FLUX 3: El Modelo de IA Multimodal de Black Forest Labs (Video, 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, video, audio y predicción de acciones físicas dentro de una sola arquitectura, construida sobre el enfoque Self-Flow de la compañía para alinear la generación y comprensión multimodal.

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

Así se desglosa la familia.

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

En la práctica, esto significa que un solo prompt puede impulsar un video con audio coincidente, una imagen o una secuencia de acción, sin necesidad de unir herramientas separadas.

El lado del video es el más 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 video aún manejan como un paso separado.

La variante de Acción, FLUX-mimic, extiende la misma arquitectura para predecir el movimiento físico para robótica.

Black Forest Labs organizó el lanzamiento en lugar de lanzar todo a la vez. FLUX 3 Video salió primero, en acceso anticipado a través de una API y pesos privados para 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 implementará en las próximas semanas.

Un FLUX 3 Dev de pesos abiertos está planeado para finales de 2026 para desarrolladores que quieran autoalojarlo. Así que si aún no puedes acceder a él, es normal, la disponibilidad general todavía se está ampliando.

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

FLUX 3 es una clase de producto diferente, un modelo multimodal que agrega video 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 va el video de IA, los clips de 20 segundos y con audio sincronizado de FLUX 3 son lo más destacado.

Para la mayoría de los creadores, el camino práctico es usar imágenes de FLUX.2 ahora y adoptar el video de FLUX 3 a medida que sus niveles de imagen y 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 Dev de pesos abiertos más adelante en 2026.

Si tu objetivo es tener video terminado hoy, sin esperar a los espacios de acceso anticipado, FluxNote ya convierte un prompt en un video 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.