FLUX 3: O Modelo de IA Multimodal da Black Forest Labs (Vídeo, Áudio, Imagem) 2026

FLUX 3 é o primeiro modelo de fundação verdadeiramente integrado da Black Forest Labs, apresentado em acesso antecipado em 23 de julho de 2026.

Em vez de fazer uma única coisa, ele opera em imagens, vídeo, áudio e previsão de ação física dentro de uma única arquitetura, construído sobre a abordagem Self-Flow da empresa para alinhar a geração e o entendimento multimodal.

A capacidade principal é a conversão de texto para vídeo que produz clipes de até 20 segundos com áudio nativo sincronizado com os visuais, diálogos, efeitos sonoros e ruído ambiente, todos correspondendo ao que está na tela.

Veja como a família se divide.

O salto do FLUX 3 é que a geração e o entendimento compartilham um único modelo entre as modalidades.

Na prática, isso significa que um único prompt pode gerar um vídeo com áudio correspondente, uma imagem ou uma sequência de ação, sem a necessidade de juntar ferramentas separadas.

O lado do vídeo é o destaque: clipes de até 20 segundos com áudio nativo, onde diálogos, efeitos sonoros e som ambiente permanecem alinhados com a imagem, algo que a maioria dos modelos de texto para vídeo ainda trata como um passo separado.

A variante Action, FLUX-mimic, estende a mesma arquitetura para prever movimento físico para robótica.

A Black Forest Labs planejou o lançamento em etapas, em vez de lançar tudo de uma vez. O FLUX 3 Video foi o primeiro, em acesso antecipado através de uma API e pesos privados para os parceiros iniciais.

O FLUX 3 Action / FLUX-mimic chegou a parceiros selecionados de pesquisa e robótica comercial. O FLUX 3 Image, a parte que a maioria dos criadores usará, será lançado nas próximas semanas.

Uma versão de pesos abertos, FLUX 3 Dev, está planejada para o final de 2026 para desenvolvedores que desejam hospedar localmente. Portanto, se você ainda não consegue acessá-lo, isso é esperado, a disponibilidade ampla ainda está em andamento.

O FLUX.2, lançado em novembro de 2025, é um modelo de imagem: forte edição multi-referência, saída de 4 megapixels e texto nítido.

O FLUX 3 é uma classe de produto diferente, um modelo multimodal que adiciona vídeo com áudio sincronizado e previsão de ação física sobre a imagem.

Se você precisa de geração de imagem para produção hoje, o FLUX.2 é a escolha amplamente disponível.

Se você está acompanhando para onde o vídeo de IA está indo, os clipes de 20 segundos com áudio sincronizado do FLUX 3 são o destaque.

Para a maioria dos criadores, o caminho prático é usar as imagens do FLUX.2 agora e adotar o vídeo do FLUX 3 à medida que suas camadas de imagem e pesos abertos se tornarem disponíveis.

Durante o acesso antecipado, o FLUX 3 Video e Action são limitados aos parceiros da Black Forest Labs via API e pesos privados, com o FLUX 3 Image chegando para uso mais amplo nas próximas semanas e um lançamento Dev de pesos abertos mais tarde em 2026.

Se o seu objetivo é ter um vídeo finalizado hoje, sem esperar por slots de acesso antecipado, o FluxNote já transforma um prompt em um vídeo narrado e legendado usando os modelos atuais de ponta, e gera imagens no estilo FLUX em seu Image Studio, para que você possa produzir e publicar agora e integrar o FLUX 3 à medida que ele se abre.