FLUX 3 สรุปครบ: อะไรปล่อยจริง และอะไรที่ยังไม่มา

Black Forest Labs ประกาศเปิดตัว FLUX 3 เมื่อวันที่ 23 กรกฎาคม 2026 และเรียกมันว่าโมเดลระดับแนวหน้าแบบมัลติโมดัลสำหรับความเข้าใจเชิงภาพ สองวันต่อมา หัวข้อที่สำคัญที่สุดสำหรับครีเอเตอร์ส่วนใหญ่ไม่ใช่ว่า FLUX 3 ทำอะไรได้ แต่คือคุณใช้งานอะไรได้จริง FLUX 3 Video อยู่หลังแบบฟอร์มสมัคร FLUX 3 Action อยู่หลังข้อตกลงพาร์ตเนอร์ ส่วน FLUX 3 Image ซึ่งเป็นส่วนที่ชื่อ FLUX ถูกสร้างขึ้นมาจากมัน ยังไม่ถูกปล่อยออกมาเลย

ช่องว่างตรงนี้คือเนื้อเรื่องจริง บริษัทที่ทำให้การสร้างภาพแบบเปิดน้ำหนักโมเดลกลายเป็นตัวเลือกที่จริงจัง กลับปล่อยรุ่นเรือธงที่ครึ่งฝั่งภาพหายไป แล้วชี้ส่วนที่เหลือของการประกาศไปที่วิดีโอ เสียง และหุ่นยนต์ นี่คือการเปลี่ยนทิศทางของจริง และมันบอกอะไรบางอย่างเกี่ยวกับแรงกดดันในตลาดนี้

บทความนี้แยกการประกาศออกจากตัวสินค้า อะไรมีอยู่จริงวันนี้ ตัวเลขเบนช์มาร์กของ BFL พิสูจน์อะไรได้และพิสูจน์อะไรไม่ได้ ข้อกล่าวอ้างด้านสถาปัตยกรรมคืออะไรกันแน่ และควรหยิบอะไรมาใช้ระหว่างที่ FLUX 3 Image ยังอยู่หลังรายชื่อรอ

Black Forest Labs ประกาศอะไรออกมาบ้าง

FLUX 3 ถูกนำเสนอในฐานะตระกูลโมเดลเดียวที่ฝึกร่วมกันข้ามภาพ วิดีโอ เสียง และการกระทำ แทนที่จะเป็นสี่ระบบแยกจากกัน การประกาศครอบคลุม FLUX 3 Video, FLUX 3 Image, FLUX 3 Action (พร้อมรุ่นย่อยสำหรับหุ่นยนต์ชื่อ FLUX-mimic) และ FLUX 3 Dev แบบเปิดน้ำหนักโมเดลที่จะมาในอนาคต

ส่วนความพร้อมใช้งานนั้นเป็นอีกตารางหนึ่งโดยสิ้นเชิง

โมเดลภาพคือชิ้นส่วนที่หายไป

ถ้อยคำของ BFL เองระบุว่า FLUX 3 Image จะได้ «ช่วงเข้าถึงล่วงหน้าในอีกไม่กี่สัปดาห์ข้างหน้า» นั่นคือคำมั่นสาธารณะทั้งหมดที่มี ไม่มีวันที่ ไม่มีสเปก ไม่มีเบนช์มาร์ก

เรื่องนี้สำคัญกว่าการทยอยปล่อยตามปกติ เพราะการสร้างภาพคือความหมายของแบรนด์ FLUX ทั้ง FLUX.1 และสายการแก้ไข Kontext กลายเป็นค่าเริ่มต้นในไปป์ไลน์แบบเปิดน้ำหนักโมเดลไปแล้ว การประกาศรุ่นเรือธงโดยที่ส่วนประกอบนั้นยังใช้ไม่ได้ ในขณะที่คู่แข่งปล่อยโมเดลภาพกันรายสัปดาห์ ทำให้ครีเอเตอร์เหลือแค่คำกล่าวอ้างที่ทดสอบไม่ได้

