểm nghe giống như một kết quả benchmark và là luận điểm có ít cơ sở nhất đằng sau.

Một thứ hạng cần có một bảng xếp hạng. Tính đến ngày 2026-10-20, các bảng xếp hạng video độc lập không có biểu hiện rõ ràng là có FLUX 3 Max: đấu trường video của Artificial Analysis, đơn vị có công bố một tab hình ảnh sang video với xếp hạng kiểu Elo, chỉ trình bày giao diện bỏ phiếu và danh sách mô hình của mình cho khách đã đăng nhập, còn trang công khai có thể truy cập mà không cần tài khoản thì không hiển thị bảng xếp hạng. Vì vậy, không thể kiểm chứng tuyên bố này dựa vào nguồn khả dĩ nhất, và BFL không nêu tên nguồn mà mình đang sử dụng.

Cũng có một vấn đề về ngày tháng. Một mô hình ra mắt vào ngày 19 tháng 10 không thể tích lũy được một mẫu bình chọn mù có ý nghĩa vào ngày 20 tháng 10. Nếu “#1” đến từ một phép so sánh sở thích con người do nhà cung cấp tự vận hành — đúng như cách BFL trình bày FLUX 3 Video vào tháng 7, khi họ báo cáo các chiến thắng về mức độ ưa thích trước Luma Ray 3.2 với 93%, Runway Gen-4.5 với 77% và Kling v3 Pro với 60%, đồng thời ghi rõ là “sơ bộ” và “ban đầu” — thì “đồng hạng #1” là một kết quả do nhà cung cấp tự chạy khoác áo bảng xếp hạng. Các con số tháng 7 trung thực về tình trạng tạm thời của chính chúng. Bài đăng tháng 10 thì không, và đó là khác biệt đáng nêu ra.

Điều gì sẽ giải quyết được chuyện này: một bảng xếp hạng có tên, một ngày, một cỡ mẫu và một liên kết. Cho đến khi một thứ như vậy xuất hiện, cách diễn giải công bằng là FLUX 3 Max được nhà sản xuất của nó định vị ở vị trí dẫn đầu lĩnh vực chuyển ảnh thành video và chưa được độc lập đưa lên vị trí đó.

So sánh Seedance 22×

Nhanh hơn Seedance 2.5 22× "ở cùng chất lượng" là một tuyên bố ghép gồm hai phần, và chỉ một trong hai phần là tuyên bố về tốc độ.

Phần tốc độ là phép tính số học dựa trên con số mười hai giây: nếu FLUX 3 Max kết xuất mười giây trong mười hai giây, thì để có đầu ra tương đương từ một mô hình chậm hơn 22 lần sẽ mất khoảng bốn phút rưỡi. Đó là một bậc độ lớn hợp lý đối với một mô hình video tiên phong, và nó cũng hoàn toàn không có mốc neo — ByteDance không công bố con số thời gian tạo nào cho Seedance 2.5 để bất kỳ ai có thể kiểm chứng. Do đó, so sánh của BFL là một phép đo do nhà cung cấp tự thực hiện về độ trễ của chính họ, đặt cạnh một phép đo không nêu tên của đối thủ, và người đọc không có cách nào tái tạo lại cả hai phía.

Nửa về chất lượng — "ở cùng chất lượng" — là nửa hoàn toàn không có bằng chứng nào kèm theo. Khớp được chất lượng là phần tốn kém của một phép so sánh tốc độ, và việc khẳng định điều đó mà không có một bộ khung đánh giá tương ứng khiến con số 22× trở thành một con số đơn lẻ giả vờ là hai. Cũng lưu ý rằng Seedance 2.5 là một loại sản phẩm khác: mô hình của ByteDance chấp nhận tối đa 50 tài nguyên tham chiếu trong một yêu cầu và tạo các clip dài tối đa 30 giây, so với giới hạn 20 giây của FLUX 3. Tỷ lệ tốc độ giữa các mô hình có giới hạn độ dài và tham chiếu khác nhau là tỷ lệ giữa hai công việc khác nhau.

