FLUX 3: El Modelo de IA Multimodal de Black Forest Labs (Vídeo, Audio, Imagen) 2026

FLUX 3 es el primer modelo fundacional verdaderamente integrado de Black Forest Labs, presentado en acceso anticipado el 23 de julio de 2026.

En lugar de hacer una sola cosa, funciona en imágenes, vídeo, audio y predicción de acciones físicas dentro de una única arquitectura, construida sobre el enfoque Self-Flow de la empresa para alinear la generación y comprensión multimodal.

La capacidad principal es la generación de texto a vídeo que produce clips de hasta 20 segundos de duración con audio nativo sincronizado con las imágenes, diálogos, efectos de sonido y ruido ambiental, todo ello coincidiendo con lo que aparece en pantalla.

Así es como se desglosa la familia.

El salto de FLUX 3 es que la generación y la comprensión comparten un solo modelo a través de las modalidades.

En la práctica, eso significa que una sola indicación puede impulsar un vídeo con audio coincidente, una imagen o una secuencia de acción, sin necesidad de unir herramientas separadas.

El lado del vídeo es el destacado: clips de hasta 20 segundos con audio nativo, donde los diálogos, efectos de sonido y sonido ambiental se mantienen alineados con la imagen, algo que la mayoría de los modelos de texto a vídeo todavía manejan como un paso separado.

La variante Action, FLUX-mimic, extiende la misma arquitectura a la predicción de movimiento físico para robótica.

Black Forest Labs ha organizado el lanzamiento en lugar de enviar todo a la vez. FLUX 3 Video salió primero, en acceso anticipado a través de una API y pesos privados para los socios iniciales.

FLUX 3 Action / FLUX-mimic llegó a socios seleccionados de robótica, tanto de investigación como comerciales. FLUX 3 Image, la parte que la mayoría de los creadores utilizarán, se está implementando en las próximas semanas.

Una versión de pesos abiertos, FLUX 3 Dev, está prevista para finales de 2026 para los desarrolladores que deseen alojarla ellos mismos. Así que si aún no puedes acceder a ella, es normal, la disponibilidad general todavía se está ampliando.

FLUX.2, lanzado en noviembre de 2025, es un modelo de imagen: edición multireferencia potente, salida de 4 megapíxeles y texto nítido.

FLUX 3 es una clase de producto diferente, un modelo multimodal que añade vídeo con audio sincronizado y predicción de acción física además de imágenes.

Si necesitas generación de imágenes de producción hoy mismo, FLUX.2 es la opción ampliamente disponible.

Si estás siguiendo hacia dónde se dirige el vídeo de IA, los clips de 20 segundos y con audio sincronizado de FLUX 3 son la característica principal.

Para la mayoría de los creadores, el camino práctico es usar imágenes de FLUX.2 ahora y adoptar el vídeo de FLUX 3 a medida que sus niveles de imagen y de pesos abiertos estén disponibles.

Durante el acceso anticipado, FLUX 3 Video y Action están limitados a los socios de Black Forest Labs a través de API y pesos privados, con FLUX 3 Image llegando para un uso más amplio en las próximas semanas y un lanzamiento de pesos abiertos Dev más adelante en 2026.

Si tu objetivo es tener vídeo terminado hoy mismo, sin esperar a las ranuras de acceso anticipado, FluxNote ya convierte una indicación en un vídeo narrado y subtitulado utilizando los modelos actuales más avanzados, y genera imágenes al estilo FLUX en su Image Studio, para que puedas producir y publicar ahora e integrar FLUX 3 a medida que se abra.