FLUX 3 Image 與 FLUX 3：兩個名稱，兩款產品，相隔九週

自 2026 年 10 月 1 日起，「FLUX 3」代表了兩種不同的事物，而第二種含義才是附有價目表的那一個。FLUX 3 Image是當天上線的圖像層級，位於api.bfl.ai/v1/flux-3-image，按每張圖片計費，起價 $0.041。FLUX 3則是它所屬的更大整體——Black Forest Labs 於 2026 年 7 月 23 日發表的統一多模態模型，此後分階段推出，其中影片與機器人動作頭是已在正式環境中運作的部分。這不是旗艦與其較小同類產品之間的比較。這是整個家族與其三個運作部分之一之間的比較。

這種區別很容易被忽略，而 BFL 自家的命名方式也幫不上忙：家族頁面、影片文件、授權條款和 API 參考資料，都在一些其實指涉更狹義事物的段落裡寫著 FLUX 3。如果你讀過一份 FLUX 3 規格表，卻仍不確定它描述的是圖像模型、影片模型，還是一項研究計畫，那並不是你粗心。這兩個名稱都仍在活躍使用中，用來指涉同一發行版本中相互重疊的子集。

兩個重要的日期

• 2026年7月23日 — FLUX 3 以 Early Access 名義宣布推出。單一 Self-Flow 架構橫跨圖像、影片與音訊生成，以及動作預測。算力揭露才是耐人尋味的部分：超過 95% 的訓練算力用於影片，而分配給音訊的 token 不到 0.5%。

• 2026 年 10 月 1 日——圖像層級以計量端點的形式開放。這使得從公告到大多數人以為「FLUX 3」所指的模態真正到來之間，留下大約十週的差距。

解讀那樣的算力分配，就能看出 Black Forest Labs 認為真正的難題是什麼。一個把幾乎所有訓練預算都花在影片上的模型家族，並不是在為靜態圖像做最佳化，再把動態視為附加延伸。情況正好相反，而圖像層級繼承了影片優先訓練所產出的一切。

每個層級是什麼，以及費用是多少

七月宣布的四種模態中，已有三種推出。圖像層級是最新的，也是唯一像傳統付費 API 那樣運作的。

• FLUX 3 Image — 只要一次 POST、一個 x-key 標頭，就會回傳一個可輪詢的 URL。依解析度級距按每張圖片計價：768 平方為 $0.041，1K（預設值）為 $0.048，1.5K 為 $0.07，2K 為 $0.10，4K 為 $0.607。上市優惠 5 折，持續至 10 月 8 日 15:00 UTC。參考圖像與提示詞長度皆已計入；失敗及遭審核擋下的請求不會計費。每張參考圖像須介於 256×256 像素至 1600 萬像素之間，最多可接受十張。

• FLUX 3 Video — 已正式推出，並按秒計費而非按圖片計費。文字轉影片與圖片轉影片的價格為 Draft HD 每秒 $0.06、HD 每秒 $0.17、FHD 每秒 $0.29、QHD 每秒 $0.40、UHD 每秒 $0.80，而影片轉影片的價格整體更高。片段長度可達 20 秒，並具備原生同步音訊，模式包括關鍵影格轉影片與續接。Draft 模式僅支援 HD。QHD 與 UHD 輸出已於 2026 年 9 月 10 日推出。

• FLUX 3 Action——一個 7B 的世界動作模型，也是 FLUX 3 中唯一你能下載參數的部分。2026 年 9 月 22 日，Hugging Face 上出現了三個檢查點：一個基礎檢查點、一個 SO-101 機械臂變體，以及一個 DROID 變體。存取權限採合作夥伴限定而非開放，並以機器人操作作為展示用途。

• 尚未推出的內容—— FLUX 3 開放權重主幹模型。BFL 的自架設層級仍僅涵蓋 FLUX.2 [klein] 與 FLUX.2 [dev]。就圖像層級而言，商業權重需經協商授權取得，而公開開放權重則據稱還需數週才會推出。

沒有人做的成本比較

每張圖片與每秒的定價看似無從比較，這正是值得算一次的原因。

標準 HD 文字轉影片五秒為 $0.85。UHD 五秒為 $4.00。圖像層級的單張 4K 靜態影像定價為 $0.607，或在首發期間內為 $0.3035——而雖然圖像層級的「4K」指的是像素預算而非固定畫面（BFL 的範例輸出為 5456 × 3072，約 16.8 百萬像素，對比 UHD 2160p 的 8.3），它與影片層級按秒計費所移動的解析度屬於同一個數量級。

結果是，產生一個 UHD 關鍵影格的成本，只是產生一秒 UHD 影片的一小部分，而關鍵影格正是你在反覆迭代時會不斷產生的東西。如果你的流程是「先把畫面弄對，再讓它動起來」，那麼圖像層級就是便宜的那一半，差距超過一個數量級，而且它也是問世時間最短的那一半。

圖像端有一個影片端沒有的注意事項。一次 4K 圖像呼叫可能需要數分鐘，而回傳的樣本可在一小時內下載。緩慢且可在一小時內取回，與影片工作相比是截然不同的運作形態，而這正是決定批次管線是否需要佇列的那種細節。