Điều này không có nghĩa là FLUX 3 Max không nhanh. Nó có nghĩa là 22× là một so sánh do nhà cung cấp thực hiện giữa phép đo của chính nhà cung cấp đó và các thiết lập đã công bố của một đối thủ, và người đọc nên coi đó là một định hướng, không phải một hệ số nhân.

FLUX 3 Max thực sự tạo ra gì

Ở đây bức tranh rõ ràng hơn, vì FLUX 3 Max kế thừa khung của FLUX 3 Video thay vì định nghĩa một khung mới. Trang video của BFL liệt kê các khả năng dưới FLUX 3 Video, và khối Max trên trang đó chỉ bổ sung ngôn ngữ về tốc độ lên trên chúng:

• Đầu vào — văn bản thành video, hình ảnh thành video, video thành video, tiếp nối video và chuyển tiếp được điều khiển bằng khung hình khóa.

• Thời lượng — 5 đến 20 giây mỗi lần tạo, bất kỳ giây nguyên nào, hoặc tự động để phù hợp với nội dung. Lược đồ API xác nhận phạm vi số nguyên 5–20.

Độ phân giải — HD (tối đa 1 megapixel mỗi khung hình), FHD (tối đa 2), QHD/2K (tối đa 4), UHD/4K (tối đa 8), trong đó dải được xác định bằng tổng số pixel mỗi khung hình thay vì tỷ lệ khung hình. Kích thước đầu ra nằm trên bội số của 32, vì vậy "UHD" 16:9 là 3840×2176 thay vì 3840×2160.

• Âm thanh — âm thanh đồng bộ gốc tùy chọn, bao gồm hội thoại đa ngôn ngữ, giọng nói, hiệu ứng âm thanh và âm thanh nền, không tính thêm phí. Mặc định bật trong API.

• Tỷ lệ khung hình — tự động, 21:9, 2:1, 16:9, 4:3, 1:1, 3:4, 9:16, 9:21.

• Chế độ tham chiếu và điều khiển — khung bắt đầu, khung bắt đầu và kết thúc, nhiều khung hình chính được ghim vào mốc thời gian, và tiếp nối từ một clip hiện có.

• Chế độ nháp — bản xem trước nhanh chỉ HD, cùng gói draft_cache mà bạn truyền lại để render cùng một thế hệ ở chất lượng đầy đủ. Cách chính BFL mô tả chế độ nháp đã nói lên tất cả: nếu Max render mọi thứ trong mười hai giây, thì một tầng xem trước sẽ chẳng còn việc gì để làm.

Bề mặt API là phần đáng kiểm tra trước khi bất kỳ ai lên kế hoạch tích hợp. Tài liệu OpenAPI công khai tại api.bfl.ai liệt kê ba endpoint tạo cho dòng này: /v1/flux-3-video, /v1/flux-3-image và /v1/flux-3-image-klein. Không có /v1/flux-3-max. Phần thân yêu cầu của endpoint video chứa mode, prompt, duration, resolution, generate_audio, draft, safety_tolerance và version — và không có trường nào để chọn Max. Tính đến thời điểm đọc này, FLUX 3 Max là một sản phẩm và một vị trí cung cấp chứ không phải một endpoint riêng biệt, được ghi tài liệu công khai. Bất kỳ ai xây dựng dựa trên nó nên xác nhận với BFL endpoint nào và tham số nào thực sự đáp ứng nó trước khi viết mã giả định một ID mô hình.

Chi phí là bao nhiêu

Black Forest Labs công bố giá video theo giây và FLUX 3 Max không có trên bảng giá. Tài liệu tham chiếu tính phí — trang giá của tài liệu — liệt kê các dòng FLUX 3 Video và không có mục nào dưới tên Max:

• Văn bản thành video và hình ảnh thành video — 0,15 USD/giây HD, 0,24 USD/giây FHD, 0,28 USD/giây QHD, 0,41 USD/giây UHD.

• Video sang video và nối tiếp — $0.21/s HD, $0.27/s FHD, $0.31/s QHD, $0.45/s UHD.

