FLUX 3 深度解读：真正发布的是什么，没发布的又是什么

Black Forest Labs 在 2026 年 7 月 23 日发布了 FLUX 3，并称其为面向视觉智能的多模态前沿模型。两天过去，对大多数创作者真正重要的问题不是 FLUX 3 能做什么，而是你现在到底能用上什么。FLUX 3 Video 卡在一张申请表后面，FLUX 3 Action 卡在合作协议后面，而 FLUX 这个名字赖以立足的那一半——FLUX 3 Image——根本还没有发布。

这个落差才是重点。这家把开放权重图片生成变成严肃选项的公司，交出了一款旗舰产品，其中图片部分恰恰是缺失的那块拼图，发布内容的其余篇幅则指向了视频、音频和机器人。这是一次真实的转向，也说明了这个市场的压力究竟在哪里。

这篇文章把发布会和产品分开来看：今天真正存在的是什么、BFL 的基准数字能证明和不能证明什么、所谓架构创新的具体主张是什么，以及在 FLUX 3 Image 还停留在候补名单期间，你可以拿什么来替代。

Black Forest Labs 到底宣布了什么

FLUX 3 被呈现为一个在图片、视频、音频和动作上联合训练的统一模型家族，而不是四套彼此独立的系统。发布内容涵盖 FLUX 3 Video、FLUX 3 Image、FLUX 3 Action（含一个名为 FLUX-mimic 的机器人变体），以及未来会开放权重的 FLUX 3 Dev。

可用性则完全是另外一张表。

缺失的那块拼图是图片模型

BFL 自己的原话是，FLUX 3 Image 会在"接下来几周内"进入早期体验阶段。这就是全部的公开承诺——没有日期，没有规格，没有基准测试。

这件事比一次普通的分阶段发布更值得注意，因为图片生成正是 FLUX 这个品牌的含义所在。FLUX.1 和它的 Kontext 编辑系列已经成为开放权重工作流里的默认选择。在竞争对手每周都在发布图片模型的时候，推出一款缺少这个组件的旗舰，留给创作者的只有无法验证的说法。

实际后果是：今天你没法评估 FLUX 3 的图片能力，别人也一样。 目前流传的那些关于它文字渲染、角色一致性或提示词遵循能力的说法，背后没有任何独立评测。在模型可以实测之前，把它们当成市场宣传就好。

FLUX 3 Video：20 秒，带原生音频

真正发布出来的组件——面向通过审核的早期体验申请者——确实是有意思的那一个。FLUX 3 Video 能生成最长 20 秒的片段，音频是原生同步生成的，而不是先生成无声画面再后期配上去。它同时支持图生视频、关键帧生视频和多镜头串联。

20 秒加上原生声音是一个有意义的长度。大多数旗舰视频模型仍然围绕 5 到 10 秒的片段调优，而把这些片段拼接成连贯内容，恰恰是制作时间的大头。如果 FLUX 3 能在 20 秒的跨度里守住角色和音频的连续性，那确实会改变工作流。

这也透露出 BFL 认为增长市场在哪里。一家做静态图片起家的公司去做图生视频和镜头串联，说明它想拿下整条链路，而不只是第一帧。

怎样诚实地读 BFL 的基准表

BFL 公布了 FLUX 3 Video 对阵八个竞品的偏好胜率。在读这些数字之前，先注意 BFL 自己附上的四个限定条件：这些数字是自测的、初步的、在训练中期测得的，用的是 10 秒 720p 片段。没有任何独立验证。

有两点格外显眼。

赢得最多的，是离前沿最远的那几个对手。 93% 是对阵 Luma Ray 3.2，77% 是对阵 Runway Gen-4.5。这是图表上差距最大的两条，也恰好是门槛最低的两次比较。

面对当前的前沿模型，结果是平手。 FLUX 3 对阵 Seedance 2.0 的偏好率是 52%，对阵 Gemini Omni Flash 也是 52%。在偏好测试里，52% 就是抛硬币。BFL 愿意如实公布，而不是悄悄把这两行删掉，这点值得肯定——但对着今天就能直接生成的模型打成平手，并不构成你去排候补名单的理由。

图表上的八个模型里，有五个此刻就在 OmniArt 的视频模型选择器里：Grok Imagine、Kling、Happy Horse、Seedance 2.0 和 Gemini Omni Flash。BFL 用来跑基准的那些创意，你今天下午就能自己跑一遍，亲自判断基线在哪。

Self-Flow：值得跟踪的架构主张

FLUX 3 背后的技术思路叫 Self-Flow——自监督的流匹配，配合逐 token 的时间步条件控制，作为研究成果与这次发布同期公开。它的主张是：比此前的表征对齐方法收敛更快，并且图片、视频、音频和动作训练共享同一套底层架构、彼此约束。

如果这个主张成立，真正有意思的结果并不是"图片模型更强了"，而是任何一个模态上的进步都会带动其他模态，因为它们共享同一套表征，而不是各自独立成塔。这和 Google 在 Gemini omni 系列上下的是同一个赌注，只是方向相反——Google 从语言出发，BFL 从像素出发。