ผลลัพธ์ในทางปฏิบัติ: คุณประเมิน FLUX 3 สำหรับงานภาพในวันนี้ไม่ได้ และไม่มีใครประเมินได้เช่นกัน คำกล่าวอ้างที่หมุนเวียนกันอยู่เกี่ยวกับการเรนเดอร์ข้อความ ความคงเส้นคงวาของตัวละคร หรือความแม่นยำต่อ prompt ไม่มีการประเมินอิสระรองรับเลย ให้ถือว่าเป็นการตลาดไปก่อนจนกว่าจะทดสอบโมเดลได้จริง

FLUX 3 Video: 20 วินาทีพร้อมเสียงในตัว

ส่วนประกอบที่ปล่อยออกมาจริง — ให้กับผู้สมัครที่ได้รับอนุมัติให้เข้าถึงล่วงหน้า — คือส่วนที่น่าสนใจจริงๆ FLUX 3 Video สร้างคลิปยาวได้ถึง 20 วินาทีพร้อมเสียงที่ซิงก์กันมาโดยกำเนิด แทนที่จะสร้างวิดีโอเงียบแล้วค่อยใส่เสียงทีหลัง นอกจากนี้ยังรองรับการสร้างวิดีโอจากภาพ การสร้างวิดีโอจากคีย์เฟรม และการต่อช็อตหลายช็อตเข้าด้วยกัน

ยี่สิบวินาทีพร้อมเสียงในตัวคือความยาวที่มีความหมาย โมเดลวิดีโอระดับเรือธงส่วนใหญ่ยังปรับจูนอยู่รอบคลิป 5 ถึง 10 วินาที และการเย็บคลิปเหล่านั้นให้ต่อเนื่องกันคือจุดที่กินเวลาการผลิตไปมาก ถ้า FLUX 3 รักษาความต่อเนื่องของตัวละครและเสียงได้ตลอด 20 วินาที นั่นคือการเปลี่ยนแปลงเวิร์กโฟลว์ของจริง

มันยังบอกด้วยว่า BFL คิดว่าตลาดที่กำลังเติบโตอยู่ตรงไหน บ้านที่ทำภาพนิ่งแล้วหันมาสร้างการแปลงภาพเป็นวิดีโอและการต่อช็อต คือบริษัทที่พยายามครอบครองไปป์ไลน์ทั้งเส้น ไม่ใช่แค่เฟรมแรก

อ่านตารางเบนช์มาร์กของ BFL อย่างตรงไปตรงมา

BFL เผยแพร่อัตราความชอบของ FLUX 3 Video เทียบกับคู่แข่งแปดราย ก่อนอ่านตัวเลขเหล่านั้น ให้สังเกตข้อจำกัดสี่ข้อที่ BFL แนบมาเอง ตัวเลขนี้ รายงานโดยผู้พัฒนาเอง เป็น ผลเบื้องต้น วัดผล ระหว่างการฝึกช่วงกลาง บน คลิป 720p ความยาว 10 วินาที และไม่มีการตรวจสอบจากภายนอกใดๆ

มีสองอย่างที่สะดุดตา

ชัยชนะเกิดขึ้นกับโมเดลที่ห่างจากแนวหน้ามากที่สุด ตัวเลข 93% เป็นการเทียบกับ Luma Ray 3.2 และ 77% เทียบกับ Runway Gen-4.5 นั่นคือช่องว่างที่กว้างที่สุดในแผนภูมิ และเป็นสองการเปรียบเทียบที่มาตรฐานอ้างอิงต่ำที่สุดด้วย

เทียบกับแนวหน้าปัจจุบัน ผลออกมาเสมอ FLUX 3 ถูกเลือกใน 52% ของการเปรียบเทียบกับ Seedance 2.0 และ 52% เทียบกับ Gemini Omni Flash ในการทดสอบความชอบ 52% คือการโยนหัวก้อย ต้องให้เครดิต BFL ที่เผยแพร่ตัวเลขนี้อย่างตรงไปตรงมาแทนที่จะเงียบๆ ตัดแถวนั้นทิ้ง แต่การเสมอกับโมเดลที่คุณสร้างงานด้วยได้อยู่แล้วในวันนี้ ไม่ใช่เหตุผลให้ไปรอคิวรายชื่อ