• Bản nháp — $0.06/s, chỉ HD, chỉ tạo video từ văn bản; sau đó bản nháp được nâng cấp với mức giá của bậc mà bạn cam kết.

• Ví dụ minh họa — năm giây video chuyển văn bản thành video HD tiêu chuẩn có giá $0.85; phần giây lẻ được làm tròn lên; âm thanh miễn phí.

Có hai điều tiếp theo. Thứ nhất, một clip HD mười giây ở mức giá được liệt kê là $1.50, và nếu Max được định giá theo đúng các mức đó thì bản render mười hai giây tốn một đô la năm mươi cộng với mười hai giây thời gian của bạn. Thứ hai, các trang của chính BFL không khớp với nhau: FLUX 3 Video FAQ trên trang mô hình vẫn ghi $0.17/s HD, $0.29/s FHD, $0.40/s QHD và $0.80/s UHD cho text-or-image-to-video, với $0.41/$0.53/$0.65/$0.95 cho video-to-video — gần gấp đôi bảng giá trong tài liệu ở mọi dải. Chúng tôi trích dẫn trang tài liệu vì đó là tham chiếu thanh toán, và chúng tôi nêu rõ xung đột thay vì chọn một bên thắng. Bất kỳ ai lập ngân sách nên xác nhận mức giá trên hóa đơn đầu tiên trước khi mở rộng quy mô. Cùng chú thích đó cũng nói rằng mức giá được xác định bởi modality, biến thể mô hình và dải độ phân giải — điều này ngụ ý rằng tồn tại một mức giá riêng cho Max ở đâu đó, dù không có hàng Max nào được công bố. Hãy coi $0.15/s HD là một giả định, không phải báo giá của Max.

Đối với một nhóm đang so sánh các lựa chọn giữa các nhà cung cấp, đặc điểm hữu ích của một router pass-through là kiểu biến động bảng giá này không phải vấn đề bạn cần theo dõi: trên OrcaRouter, giá niêm yết của nhà cung cấp được chuyển qua với mức markup 0%, vì vậy khi nhà cung cấp giảm giá hoặc có mức giá của một gói mới, mức giá đó xuất hiện với cùng giá như trên trang của nhà cung cấp, trong cùng ngày, mà không cần bạn phải thực hiện việc định giá lại. Bản thân FLUX 3 Max hiện không được OrcaRouter định tuyến — API video của BFL là tuyến đường — nhưng các tùy chọn video lân cận có trong danh mục, chẳng hạn như kling/kling-3-turbo, nằm sau cùng một endpoint tương thích OpenAI như các mô hình văn bản, vì vậy một pipeline có thể giữ các lệnh gọi LLM và video của mình trên một khóa trong khi đánh giá.

Tùy chỉnh và chủ đề trọng số mở

Câu về tùy chỉnh trong bài đăng ra mắt là tuyên bố duy nhất không khớp với phần còn lại của thông báo, và đáng để mổ xẻ vì BFL thực sự có tiền lệ ở đây.

Dòng FLUX 3 đã dần mở rộng theo từng phần trong suốt cả năm. FLUX 3 Action, mô hình hành động robot 7B, đã công bố ba checkpoint lên Hugging Face vào ngày 22 tháng 9 năm 2026. FLUX 3 Image Klein, một mô hình hình ảnh trọng số mở 5.6B, ra mắt vào ngày 15 tháng 10 với checkpoint gốc được xây dựng để tinh chỉnh, một biến thể chưng cất, các bản dựng FP8/INT8/NVFP4, huấn luyện LoRA trong Diffusers và Ostris's AI Toolkit ngay từ ngày đầu tiên, cùng giấy phép FLUX Kommunity cho phép sử dụng thương mại miễn phí dưới 5 triệu USD doanh thu hằng năm. Blog của chính BFL gọi Klein là “bản phát hành trọng số mở thứ hai thuộc dòng FLUX 3” và cho biết sẽ còn nhiều bản nữa.