这个赌注值得跟踪，但它现在还不是一个你能拿来用的结果。

FLUX.2 的现实检查

因为 FLUX 3 Image 还没有公开版本，目前可用的最新 FLUX 图片模型仍然是 FLUX.2。它在 2025 年 11 月发布，12 月扩展出 max 档位，2026 年 1 月又补上了轻量的 klein 系列。

FLUX.2 仍然领先的地方

• 多参考图一致性。 API 支持八张参考图，playground 里支持十张。锁定一张脸、一件产品、一套布光，就能生成连贯的系列图。这仍然是它最明确的结构性优势。
• 品牌色精确还原。 把十六进制色值绑定到指定物体上，是有文档支持的一级功能。要把色值绑在具体的东西上——"这辆车是 #FF0000"——而不是让它在提示词里孤零零地飘着。
• 材质级真实感。 皮肤的次表面散射、玻璃和金属的高光行为、织物是吸光还是反光。
• [max] 上的联网生成。 生成过程中实时检索网络内容，用来处理当下的产品和近期事件。同价位段里没有第二家能做到。

它落后的地方

盲测偏好的结果就没那么好看了。在 Artificial Analysis 的文生图竞技场上，FLUX.2 [max] 目前大约排在第 16 位，落后于 GPT Image 2、Nano Banana 2 系列和 Seedream 5.0 Pro。而 FLUX.2 [dev]——那个 32B 的开放权重旗舰——排名甚至低于 Qwen Image 2.0 Pro 这样一个 7B 的 Apache-2.0 模型。

在把生产流程押在它身上之前，还有这些摩擦值得先知道：

• 不支持负向提示词。 所有内容都要正面重写。写"全画面锐利对焦"，而不是"不要模糊"。
• 许可限制。 32B 的 [dev] 权重是非商用的，只有 4B 的 klein 变体是 Apache 2.0。
• 硬件成本。 全精度 [dev] 加上它 24B 的 Mistral 文本编码器，远远超出消费级显存；社区跑的是量化版本，代价是画质损失。
• 人体结构问题。 手部和多人互动是社区讨论里反复出现的失败点，尤其是蒸馏后的 klein 变体在默认低步数下。

可以迁移的提示词写法

BFL 为 FLUX.2 公布的提示词指南是很扎实的手艺经验，而且能迁移到大多数现代图片模型上，包括 OmniArt 上的这些。

按主体 + 动作 + 风格 + 场景来组织。 词序是有权重的，把最重要的放在最前面。三十到八十个词是文档给出的最佳区间。

字面文字要加引号。 The text 'OPEN' appears in red neon letters——然后再指定位置、字重和颜色。

描述字体，而不是点名字体。 "带轻微扩展字距的粗体几何无衬线体"，比直接报一个字体名要靠谱得多。

给每一张参考图分配角色。 说清楚哪张输入提供主体、哪张提供风格、哪张提供背景。

需要给创意做版本管理时，就改用 JSON。 固定结构，每个变体只改一个键，你得到的就是一次受控对比，而不是重新抽一次卡：

{
  "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" }
}

这周该做什么

如果你一直在等 FLUX 3 来启动某个项目，实话是别等了。图片模型没有日期，视频模型卡在申请制后面，定价也没公布。

最后一行是大多数人低估的。BFL 想要拿下的那条链路——先生成静态图，再让它动起来——已经能在一个工作台里完整跑通。我们的图生视频模型指南讲了什么样的运动该选什么模型，Seedance 提示词指南讲的则是如何导演一个镜头，而不只是描述它的内容。

描述式

导演式

接下来看什么

有三个信号会告诉你 FLUX 3 值不值得再回头看一眼。

1. FLUX 3 Image 开放早期体验，并公布规格。 参考图数量、原生分辨率和定价，这三个数字决定它有没有竞争力。
2. FLUX 3 Video 的独立基准测试。 厂商在训练中期做的偏好测试是起点，不是结论。在竞技场上对阵 Seedance 和 Gemini omni 系列，才是真正的考验。
3. 开放权重的许可条款。 FLUX.2 [dev] 是非商用的，仅这一个决定就让 BFL 丢掉了大半开源阵地。FLUX 3 Dev 会不会重蹈覆辙，将决定本地生态会不会回来。

在 OmniArt 上开始

你不需要在 FLUX 3 的发布节奏里选边站，也能在这周做出点东西。OmniArt 把图片、视频、音频和音乐生成放在同一个工作台里，当前的旗舰模型——GPT Image 2、Nano Banana、Seedream、Seedance、Kling、Veo、Grok Imagine 和 Gemini Omni Flash——都在同一个选择器和同一份积分余额之下。

面对一场受限发布，这就是最实际的答案：你用自己的创意去评估模型，而不是看厂商的图表，等真正更好的东西发布了再切换。等到 FLUX 3 Image 可以实测，我们会用同一批创意跑一遍并发布对比。在那之前，先看看一个工作台里的全部视频模型，了解今天有什么可用。