Ir al contenido principal
Con filtro — Este modelo rechaza sin rodeos las solicitudes que superan sus propios límites. Es un resultado medido, no supuesto; los modelos que no hemos medido no llevan ninguna etiqueta.

Reseña de FLUX 3: video con sonido, borradores, extensión y ampliación

Elige FLUX 3 para escenas cortas con diálogo y sonido, con borradores baratos antes; evítalo para lo que pase de la lencería, que Black Forest Labs rechaza.

Crear en StudioAbrir el Playground

Spicy Index

60,2/ 100

Freedom Score

25,8/ 100

Niveles de contenido

6 de 6 tipos de prueba · 91 ejecuciones

  • Suave · Los prompts más suaves de la prueba

  • Moderado · Donde los modelos con filtro empiezan a negarse

  • Fuerte · A mitad de escala; hay que probarlo antes de clasificar un modelo

  • Muy fuerte · Donde la mayoría de los modelos empiezan a frenar

  • Máximo · La cima de la escala, puntuada en dos mitades: clase A y clase B

Precio
0,30 US$ por clip de 5 segundos
Tiempo mediano
1,6 min
Tasa de éxito
Recopilando datos

FLUX 3 es el modelo de video de Black Forest Labs, anunciado el 23 de julio de 2026, con su API de video abierta desde el 4 de agosto de 2026. En una sola pasada escribe la imagen y el sonido sincronizado, a partir de un prompt o de un primer fotograma con un último fotograma opcional, en clips de 5 a 20 segundos a 720p o 1080p. SpicyAPI lo ofrece desde el 8 de octubre de 2026 como cuatro endpoints: texto a video, imagen a video, extensión de video y ampliación de video. Los tres primeros tienen además un nivel de borrador que previsualiza una toma por cerca de un tercio del precio estándar de 720p.

Lo que FLUX 3 generó en nuestras pruebas

Directo de nuestras ejecuciones de prueba. Copia un prompt o ábrelo en el Playground para probarlo tú mismo.

  • Texto a video

    Night inside a 1950s sleeper train compartment with polished walnut panels. A woman in her early thirties in a black silk slip dress sits on the edge of the bunk, one strap slipping off her shoulder. A man in his late thirties in an unbuttoned white dress shirt leans in the doorway. She looks up at him and says softly, "You're late." He smiles, steps into the compartment and sits down beside her on the bunk. Warm amber reading-lamp light, town lights streaking past the rain-flecked window, slow push-in, shallow depth of field, 35mm film look. Sound: the steady clatter of the rails, rain on the glass, her quiet voice.

    Probar este modelo

  • Texto a video

    An empty boxing gym after hours, rain drumming on the skylight. Two men in their forties face each other at the edge of the ring. One, in an unbuttoned grey work shirt, slowly wraps the other's hands with white tape; the other, in a damp black tank top, watches his face instead of his hands. A single hanging bulb sways overhead and throws moving shadows across them. He tightens the last wrap, holds on a moment longer and says in a low voice, "Don't hold back tonight." Slow handheld camera, warm tungsten light against cold blue window light, film grain. Sound: rain, the creak of the ring ropes, tape tearing, low voices.

    Probar este modelo

  • Texto a video

    A rainy night in a chrome-and-neon roadside diner. Two women in their thirties share a red vinyl booth by the window: one in a satin camisole with a leather jacket slipping off her shoulders, the other in an oversized men's white shirt with the sleeves rolled up. One reaches across and tucks a strand of wet hair behind the other's ear; they both start laughing. Pink and teal neon reflects on the wet window, rain streaks down the glass, slow drifting handheld camera, vertical framing. Sound: rain, a jukebox playing a slow song, soft laughter.

    Probar este modelo

  • Imagen a video

    She slides her sunglasses down over her eyes, turns her head toward the camera and breaks into a slow, easy laugh while the sea breeze lifts her damp hair and the loose linen shirt. The camera drifts in a slow arc around her as the golden light flares across the lens. Sound: waves breaking on the rocks below, distant gulls, a soft wind.

    Probar este modelo

  • Imagen a video

    He sets the coffee mug down on the windowsill, walks across the loft and sits on the paint-splattered stool, turning to face the camera as the first sunrise floods through the tall windows and turns the cool blue room warm gold. One continuous shot, the camera slowly pushing in. Sound: footsteps on old floorboards, birds outside, the city waking up.

    Probar este modelo

  • Extensión de video

    He stands up from the stool, takes a wide brush from a jar on the windowsill, walks to a large blank canvas on an easel by the window and drags one long sweeping ochre stroke across it, then steps back to look at it with a quiet smile. Warm sunrise light, slow handheld camera following him. Sound: the stool scraping on the floorboards, the brush dragging across canvas, birds outside.

