FLUX 3: co naprawdę udostępniono, a czego nie

Black Forest Labs ogłosiło FLUX 3 23 lipca 2026 i nazwało go jednym z najbardziej zaawansowanych multimodalnych modeli do inteligencji wizualnej. Dwa dni później nagłówek, który ma znaczenie dla większości twórców, nie brzmi jednak, co FLUX 3 potrafi — tylko co możesz faktycznie uruchomić. FLUX 3 Video jest dostępny po zgłoszeniu. FLUX 3 Action wymaga umowy partnerskiej. A FLUX 3 Image, czyli część, na której wyrosła nazwa FLUX, nie został udostępniony wcale.

Ta luka jest właściwą historią. Firma, która sprawiła, że generowanie obrazów z otwartymi wagami stało się poważną opcją, pokazała flagową premierę z brakującą połową obrazową, a resztę ogłoszenia skierowała ku wideo, audio i robotyce. To prawdziwy zwrot i mówi sporo o tym, gdzie dziś jest presja na tym rynku.

Ten tekst oddziela ogłoszenie od produktu: co jest dostępne dziś, czego benchmarki BFL dowodzą, a czego nie, czym naprawdę jest deklaracja architektoniczna i po co sięgnąć, dopóki FLUX 3 Image pozostaje za listą oczekujących.

Co Black Forest Labs naprawdę ogłosiło#

FLUX 3 jest przedstawiany jako jedna rodzina modeli trenowana wspólnie na obrazach, wideo, audio i akcjach, a nie jako cztery osobne systemy. Ogłoszenie obejmuje FLUX 3 Video, FLUX 3 Image, FLUX 3 Action (z wariantem robotycznym o nazwie FLUX-mimic) oraz przyszły FLUX 3 Dev z otwartymi wagami.

Dostępność to zupełnie inna tabela.

Model obrazu jest brakującym elementem#

Własne sformułowanie BFL mówi, że FLUX 3 Image otrzyma „fazę wczesnego dostępu w kolejnych tygodniach”. To całe publiczne zobowiązanie. Bez daty, bez specyfikacji, bez benchmarku.

Ma to większe znaczenie niż zwykłe etapowe wdrożenie, bo generowanie obrazów jest tym, co oznacza marka FLUX. FLUX.1 i jego linia edycji Kontext stały się domyślnym wyborem w procesach z otwartymi wagami. Ogłoszenie flagowego generowania bez dostępności tego komponentu — w czasie, gdy konkurenci wypuszczają modele obrazu co tydzień — zostawia twórców z deklaracjami, których nie da się sprawdzić.

Praktyczny skutek: dziś nie możesz ocenić FLUX 3 do pracy z obrazem i nikt inny też nie może. Krążące twierdzenia o renderowaniu tekstu, spójności postaci albo trzymaniu się promptu nie mają za sobą niezależnej oceny. Traktuj je jak marketing, dopóki model nie będzie testowalny.

FLUX 3 Video: 20 sekund z natywnym audio#

Komponent, który faktycznie udostępniono — zatwierdzonym kandydatom we wczesnym dostępie — jest naprawdę interesujący. FLUX 3 Video generuje klipy o długości do 20 sekund z natywnie zsynchronizowanym audio, zamiast generować nieme wideo i oceniać je później. Obejmuje też image-to-video, keyframe-to-video i łączenie multi-shot.

Dwadzieścia sekund z natywnym dźwiękiem to znacząca długość. Większość flagowych modeli wideo nadal jest strojona pod klipy 5–10 s, a sklejanie ich w coś spójnego pochłania dużą część czasu produkcji. Jeśli FLUX 3 utrzyma ciągłość postaci i audio w odcinku 20 s, będzie to realna zmiana procesu.

Mówi to też, gdzie BFL widzi rynek wzrostu. Firma znana z obrazów statycznych, która buduje image-to-video i łączenie ujęć, próbuje przejąć cały proces, nie tylko pierwszą klatkę.

