最长 20 秒原生 1080p，跑分优于 Seedance 2.0

人工智能视频生成领域迎来重磅更新。Black Forest Labs于8月5日正式发布FLUX 3视频生成模型，支持最长20秒原生1080p视频输出。据官方公告，该模型在多项基准测试中的表现优于字节跳动的Seedance 2.0和MiniMax的H3模型，标志着视频生成技术竞争进一步加剧。

此前，FLUX 3已于7月23日以Early Access方式上线。该模型采用统一的架构，联合学习图像、视频和音频，能够实现跨模态的生成与理解。这一设计使得模型在生成视频时能够同步输出与画面匹配的原生音频。

功能方面，FLUX 3支持文生视频、图生视频、视频生视频、输入视频与音频续写、关键帧转视频、多语言对话以及多镜头串联等能力。用户可以通过简单的文本描述或参考图像，生成连贯且带有音频的长视频，多镜头串联功能则为叙事性内容创作提供了便利。

在性能评测中，FLUX 3在文本生成视频任务中得分1135分，超过Gemini Omni Flash和MiniMax H3；在图片生成视频任务中得分1051分，超过Seedance 2.0和MiniMax H3。这些数据表明，FLUX 3在多模态生成质量上已处于行业领先水平。

收费方面，FLUX 3按视频输出秒数计费。Draft模式下，文本/图像转视频每秒0.06美元，视频转视频每秒0.12美元；常规高清模式下，价格分别为0.17美元和0.41美元；全高清模式下，价格分别为0.29美元和0.53美元。不同模式满足了从快速草稿到高精度的多样化需求。

业界分析认为，FLUX 3的发布将加剧视频生成模型的竞争，推动该领域在分辨率、时长和多模态能力上的发展。其原生音频和统一架构也为视频创作工具带来了新的可能性，或将对短视频、影视预制作等领域产生深远影响。

未来，Black Forest Labs可能会基于FLUX 3进一步优化实时生成能力，并探索与更多创作平台的集成。随着模型迭代，视频生成的成本有望进一步降低，从而让AI视频创作更加普及。