ห้าในแปดโมเดลบนแผนภูมินั้นอยู่ในตัวเลือกวิดีโอของ OmniArt ตอนนี้เลย ได้แก่ Grok Imagine, Kling, Happy Horse, Seedance 2.0 และ Gemini Omni Flash คุณรันโจทย์เดียวกับที่ BFL ใช้เบนช์มาร์กได้ตั้งแต่บ่ายนี้ แล้วตัดสินมาตรฐานอ้างอิงด้วยตัวเอง

Self-Flow: ข้อกล่าวอ้างด้านสถาปัตยกรรมที่ควรจับตา

แนวคิดทางเทคนิคเบื้องหลัง FLUX 3 เรียกว่า Self-Flow ซึ่งเป็นการจับคู่โฟลว์แบบกำกับดูแลตัวเอง พร้อมการกำหนดเงื่อนไขไทม์สเต็ปแยกรายโทเคน เผยแพร่เป็นงานวิจัยควบคู่ไปกับการเปิดตัว ข้อกล่าวอ้างคือมันลู่เข้าเร็วกว่าแนวทางการจัดแนวการแทนค่าแบบเดิม และมีสถาปัตยกรรมเดียวเป็นฐาน ซึ่งการฝึกภาพ วิดีโอ เสียง และการกระทำ ต่างกำกับซึ่งกันและกัน

ถ้าข้อกล่าวอ้างนี้เป็นจริง ผลที่น่าสนใจไม่ใช่โมเดลภาพที่ดีขึ้น แต่คือการที่ความก้าวหน้าในโมดัลหนึ่งควรยกระดับโมดัลอื่นตามไปด้วย เพราะทั้งหมดใช้การแทนค่าร่วมกัน แทนที่จะแยกกันอยู่คนละหอคอย นั่นคือการเดิมพันแบบเดียวกับที่ Google ทำกับสาย Gemini omni เพียงแต่เดินทางมาจากคนละทิศ Google มาจากฝั่งภาษา ส่วน BFL มาจากฝั่งพิกเซล

เป็นการเดิมพันที่ควรจับตา แต่ยังไม่ใช่ผลลัพธ์ที่คุณเอาไปใช้ได้

เช็กความจริงของ FLUX.2

เพราะ FLUX 3 Image ยังไม่มีให้ใช้แบบสาธารณะ โมเดลภาพ FLUX ที่ใหม่ที่สุดซึ่งใช้งานได้จริงจึงยังเป็น FLUX.2 ที่ปล่อยออกมาเมื่อพฤศจิกายน 2025 แล้วขยายด้วยระดับ max ในเดือนธันวาคม และสาย klein ขนาดกะทัดรัดในเดือนมกราคม 2026

จุดที่ FLUX.2 ยังชนะ

• ความสม่ำเสมอจากภาพอ้างอิงหลายภาพ ใส่ภาพอ้างอิงได้แปดภาพผ่าน API และสิบภาพในเพลย์กราวด์ ล็อกใบหน้า สินค้า หรือการจัดแสงไว้ แล้วสร้างเป็นชุดภาพที่ต่อเนื่องกัน นี่ยังเป็นข้อได้เปรียบเชิงโครงสร้างที่ชัดที่สุดของมัน
• สีที่ตรงกับแบรนด์เป๊ะ การผูกค่า hex เข้ากับวัตถุที่ระบุชื่อเป็นฟีเจอร์ระดับต้นที่มีเอกสารรองรับ ให้ผูกค่าสีเข้ากับสิ่งของโดยตรง — «รถคันนี้เป็นสี #FF0000» — แทนที่จะปล่อยให้ค่าสีลอยอยู่ใน prompt
• ความสมจริงของวัสดุ การกระเจิงแสงใต้ผิว พฤติกรรมการสะท้อนบนกระจกและโลหะ และวิธีที่ผ้าดูดซับหรือสะท้อนแสง
• การสร้างที่อ้างอิงข้อมูลจริงบน [max] ดึงข้อมูลจากเว็บแบบสดระหว่างการสร้าง สำหรับสินค้าปัจจุบันและเหตุการณ์ล่าสุด ไม่มีโมเดลอื่นในระดับเดียวกันทำได้