邊界框會以這兩個名稱中的其中一個存在

控制介面並未在各層級之間共用，而這是名稱與系列之間最鮮明的實務差異。

圖像層會接收附加在提示詞後的 JSON 陣列，兩個軸上的座標皆採用 0–1000 的網格，而每個方框寫成 [上, 左, 下, 右]。你傳入一張元素表，其中每個元素帶有 id、一個 bbox 和一個 desc，以及一個會引用這些 id 的全域說明文字——BFL 的範例使用像 animal_1。同一套座標系統也用於驅動編輯：保留某個區域、移動某個區域、在目標方框中生成一個新區域，或移除來源方框。多個操作可放在單一請求中，並以 ref_image_0 命名參考清單中的第一個項目。文件表示，編輯方框之外的像素「通常會保持不變」——這是個值得照字面解讀的模糊說法。

在圖像層級中，Grounding 預設為開啟：生成前會先執行網頁與圖像搜尋。輸出尺寸會四捨五入至 16 的倍數，而實際數值會回報為output_mp。

這些都不會出現在影片層級的參數中。FLUX 3 Video 有自己的一套控制方式——關鍵影格、續接、首尾影格條件控制——但沒有座標語言。這些部分共享的是架構，而不是介面。

仔細閱讀供應商的比較

Black Forest Labs 發佈了 FLUX 3 Video 的偏好結果，這些結果值得引用並附上其來源出處。這些測試由廠商執行、屬初步性質，並以 10 秒 720p 輸出的勝率計分：

• 對比 Luma Ray 3.2 — 有 93% 偏好 FLUX 3 Video。

• 對比 Runway Gen-4.5 — 77%。

• 對比 Grok Imagine Video — 69%。

• Kling v3 Pro — 60%。

• 相較於 Happy Horse v1 與 v1.1—— 59% 與 57%。

• 對上 Seedance 2.0 與 Gemini Omni Flash——兩者各約 52%，即使數字高於一半，實質上仍屬統計上的平手。

那份清單中從 93% 到 52% 的分布範圍，比任何單一列都更具資訊量。BFL 以外沒有人做過這些比較，而底部那些低於 55% 的結果，才真正告訴你這個模型在哪些地方確實受到挑戰。

FLUX 3 Image 完全沒有對應的數字。Artificial Analysis 的文字轉圖像與編輯排行榜曾於 2026 年 10 月 1 日查核，並於 10 月 2 日再次查核，兩者都沒有列出 FLUX 3 Image。BFL 公布的分數仍止於 FLUX.2 系列：FLUX.2 [max] 在生成排行榜上為 1021 Elo，在編輯排行榜上為 996，而 FLUX.2 [dev] 則在兩者上固定為 1000 的基準。這個圖像層級才推出一天，尚未經過測量。

在這些名稱之間做選擇

這個選擇與其說關乎哪個模型更優，不如說關乎你的問題落在三個已推出層級中的哪一層。

如果你需要具備空間控制能力的靜態影像，FLUX 3 Image 是唯一具備座標語言的層級，而且在 1K 解析度下每張影像只要 $0.048，便宜到足以好好評估，而不是為此爭論。就從那裡開始，在你自己的畫面上測試「通常會保持完全相同」的說法，並在調整批次大小時，留意 2K 到 4K 的價目躍升 6.07×。

如果你需要動態影像，FLUX 3 Video 是成熟的計量制產品，解析度等級最高達 UHD，並能生成 20 秒、附帶同步音訊的片段。請將它與它旨在取代的模型互相比較，而不是與圖像等級相比——兩者並非彼此的替代方案。

如果你需要權重，目前的答案是在合作夥伴協議下使用 FLUX 3 Action，否則就是 FLUX.2。影片與圖像層級皆無法下載，而圖像層級的開放發布是已表明的意向，但沒有日期。

FLUX 3 與 FLUX 3 Image 都不在 OrcaRouter 的型錄上，因此要呼叫其中任何一個，都得直接找 Black Forest Labs。在以這個模型家族為核心打造的流程中，供應商中立的路由器真正帶來的價值，在於生成呼叫周邊的那一層：提示詞改寫的處理、拿渲染結果與需求簡報比對的視覺檢查，以及把輸出分類為接受與拒絕兩類的分類器。這些步驟的變動頻率遠高於圖像模型本身，而在單一 OpenAI 相容端點背後更換供應商——搭配 未加價、原價傳遞的供應商定價、後端效能劣化時自動容錯移轉，以及 當你想刻意鎖定或退回特定供應商時可用的路由 DSL——正是「能緊跟市場的流程」與「每次有模型被淘汰就得重新部署的流程」之間的差別。

最誠實的結語是：這是一套命名慣例。當有人說 FLUX 3，並遞給你一張價目表時，他們指的是圖像端點。當他們說出同樣的名字，卻遞給你一份關於音訊 token 分配的規格表時，他們指的是七月的公告。這兩份文件之間的落差是九週與三個已推出的層級，而且還在持續擴大。