Black Forest Labs lanza FLUX 3, su primer modelo de video con salida de audio nativa

Black Forest Labs lanzó hoy FLUX 3, marcando la primera incursión del laboratorio de IA con sede en Friburgo en la generación de video. El modelo produce clips de video de hasta 20 segundos con salida de audio nativa sincronizada, generados conjuntamente a partir de un solo Prompt utilizando una arquitectura unificada, en lugar de enrutar modelos separados de imagen y audio detrás de una API común.

La distinción importa. La mayoría de los productos de generación de video actuales son ensamblajes: un codificador de texto, un modelo de difusión de video y un modelo de audio separado cosidos juntos. FLUX 3 está construido sobre Self-Flow, la arquitectura de BFL para entrenamiento simultáneo en imágenes, video y audio, por lo que el modelo desarrolla una representación compartida de la estructura espacial, la física del movimiento y la causalidad acústica. Según la compañía, esa señal de entrenamiento mutua es la razón por la que los mismos pesos pueden alimentar tanto un clip de video fotorrealista como una tarea de manipulación en un brazo robótico.

Lo que se lanza hoy

FLUX 3 se lanza en cuatro líneas de producto. FLUX 3 Video y FLUX 3 Action ingresan a un programa de acceso temprano restringido hoy, disponible para cualquiera que solicite, pendiente de aprobación de BFL. FLUX 3 Image se implementará públicamente en las próximas semanas. FLUX 3 Dev, una versión de pesos abiertos del backbone multimodal, está comprometida para más adelante este año pero sin fecha confirmada.

FLUX 3 Video admite conversión de texto a video, de imagen a video (animación o referencia visual), transferencia de estilo de video a video, transiciones controladas por fotogramas clave, generación de diálogos multilingües y encadenamiento agéntico de clips individuales en secuencias más largas. Todas las salidas de video incluyen audio nativo. FLUX 3 Action extiende la misma arquitectura a la percepción robótica y el control físico, un cambio de ambición notable para un laboratorio que construyó su nombre en la generación de imágenes de consumo.

Resultados de Benchmark, con reservas

BFL publicó evaluaciones preliminares de preferencia para FLUX 3 Video contra siete competidores en clips de texto a video de 10 segundos y 720p. FLUX 3 fue preferido sobre Luma Ray 3.2 en el 93% de las comparaciones, Runway Gen-4.5 en el 77%, Grok Imagine Video en el 69%, Kling v3 Pro en el 60%, Happy Horse v1 en el 59%, y Seedance 2.0 y Google Gemini Omni Flash cada uno en el 52%.

BFL califica estos resultados como una evaluación preliminar de un candidato temprano, lo que significa que el checkpoint evaluado no es el modelo que ingresa al acceso temprano hoy. La compañía dice que el modelo en envío puede rendir mejor, y se prometen metodología completa y tablas de Benchmark en la disponibilidad general. Las dos comparaciones más ajustadas, 52% contra Seedance 2.0 (cuyo despliegue internacional ha sido suspendido debido a litigios de derechos de autor de importantes estudios de Hollywood) y Gemini Omni Flash, son las más significativas para los compradores empresariales occidentales.

Lo que falta

No hay API pública en el lanzamiento ni precios. Los compradores empresariales aún no pueden calcular el costo de propiedad ni realizar evaluaciones independientes. BFL no ha publicado pesos descargables, no hay licencia Open Source adjunta, y no se han publicado compromisos de nivel de servicio de producción. FLUX 3 Dev, la versión de pesos abiertos que la comunidad de desarrolladores esperaba, es la última en la secuencia de lanzamiento de BFL, llegando después de que Image alcance la disponibilidad general.

Esa secuencia es un cambio con respecto a los lanzamientos de FLUX 1.x, donde los pesos abiertos llegaron junto o poco después del acceso comercial y desempeñaron un papel central en la adopción de la arquitectura en aplicaciones y plataformas de terceros. BFL dice que el compromiso de FLUX 3 Dev cubre la generación de video, audio e imagen y la predicción de acciones, un alcance considerablemente más amplio que cualquier lanzamiento anterior de FLUX Dev.

Por qué es importante

FLUX 1.x se convirtió en la columna vertebral de generación de imágenes de pesos abiertos predeterminada para una gran parte de los productos de IA de consumo y desarrolladores en 2024 y 2025. Un sucesor multimodal creíble que eventualmente envíe pesos abiertos extendería esa huella al video y la robótica. Si FLUX 3 logra esa posición depende de cómo sea el lanzamiento de pesos abiertos cuando llegue, y de la capacidad de BFL para cerrar la brecha contra Sora, Veo 3 y Kling entre ahora y la disponibilidad general.

Las solicitudes para el acceso temprano de FLUX 3 Video están abiertas en bfl.ai. Se espera que FLUX 3 Image esté disponible de forma general en las próximas semanas, según informó VentureBeat por primera vez.