FLUX 3 Max делает 10-секундное видео примерно за 11 секунд

FLUX 3 Max, версия FLUX 3 Video, которую fal Research дообучила вместе с Black Forest Labs, 19 октября появилась в API fal. До 7 ноября её продают со скидкой 75%, а десятисекундный ролик из картинки, по замерам fal, она собирает примерно за 11 секунд.

На странице модели на fal сказано, что дообучение настраивали на три вещи: точнее следовать промпту, давать картинку получше и отвечать быстрее. В режиме image-to-video стартовое изображение задаёт композицию первого кадра, а текст описывает, как двигаются объект и камера и что меняется в сцене. Кроме него есть text-to-video без стартовой картинки и Keyframes-to-Video, где изображения направляют ролик в нескольких точках сразу.

Главный козырь здесь скорость. В тесте fal 10-секундное видео вышло примерно за 11 секунд, у Seedance 2.5 тот же ролик занял 277,8 секунды, и fal называет это ускорением «более чем в 25 раз». Оговорка тоже от fal: это время конкретной тестовой конфигурации, а не гарантированный срок для каждого запроса, реальное время зависит от настроек и нагрузки. Testing Catalog в своём посте в Threads приводит другую цифру, ускорение «до 22 раз», и пишет, что по качеству модель на уровне Seedance 2.5.

Пример ответа API на той же странице выглядит примерно так же: ролик длиной 10,04 секунды, 241 кадр при 24 кадрах в секунду, файл около 9,7 МБ, а поле inference показывает 10,26 секунды.

С качеством картина пока предварительная. В предварительной оценке Artificial Analysis для image-to-video FLUX 3 Max делит первое место и, по формулировке fal, статистически стоит рядом с моделями из верхушки. Testing Catalog называет конкретный результат: 1 139 баллов в индексе image-to-video. При этом fal сама предупреждает, что с новыми голосами места в рейтинге могут смениться, так что первое место держится пока на ранних голосах.

Теперь о деньгах. Акционные цены действуют с 15 октября по 7 ноября:

• 720p: 0,0425 доллара за секунду, после акции 0,17 доллара;
• 1080p: 0,0725 доллара за секунду, после акции 0,29 доллара.

Получается, что десятисекундный ролик в 720p сейчас стоит около 0,43 доллара, а после 7 ноября будет стоить 1,70. Самый длинный вариант, 20 секунд в 1080p, по обычному тарифу обойдётся в 5,80 доллара за попытку, и при подборе промпта методом проб эта сумма быстро умножается.

Обязательных входов два: стартовая картинка и текстовый промпт. Финальный кадр можно задать второй картинкой, и модель приведёт ролик к нему. Остальные параметры такие:

• длительность от 5 до 20 секунд с шагом в секунду, по умолчанию 5;
• разрешение 720p по умолчанию, 1080p получается апскейлом;
• соотношение сторон Auto, 21:9, 2:1, 16:9, 4:3, 1:1, 3:4 или 9:16, в режиме Auto кадр подстраивается под стартовую картинку;
• генерация звука включена по умолчанию и отключается;
• уровень reasoning low или high, по умолчанию high;
• seed задаётся вручную или выбирается случайно.

«720p» в примере ответа на деле означает 1280 на 704 пикселя.

В таблице параметров для картинок указаны PNG, JPEG и WebP. Модель помечена для коммерческого использования, и fal предлагает её для анимированных портретов, предметных сцен, иллюстрированных сцен и motion studies, роликов, которые начинаются с уже готовой композиции.

За моделью стоит Black Forest Labs из Фрайбурга. Её в 2024 году основали Робин Ромбах, Андреас Блаттманн и Патрик Эссер, все трое раньше работали в Stability AI. Предыдущее крупное поколение, FLUX.2, вышло в ноябре 2025 года. Параллельно у BFL есть и открытая линия: в октябре вышла FLUX 3 Image Klein с 5,6 млрд параметров в трансформере. А Max продаётся как платный эндпоинт на fal.

Для промптов у fal есть конкретный совет: писать о том, что меняется после первого кадра, то есть о действиях объекта, движении камеры и деталях окружения, и не перечислять заново всё, что и так видно на исходной картинке. Пример с той же страницы: «Камера медленно приближается, пока женщина поворачивается к окну. Лёгкий ветерок шевелит занавеску и несколько выбившихся прядей. Она замирает, слегка улыбается и смотрит наружу. Тихий фон комнаты и далёкие звуки улицы».