内容说明：本文由 AI 基于目标网站公开信息及联网搜索结果整理生成，旨在帮助读者快速了解工具概况。文中涉及的功能、价格、性能等描述可能随官方更新而变化，请以官方最新说明为准。参考资料列表见文末，来源按权威性分组标注。
Flux 3 是 Black Forest Labs 于 2026 年 7 月推出的下一代多模态基础模型，定位为"面向图像、视频、音频的世界模型"，其预览站 flux3.co 提供了在线 Playground 供用户直接体验[2]。据官方介绍，Flux 3 基于团队此前发表的 Self-Flow 架构，在一个统一底座中联合学习图像、视频和音频三种模态，从而让单个模型即可生成带原生同步音频的视频，并保持对世界外观、运动与声音的一致性理解[1][4]。
与早期版本不同，Flux 3 不再只是图像生成模型，而是把超过 95% 的训练算力投入视频预测，视频生成已于 2026 年 8 月 4 日正式开放[1]。它支持文生视频、图生视频、视频接续、关键帧到视频等多种模式，单次生成 5 至 20 秒带音频片段，默认 720p 高清、可超分至 1080p 全高清[1][3]。从定位看，Flux 3 的目标是把生成模型从"画图工具"升级为"视觉智能的基础设施"，向世界模型方向迈进[4]。
根据官方在 flux3.co 展示的提示词案例，Flux 3 的生成能力覆盖多个典型场景：一条"太空歌剧预告片"提示词即可生成女舰长立于舷窗前、舰队跃迁离去、镜头缓慢推进的沉浸式电影片段；"陶瓷马克杯从大理石台面滑落摔碎"的提示词则同时返回碎片四溅的画面与尖锐撞击声，音效精准落在动作瞬间[2][3]。
据第三方报道，在 10 秒 720p 带音频视频的偏好评测中，FLUX 3 相较 Grok Imagine Video 等竞品的偏好率更高，早期评测在多款竞品中胜出[4]。其多语言对白与屏幕文字能力可准确渲染中文等多语言，口型对上台词，同一素材可直接产出多语言版本，被官方定位为适配短剧出海场景[1][3]。电商场景下，镜头运动时材质、重量与反光保持真实，产品看起来接近实拍[2]。
据官方介绍，Flux 3 的核心差异化在于"全模态"统一架构：图像、视频与音频在同一模型内联合训练，共享对世界外观和声音的统一理解，因此音画天然同步，无需后期对齐[1][2]。Self-Flow 架构相比传统 Flow Matching 在多模态生成与理解的对齐上效率更高，初步研究数据显示其生成误差（Fréchet 距离）更低、操控任务成功率更高[4]。此外，最长 20 秒带原生音频的生成能力、最多十张关键帧钉住、多语言对白与屏幕文字渲染，以及 Agentic 链式生成自动拼接多片段，构成其在同类产品中的差异化竞争力[2][4]。
Flux 3 采用"免费+订阅+按次购买"的混合收费模式。免费版提供 20 积分、1 个用户，可体验部分模型[1]。订阅制方面，Basic 版每月 900 积分约 $9/月（年付 $108），Standard 版每月 3200 积分约 $24/月（年付 $288），Pro 版每月 24000 积分约 $45/月（年付 $540），Max 版约 $170/月（年付 $2040）[1]。同时提供一次性积分包：Starter 包 ¥359 含 170 积分，Creator 包 ¥719 含 400 积分，Studio 包 ¥1439 含 910 积分，均支持最长 15 秒视频生成、私密视频与无限下载[2]。API 按视频秒数计费，Draft 模式（仅高清）文/图生视频约 $0.06/秒，常规高清约 $0.17/秒，全高清约 $0.29/秒，视频生视频约 $0.12/秒[5]。官方已宣布开放权重版 Flux 3 Dev 在后续路线图中[5]。
从公开信息来看，Flux 3 非常适合追求"一条提示词直接出带音效成片"的创作者——短视频团队、短剧出海方和电商品牌可以把音画同步和多语言对白当作核心卖点，省去大量后期配音与字幕工序。实际使用中需注意三点：一是时长上限为 20 秒，长叙事建议利用视频接续功能分段延伸；二是商用授权范围随模型版本与平台条款调整，正式商用前务必核对最新许可；三是积分消耗较快，高频创作建议按年订阅或搭配一次性积分包控制成本。与 Seedance 2.5 相比，Flux 3 更适合短平快的成片需求而非长片叙事；与 MiniMax H3 相比则贵在音画一致性与多语言能力。整体而言，它是当前少有的"原生音频"视频生成选择，值得在免费额度内先行体验再决定付费方案。
滇公网安备 53252802528133号