จุดที่มันตามหลัง

ภาพจากการทดสอบความชอบแบบปิดตาไม่สวยเท่าไหร่ บนสนามประลองสร้างภาพจากข้อความของ Artificial Analysis ตอนนี้ FLUX.2 [max] อยู่ราวอันดับ 16 ตามหลัง GPT Image 2 ตระกูล Nano Banana 2 และ Seedream 5.0 Pro ส่วน FLUX.2 [dev] ซึ่งเป็นเรือธงแบบเปิดขนาด 32B อยู่ต่ำกว่า Qwen Image 2.0 Pro โมเดลขนาด 7B ที่ใช้สัญญาอนุญาต Apache 2.0

เรื่องกวนใจอื่นที่ควรรู้ก่อนจะผูกไปป์ไลน์เข้ากับมัน

• ไม่มี negative prompt ต้องเขียนใหม่ให้เป็นเชิงบวกทั้งหมด ใช้ «โฟกัสคมชัดทั้งภาพ» แทน «ไม่เบลอ»
• ข้อจำกัดของสัญญาอนุญาต น้ำหนักโมเดล [dev] ขนาด 32B ใช้เชิงพาณิชย์ไม่ได้ มีเพียงรุ่น klein ขนาด 4B เท่านั้นที่เป็น Apache 2.0
• ต้นทุนฮาร์ดแวร์ [dev] แบบความแม่นยำเต็มบวกกับตัวเข้ารหัสข้อความ Mistral ขนาด 24B กินหน่วยความจำการ์ดจอเกินระดับผู้ใช้ทั่วไปไปไกล ชุมชนจึงรันบิลด์แบบลดความแม่นยำซึ่งแลกมาด้วยคุณภาพที่ลดลง
• เสียงบ่นเรื่องกายวิภาค มือและการมีปฏิสัมพันธ์ระหว่างคนหลายคนเป็นจุดพลาดที่พบซ้ำในกระทู้ชุมชน โดยเฉพาะรุ่น klein ที่ผ่านการกลั่นและใช้จำนวนสเต็ปเริ่มต้นต่ำ

รูปแบบ prompt ที่ใช้ต่อยอดได้

คำแนะนำการเขียน prompt ที่ BFL เผยแพร่สำหรับ FLUX.2 เป็นเทคนิคที่ดีและถ่ายทอดไปใช้กับโมเดลภาพยุคใหม่ส่วนใหญ่ได้ รวมถึงโมเดลบน OmniArt ด้วย

วางโครงเป็น Subject + Action + Style + Context ลำดับคำมีน้ำหนัก ให้ขึ้นต้นด้วยสิ่งที่สำคัญที่สุด ความยาวสามสิบถึงแปดสิบคำคือช่วงที่เอกสารระบุว่าได้ผลดีที่สุด

ครอบเครื่องหมายคำพูดให้ข้อความที่ต้องการตรงตัว The text 'OPEN' appears in red neon letters แล้วค่อยระบุตำแหน่ง น้ำหนักตัวอักษร และสี

บรรยายฟอนต์ อย่าเรียกชื่อฟอนต์ «ตัวอักษรซานเซอริฟทรงเรขาคณิตหนา ระยะห่างตัวอักษรกว้างเล็กน้อย» ได้ผลแม่นกว่าการระบุชื่อฟอนต์มาก

กำหนดบทบาทให้ภาพอ้างอิงทุกภาพ บอกให้ชัดว่าภาพไหนให้ตัวแบบ ภาพไหนให้สไตล์ และภาพไหนให้ฉากหลัง

ใช้ JSON เมื่อต้องทำหลายเวอร์ชันจากโจทย์เดียว ตรึงโครงสร้างไว้ เปลี่ยนค่าเพียงหนึ่งคีย์ต่อหนึ่งเวอร์ชัน แล้วคุณจะได้การเปรียบเทียบที่ควบคุมตัวแปรได้ แทนที่จะเป็นการสุ่มใหม่