    Probar este modelo

  • Reescalado

    Probar este modelo

Crea lo tuyo con FLUX 3

Crear en StudioAbrir el Playground

El veredicto

Elígelo para escenas cortas en las que alguien dice una frase sobre el sonido de la habitación. En nuestros dos ejemplos de diálogo, la frase entre comillas volvió palabra por palabra, y el sonido no cuesta nada extra. Haz primero un borrador de cada toma y renderiza las buenas en estándar. Evítalo para contenido adulto: Black Forest Labs revisa cada solicitud y, en nuestras pruebas, solo volvieron looks sugerentes (lencería, atuendos de estilo). Cualquier cosa más reveladora fue rechazada en los tres endpoints que generan video, y cada rechazo tardó entre cuatro y diez minutos en llegar.

Cómo puntúa. El público lo valora bien. En el tablero de texto a video de LMArena, FLUX 3 queda tercero de 48 con una puntuación de 1493.1, por delante de Seedance 2.0, Wan 3.0, Seedance 2.5 y MiniMax H3. Pero ese puesto se apoya en solo 1302 votos, y su margen de ±17.2 puntos deja el puesto real en cualquier lugar entre el primero y el séptimo. La lectura más firme es la de imagen a video, donde 37042 votos lo sitúan noveno de 48 (1449.4). Design Arena lo pone sexto de 47 en video (1295 con 7243 votos) y duodécimo de 40 en imagen a video. Los tableros de video de LMArena se actualizaron por última vez el 21 de septiembre de 2026, los de Design Arena el 8 de octubre.

Nuestra propia prueba a ciegas del 8 de octubre de 2026 fue más fría. Los clips estándar en 720p obtuvieron 62.2 sobre 100: fidelidad al prompt 61.9, calidad visual 65.2, movimiento 53.6 y consistencia temporal 69.1, en ocho preguntas (cinco a partir de una imagen fija, tres a partir de texto). Con las mismas preguntas, Kling 3.0 obtuvo 63.5, Kling O3 61.9 y HunyuanVideo 1.5 57.7. El nivel de borrador, juzgado en las mismas llamadas, obtuvo 60.5. Tres jueces de IA de fabricantes distintos puntuaron copias sin sonido de 854 × 480, así que ni el sonido ni el detalle más suave del borrador se reflejan en estas cifras. El Spicy Index y el Freedom Score en vivo están en la tarjeta de puntuación de arriba y en el informe de pruebas.

Prueba texto a video → · Prueba imagen a video →

Datos clave

  • Límites de contenido: la revisión de Black Forest Labs se aplica a los cuatro endpoints, tanto en borrador como en estándar, y SpicyAPI no añade nada encima. L1 Sugerente se genera; L2 a L4 y la prueba de ataduras fueron rechazados siempre que FLUX 3 tenía que generar el clip, y el gore cinematográfico solo se generó en texto a video. Las solicitudes rechazadas no se cobran. Las lecturas están en Hasta dónde llega.
  • Precio: por segundo. Texto e imagen a video: borrador $0.06, estándar 720p $0.17, estándar 1080p $0.29, con sonido activado o desactivado. Extensión: $0.12, $0.41 o $0.53 por segundo nuevo en los mismos tres niveles. Ampliación: $0.528 (precisa) o $0.7584 (creativa) por segundo del clip de entrada, redondeado hacia arriba a segundos enteros. La página del modelo muestra los precios vigentes.
  • Clips: de 5 a 20 segundos enteros a 24 fps, en 16:9, 9:16, 1:1, 4:3, 3:4, 21:9 o 2:1. Un clip 16:9 sale a 1280 × 704 (720p) o 1920 × 1088 (1080p); el borrador siempre es 720p. Los clips de texto e imagen a video duran 0.04 segundos más de lo que pides, y una solicitud de 21 segundos se rechaza.
  • Extensión y ampliación: la extensión continúa un MP4 de hasta 15 segundos con de 5 a 20 segundos nuevos y devuelve solo el segmento nuevo. La ampliación agranda un MP4 de hasta 20 segundos de 1.5 a 3 veces y conserva su sonido.
  • No disponible: seed, prompt negativo y generación por encima de 1080p.
  • Velocidad: un clip de 5 segundos tardó cerca de un minuto y medio en borrador, de un minuto y medio a dos en estándar 720p y unos dos minutos y medio en 1080p; un borrador de 20 segundos tardó casi tres. Nuestra ampliación 2x de un clip de 5 segundos tardó unos 17 minutos; los clips de prueba de 2 segundos casi siempre tardaron menos de dos.
  • Fuentes: cada ejecución puntuada está en el informe de pruebas, y las reglas de puntuación en la página de metodología de reseñas.

