xAI
Grok Imagine 1.0 Video
Desde $0.009 por segundo
Video
FLUX 3 — un modelo multimodal para vídeo, imagen y audio
FLUX 3 es el modelo base multimodal de Black Forest Labs, entrenado conjuntamente con imágenes, vídeo y audio en una sola arquitectura. Como generador de vídeo IA, FLUX 3 produce imagen y sonido a la vez — hasta 20 segundos en una generación — y sigue keyframes, clips de referencia y diálogos multilingües.
Próximamente — la API de este modelo aún no está disponible.
Lo que puedes construir con este modelo
Flujos de trabajo reales y casos de uso en producción que puedes construir y lanzar con este modelo.
Dirige FLUX 3 con algo más que un prompt
El texto es el punto de partida, no todas las instrucciones. Puedes darle a FLUX 3 un primer fotograma para animar, imágenes de referencia que fijen un personaje, un clip de origen cuyos elementos deban pasar a una escena nueva, o dos keyframes que definan dónde empieza y termina una transición. FLUX 3 también puede continuar un vídeo existente y su audio, así que un plano se alarga en lugar de regenerarse desde cero.
Leer la documentación de FLUX 3
Localiza una campaña sin volver a rodarla
FLUX 3 maneja diálogo multilingüe y renderiza texto legible dentro del plano, así que una misma dirección creativa puede viajar entre mercados. Los carteles, los títulos y la tipografía animada se generan como parte de la escena en vez de componerse después, y la pista hablada sale junto con la imagen — justo donde FLUX 3 ya es más fuerte, según las propias evaluaciones tempranas de Black Forest Labs sobre expresión facial y trabajo multilingüe.
Lleva un producto del bodegón al movimiento
El mismo backbone de FLUX 3 sintetiza y edita imágenes entre estilos, relaciones de aspecto y resoluciones, y después extiende esos bodegones al movimiento. La forma, el color, el material y la marca siguen siendo reconocibles entre el packshot y el clip, porque ambos salen de un solo modelo y no de un generador de imágenes con un generador de vídeo pegado al lado.
Por qué reAPI
Una base, no tres sistemas cosidos
FLUX 3 aprende de imágenes, vídeo y audio dentro de una arquitectura unificada construida sobre Self-Flow, el enfoque de Black Forest Labs para alinear generación y comprensión multimodal. Las modalidades se restringen entre sí: el sonido tiene que coincidir con el impacto y el movimiento tiene que obedecer a la masa.
El sonido se genera con la imagen
Cada salida de vídeo de FLUX 3 lleva audio nativo de la misma generación: diálogo, ambiente e impactos caen en el fotograma al que pertenecen, en lugar de sincronizarse después sobre metraje mudo.
Clips que se encadenan en secuencias
FLUX 3 encadena generaciones individuales en secuencias de varios planos que duran minutos, con referencias visuales que mantienen estables personajes y localizaciones de escena a escena. Veinte segundos es el techo de una generación, no el de la pieza terminada.
FLUX 3 frente a Seedance 2.0
En las propias evaluaciones tempranas de Black Forest Labs, estos dos quedaron más cerca que cualquier otra comparación: los espectadores prefirieron FLUX 3 en el 52% de los enfrentamientos, prácticamente una moneda al aire. La diferencia está en la disponibilidad y el alcance: Seedance 2.0 se puede llamar hoy mismo en reAPI, mientras que FLUX 3 es una base multimodal más amplia todavía en despliegue por fases.
Capacidad
FLUX 3
Seedance 2.0 en reAPI
Alcance
Una base multimodal que cubre imagen, vídeo, audio y predicción de acciones.
Generación de vídeo con audio opcional.
Duración por generación
Hasta 20 segundos con audio en una sola pasada.
De 4 a 15 segundos por petición.
Tipos de entrada
Prompt, fotograma inicial, imágenes de referencia, clip de referencia, audio de referencia y keyframes para transiciones controladas.
Prompt, imágenes, roles de primer/último fotograma, vídeo de referencia y audio de referencia.
Audio
Audio nativo en cada salida de vídeo, generado junto a la imagen.
La generación de audio es un interruptor explícito por petición.
Continuidad entre planos
Encadenado agéntico de clips en secuencias de varios minutos, sostenidas por referencias visuales.
Devuelve el último fotograma y pásalo a la siguiente petición para continuar el plano.
Disponibilidad
Early Access en Black Forest Labs; API pública, ids de modelo y precios aún sin anunciar.
Disponible hoy en reAPI, facturado por segundo según resolución.
La comparación refleja el comportamiento documentado públicamente en el momento de escribir. La cifra del 52% procede de la evaluación preliminar de la propia Black Forest Labs con clips de texto a vídeo de 10 segundos a 720p con audio, sobre un modelo que describe como todavía en desarrollo; no se publicaron el tamaño de muestra ni la metodología, y no es un benchmark independiente.
Prepárate para FLUX 3 en tres pasos
- step 01
Crea una API key
Regístrate en reAPI y genera una key. Una key, un saldo y la misma forma de petición para todos los modelos de la plataforma.
Abrir - step 02
Lee la referencia de FLUX 3
La página de FLUX 3 sigue lo que Black Forest Labs ha publicado de verdad — capacidades, tipos de entrada y fase de despliegue — y recibirá endpoint, parámetros y tarifas en cuanto se confirmen.
Abrir - step 03
Publica hoy con un modelo disponible
Los modelos de vídeo con audio nativo ya se pueden llamar en reAPI. Monta la integración con uno de ellos ahora y pasar después a FLUX 3 será un id de modelo y un mapeo de parámetros.
Abrir
Preguntas frecuentes
Dudas comunes sobre este modelo.
FLUX 3 es el modelo base multimodal de Black Forest Labs. Aprende de imágenes, vídeo y audio dentro de una misma arquitectura en lugar de tratarlos como sistemas separados, y BFL lo plantea como un paso hacia modelos que perciben, predicen y actúan en entornos físicos y digitales.
Modelos relacionados
Explora más modelos de la misma categoría.
PixVerse
Pixverse v6
Desde $0.018 por segundo
Video
Topaz Labs
Topaz Video Upscaler
Desde $0.044 por segundo
Video
ByteDance
Seedance 2.0 Mini
Desde $0.029 por segundo
Video
start building
¿Listo para lanzar?
Pruébalo en el playground o consigue una API key para integrarlo ahora.