Đối chiếu với những gì đã được ghi nhận đó, “FLUX 3 là một mô hình được thiết kế để tùy biến” có thể được hiểu một cách hợp lý là một phát biểu về dòng mô hình — phần hình ảnh thực sự có thể tinh chỉnh, trên GPU của chính bạn, ngay hôm nay — chứ không phải là một tuyên bố rằng trọng số FLUX 3 Max sắp ra mắt. Không có gì trên trang Max đề cập đến trọng số, giấy phép, tinh chỉnh hay tự lưu trữ. Phần backbone video của FLUX 3 Dev vẫn được mô tả là “sắp ra mắt”, và bfl.ai/licensing chỉ bán các gói tự lưu trữ cho các mô hình hình ảnh. Nếu tùy biến là lý do FLUX 3 Max khiến bạn quan tâm, thì quan điểm trung thực là câu chuyện tùy biến của hạng video chỉ là một câu nói của nhà cung cấp mà chưa có sản phẩm thực tế nào đằng sau, trong khi của hạng hình ảnh là bốn checkpoint và một giấy phép bạn có thể đọc.

Tuần này làm gì với nó

Nếu bạn tạo video để kiếm sống, FLUX 3 Max đáng để chạy thử với chính các câu lệnh của bạn — không phải vì {{1}}22×{{/1}} đã được xác minh, mà vì khả năng kết xuất thực sự dưới mức thời gian thực sẽ thay đổi cách bạn làm việc, và cách duy nhất để biết liệu tuyên bố đó có đúng với {{2}}độ phân giải{{/2}}, cài đặt âm thanh và nội dung của bạn hay không là gửi chính tư liệu của bạn cho nó. Hãy đánh giá hiệu năng theo cách nhà cung cấp đã không làm: cùng câu lệnh, cùng thời lượng, ba độ phân giải, mỗi loại mười lần chạy, và ghi lại {{3}}p50{{/3}} thay vì trường hợp tốt nhất.

Nếu bạn đang chọn nhà cung cấp video cho một sản phẩm, thông tin bạn cần vẫn chưa tồn tại. Không có dịch vụ image-to-video độc lập nào được niêm yết, không có mức giá riêng cho Max và không có endpoint Max nào được ghi nhận trong tài liệu. Hãy hỏi trực tiếp BFL xem tham số endpoint nào phục vụ Max và chi phí ra sao ở từng dải độ phân giải trước khi bạn lập ngân sách dựa trên đó. Một mô hình dẫn đầu bảng xếp hạng không giống với một mô hình có giá công bố, và hiện tại FLUX 3 Max đáp ứng điều thứ nhất chứ không phải điều thứ hai.

Nếu bạn đang xây dựng một pipeline đa mô hình, bước đi thực tế là giữ việc lựa chọn mô hình phía sau một interface thay vì trong mã. Đó là lý lẽ cho một router không gắn riêng với đợt ra mắt này: các thế hệ mô hình video đang thay đổi vài tuần một lần, và chi phí để áp dụng thế hệ tiếp theo chỉ nên là một thay đổi cấu hình. Trên OrcaRouter, điều đó có nghĩa là một endpoint duy nhất tương thích OpenAI trên hơn 200 mô hình, tự động chuyển đổi dự phòng khi một nhà cung cấp bị suy giảm, và một DSL định tuyến có thể gửi một lớp yêu cầu đến một mô hình và phần còn lại đến mô hình khác — vì vậy việc đánh giá FLUX 3 Max cùng với những gì bạn đang chạy hôm nay không đòi hỏi một tích hợp thứ hai hay một hợp đồng thứ hai.

Điều cần để mắt tới không phải là con số 22×. Mà là liệu một bảng xếp hạng độc lập có đưa FLUX 3 Max vào hạng mục image-to-video hay không, và liệu BFL có công bố một dòng Max trên trang giá và một tham số Max trong API của mình hay không. Ba bằng chứng đó sẽ biến bài đăng ra mắt thành một bản đặc tả. Cho đến lúc đó, mười hai giây chỉ là một lời hứa, và việc hữu ích nhất bạn có thể làm với một lời hứa là kiểm chứng nó.