Jak uczciwie czytać tabelę benchmarków BFL#

BFL opublikowało wskaźniki preferencji dla FLUX 3 Video wobec ośmiu konkurentów. Zanim je odczytasz, zwróć uwagę na cztery zastrzeżenia, które dopisuje samo BFL: liczby są raportowane przez firmę, wstępne, zmierzone w trakcie treningu, na 10-sekundowych klipach 720p. Nie ma niezależnej weryfikacji.

Wyróżniają się dwie rzeczy.

Wygrane są przeciwko modelom najdalej od czołówki. Wynik 93 % dotyczy Luma Ray 3.2, a 77 % — Runway Gen-4.5. To największe przewagi na wykresie i jednocześnie dwa porównania, w których poprzeczka jest najniżej.

Wobec obecnej czołówki jest remis. FLUX 3 był preferowany w 52 % porównań z Seedance 2.0 i w 52 % z Gemini Omni Flash. W teście preferencji 52 % to rzut monetą. BFL należy się uznanie, że publikuje to uczciwie, zamiast po cichu usuwać wiersze — ale rzut monetą wobec modeli, z którymi już dziś możesz generować, nie jest powodem, by czekać na listę oczekujących.

Pięć z ośmiu modeli z tego wykresu jest teraz w selektorze wideo OmniArt: Grok Imagine, Kling, Happy Horse, Seedance 2.0 i Gemini Omni Flash. Możesz jeszcze dziś uruchomić brief, który benchmarkowało BFL, i samodzielnie ocenić punkt odniesienia.

Self-Flow: deklaracja architektoniczna, którą warto śledzić#

Idea techniczna za FLUX 3 nazywa się Self-Flow — samonadzorowane dopasowanie przepływów z warunkowaniem kroku czasowego dla każdego tokenu, opublikowane jako badanie równolegle z premierą. Deklaracja mówi o szybszej zbieżności niż we wcześniejszych podejściach do dopasowania reprezentacji oraz o jednej bazowej architekturze, w której trening obrazu, wideo, audio i akcji wzajemnie się ograniczają.

Jeśli to się utrzyma, ciekawym skutkiem nie będzie po prostu lepszy model obrazu. Będzie nim to, że ulepszenia w jednej modalności powinny podnosić pozostałe, bo współdzielą reprezentację, zamiast działać w osobnych modułach. To ten sam zakład, który Google postawiło z linią Gemini omni, tylko od przeciwnej strony — Google przyszło z języka, BFL idzie od pikseli.

To zakład wart śledzenia. Nie jest to jeszcze wynik, którego możesz użyć.

Zderzenie z rzeczywistością FLUX.2#

Ponieważ FLUX 3 Image nie istnieje publicznie, najnowszym używalnym modelem obrazu FLUX pozostaje FLUX.2, który pojawił się w listopadzie 2025 i został rozszerzony o wariant max w grudniu oraz kompaktową linię klein w styczniu 2026.

Gdzie FLUX.2 nadal wygrywa#

• Spójność wielu referencji. Osiem obrazów referencyjnych przez API, dziesięć w panelu testowym. Zablokuj twarz, produkt, ustawienie światła i wygeneruj spójną serię. To pozostaje jego najjaśniejszą przewagą strukturalną.
• Kolor zgodny z marką. Wartości szesnastkowe przypisane do nazwanego obiektu są udokumentowaną funkcją pierwszej klasy. Przypisz wartość do rzeczy — "the car is #FF0000" — zamiast pozwalać jej dryfować w prompcie.
• Fotorealizm materiałów. Rozpraszanie podpowierzchniowe w skórze, zachowanie odbić na szkle i metalu, sposób, w jaki tkanina pochłania światło albo je odbija.
• Ugruntowane generowanie w [max]. Wyszukiwanie w sieci na żywo podczas generowania, dla aktualnych produktów i ostatnich wydarzeń. Nic innego w tej klasie tego nie robi.

Gdzie został z tyłu#

Obraz z testów ślepej preferencji jest mniej pochlebny. W arenie text-to-image Artificial Analysis FLUX.2 [max] jest obecnie około 16. miejsca, za GPT Image 2, rodziną Nano Banana 2 i Seedream 5.0 Pro. FLUX.2 [dev] — otwarty flagowiec 32B — jest niżej niż Qwen Image 2.0 Pro, model 7B na licencji Apache-2.0.