{
  "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" }
}

สัปดาห์นี้ควรทำอะไร

ถ้าคุณกำลังรอ FLUX 3 เพื่อเริ่มโปรเจกต์ คำแนะนำตรงไปตรงมาคืออย่ารอ โมเดลภาพยังไม่มีวันที่ และโมเดลวิดีโอถูกกั้นไว้หลังใบสมัครที่ไม่มีการประกาศราคา

แถวสุดท้ายคือแถวที่คนส่วนใหญ่ประเมินค่าต่ำไป ไปป์ไลน์ที่ BFL พยายามครอบครอง — สร้างภาพนิ่งแล้วทำให้มันเคลื่อนไหว — ทำงานได้ครบวงจรอยู่แล้วในเวิร์กสเปซเดียว คู่มือโมเดลแปลงภาพเป็นวิดีโอ ของเราครอบคลุมว่าควรเลือกโมเดลไหนกับการเคลื่อนไหวแบบไหน ส่วน คู่มือเขียน prompt สำหรับ Seedance ครอบคลุมวิธีกำกับช็อตแทนที่จะแค่บรรยายสิ่งที่อยู่ในภาพ

แค่บรรยาย

กำกับจริง

จับตาอะไรต่อจากนี้

มีสัญญาณสามอย่างที่จะบอกคุณว่า FLUX 3 คุ้มค่าที่จะกลับมาดูอีกครั้งหรือไม่

1. การเปิดให้เข้าถึงล่วงหน้าของ FLUX 3 Image พร้อมสเปก จำนวนภาพอ้างอิง ความละเอียดโดยกำเนิด และราคา คือตัวเลขที่ตัดสินว่ามันแข่งได้หรือไม่
2. เบนช์มาร์กอิสระของ FLUX 3 Video การทดสอบความชอบโดยผู้พัฒนาที่วัดระหว่างการฝึกช่วงกลางเป็นแค่จุดเริ่มต้น ไม่ใช่ผลลัพธ์ อันดับในสนามประลองเมื่อเทียบกับ Seedance และสาย Gemini omni ต่างหากคือบททดสอบจริง
3. สัญญาอนุญาตของน้ำหนักโมเดลแบบเปิด FLUX.2 [dev] เป็นแบบไม่ใช่เชิงพาณิชย์ และการตัดสินใจครั้งเดียวนั้นทำให้ BFL เสียตำแหน่งในโลกโอเพนซอร์สไปมาก ส่วน FLUX 3 Dev จะซ้ำรอยเดิมหรือไม่ จะเป็นตัวตัดสินว่าระบบนิเวศแบบรันเองจะกลับมาไหม

เริ่มต้นบน OmniArt

คุณไม่จำเป็นต้องเลือกข้างในเรื่องการทยอยปล่อย FLUX 3 เพื่อจะสร้างอะไรสักอย่างในสัปดาห์นี้ OmniArt รวมการสร้างภาพ วิดีโอ เสียง และเพลงไว้ในเวิร์กสเปซเดียว พร้อมโมเดลเรือธงปัจจุบัน ทั้ง GPT Image 2, Nano Banana, Seedream, Seedance, Kling, Veo, Grok Imagine และ Gemini Omni Flash อยู่หลังตัวเลือกเดียวและยอดเครดิตเดียว

นั่นคือคำตอบเชิงปฏิบัติสำหรับการเปิดตัวแบบมีรั้วกั้น คุณประเมินโมเดลด้วยโจทย์ของคุณเองแทนที่จะดูแผนภูมิของผู้ขาย และเปลี่ยนโมเดลเมื่อมีอะไรที่ดีกว่าจริงๆ ออกมา เมื่อ FLUX 3 Image ทดสอบได้เมื่อไหร่ เราจะรันมันกับโจทย์ชุดเดียวกันแล้วเผยแพร่ผลเปรียบเทียบ จนกว่าจะถึงตอนนั้น ดู ทุกโมเดลวิดีโอในเวิร์กสเปซเดียว เพื่อดูว่ามีอะไรใช้ได้บ้างในวันนี้