Inne tarcia, które warto znać, zanim oprzesz na nim proces:

• Brak negatywnych promptów. Przepisuj wszystko pozytywnie. "Sharp focus throughout" zamiast "no blur."
• Ograniczenia licencji. Wagi 32B [dev] są niekomercyjne. Tylko wariant 4B klein jest na Apache 2.0.
• Koszt sprzętu. Pełna precyzja [dev] razem z 24B enkoderem tekstu Mistral daleko przekracza konsumencki VRAM; społeczność uruchamia skwantyzowane wersje z utratą jakości.
• Skargi na anatomię. Dłonie i interakcje wielu osób to powracające tryby porażki w wątkach społeczności, szczególnie w destylowanych wariantach klein przy domyślnie niskiej liczbie kroków.

Wzorce promptów, które przechodzą dalej#

Opublikowane przez BFL wskazówki do promptowania FLUX.2 są dobrym rzemiosłem i przenoszą się na większość współczesnych modeli obrazu, w tym te w OmniArt.

Układaj strukturę jako Subject + Action + Style + Context. Kolejność słów niesie wagę; zacznij od tego, co najważniejsze. Udokumentowany optymalny zakres to od 30 do 80 słów.

Cytuj dosłowny tekst. The text 'OPEN' appears in red neon letters — potem określ położenie, grubość i kolor.

Opisuj fonty, nie podawaj ich nazw. "Bold geometric sans-serif with slightly extended kerning" trafia znacznie bardziej niezawodnie niż nazwa kroju.

Przypisz rolę każdemu obrazowi referencyjnemu. Powiedz, który materiał dostarcza temat, który styl, a który tło.

Używaj JSON, gdy chcesz wersjonować brief. Zamroź strukturę, zmieniaj dokładnie jeden klucz na wariant, a dostaniesz kontrolowane porównanie zamiast ponownego losowania:

{
  "scene": "Studio product photography on polished concrete",
  "subjects": [{ "description": "Matte black ceramic mug, steam rising", "position": "center foreground" }],
  "style": "Ultra-realistic commercial product photography",
  "color_palette": ["matte black", "concrete gray", "soft white highlights"],
  "lighting": "Three-point softbox, soft diffused highlights, no harsh shadows",
  "camera": { "angle": "high", "lens-mm": 85, "f-number": "f/5.6" }
}

Co zrobić w tym tygodniu#

Jeśli FLUX 3 miał być punktem startu projektu, uczciwa rada brzmi: nie czekaj. Model obrazu nie ma daty, a model wideo wymaga zgłoszenia i nie ma publicznych cen.

Ostatni wiersz jest tym, który większość osób zbyt nisko wycenia. Proces, który BFL próbuje przejąć — wygenerować kadr, a potem go animować — już działa od początku do końca w jednej przestrzeni. Nasz przewodnik po modelach image-to-video opisuje, który model wybrać do danego rodzaju ruchu, a przewodnik po promptach Seedance pokazuje, jak reżyserować ujęcie, zamiast tylko je opisywać.

Co obserwować dalej#

Trzy sygnały pokażą, czy warto wrócić do FLUX 3.

1. Otwarcie wczesnego dostępu do FLUX 3 Image, ze specyfikacją. Liczba obrazów referencyjnych, natywna rozdzielczość i ceny to liczby, które zdecydują, czy model konkuruje.
2. Niezależne benchmarki FLUX 3 Video. Testy preferencji dostawcy, mierzone w trakcie treningu, są punktem startowym, nie wynikiem. Pozycja w arenie wobec Seedance i linii Gemini omni jest prawdziwym testem.
3. Licencja otwartych wag. FLUX.2 [dev] był niekomercyjny i ta jedna decyzja kosztowała BFL dużą część pozycji w świecie otwartego oprogramowania. To, czy FLUX 3 Dev ją powtórzy, zdecyduje, czy lokalny ekosystem wróci.