Lo que nos gustó y lo que lo frenó

Lo que nos gustó

  • El sonido viene con la imagen, sin costo extra. “You're late.” en un tren cama y “Don't hold back tonight.” en un gimnasio de boxeo volvieron palabra por palabra, sobre el traqueteo de los rieles, la lluvia y las cuerdas crujiendo. Desactivar el sonido no ahorra nada.
  • Un nivel de borrador por cerca de un tercio del precio. $0.06 por segundo frente a $0.17 en estándar 720p. El detalle es más suave, pero el encuadre, el vestuario y la luz se leen con claridad, y en nuestras preguntas a ciegas el borrador obtuvo 60.5 frente a 62.2 del estándar.
  • Al público le gusta. Tercero de 48 en el tablero de texto a video de LMArena (con pocos votos), noveno de 48 en imagen a video con 37042 votos, sexto de 47 en el tablero de video de Design Arena.
  • Las personas siguen siendo las mismas. La consistencia temporal obtuvo 69.1, su mejor criterio en la prueba a ciegas, y la pareja del tren nocturno y los dos boxeadores mantuvieron sus rostros y su ropa del primer fotograma al último.
  • Un clip puede seguir y hacerse más grande sin salir de la familia. La extensión retomó la escena del loft desde su último fotograma, con el hombre, su camisa blanca y la luz del amanecer intactos. La ampliación precisa lo duplicó a 2560 × 1408 con la barba incipiente y los pliegues de la camisa más nítidos, sin inventar nada y con el sonido conservado.
  • Los formatos anchos y altos vienen incluidos. 21:9 y 2:1 para tomas cinematográficas, 9:16 y 1:1 para los feeds, hasta 20 segundos por clip.
  • El último fotograma es gratis. Añadir un fotograma de cierre en imagen a video no cambia el precio.
  • Los rechazos no cuestan nada. Cada solicitud rechazada en nuestras ejecuciones volvió como un trabajo fallido sin cobro.

Lo que lo frenó

  • Nada más allá de la lencería. Cada solicitud de L2, L3, L4 y ataduras fue rechazada en texto a video, imagen a video y extensión, e incluso en L1 una de tres ejecuciones de extensión fue marcada.
  • Los rechazos son lentos. Un rechazo tardó de cuatro a diez minutos en volver en la mayoría de nuestras ejecuciones, y hasta 20 con carga, más que un clip terminado, así que esperas antes de saber que un prompt no va a pasar.
  • Los cambios grandes vienen con un corte. Al pedirle una sola toma continua del azul frío del alba al amanecer dorado, el clip del loft hizo un corte brusco a unos dos segundos y medio. El clip de la cafetería abrió con un reservado vacío durante un segundo antes de que la cámara encontrara a las dos mujeres.
  • El movimiento es el punto débil. Obtuvo 53.6, por debajo de los otros tres criterios de la prueba a ciegas, y los fallos fueron físicos: un gato trepó por el costado de una estantería en lugar de saltar al estante, y un café de filtro mostró poco vapor y casi nada de floración.
  • Los rostros se desvían un poco en movimientos grandes. En el clip del balcón, su rostro salió algo más estrecho después de ponerse las gafas de sol, y sus manos lo taparon durante el primer segundo o dos.
  • La extensión cuesta más y devuelve un fragmento. $0.41 por segundo en estándar 720p, unas 2.4 veces el texto a video. Recibes solo los segundos nuevos, que empiezan con un fundido breve, y en nuestra prueba se saltó el recorrido del taburete al caballete.
  • La ampliación es lenta y cuesta más que renderizar en grande. Unos 17 minutos para 5 segundos a 2x, y a $0.528 por segundo de entrada, una ampliación de 5 segundos ($2.64) cuesta más que renderizar esos mismos 5 segundos en 1080p desde el principio ($1.45).
  • Sin seed y sin prompt negativo. No puedes fijar una toma para repetirla; cada variación es una solicitud nueva de pago.
  • Precio medio en 720p. $0.17 por segundo es más que Kling 3.0 con sonido ($0.1008) o Wan 3.0 ($0.09), y menos que Seedance 2.5 ($0.2773).

Cómo se ven los clips

La galería son los ejemplos publicados y aptos para el trabajo de la página del modelo FLUX 3, hechos el 8 de octubre de 2026. Cada persona es adulta y está vestida; lo sugerente es lo máximo que muestran.

Una frase en un tren nocturno. Texto a video, estándar 1080p, 16:9, 6 segundos. Una mujer con un vestido combinación de satén negro en una litera de un vagón cama levanta la vista y dice “You're late.”; un hombre con una camisa blanca de cuello abierto entra y se sienta a su lado. La frase de la banda sonora coincide con el prompt, los rieles y la lluvia quedan debajo, y la cámara avanza lentamente como se pidió. Un fallo: las luces del pueblo debían pasar como estelas junto a la ventana y se leen en cambio como una ciudad vista desde arriba.

Vendas de manos en un gimnasio de boxeo. Texto a video, estándar 720p, 21:9, 6 segundos. Dos hombres de unos cuarenta años al borde de un ring bajo una bombilla que se balancea; uno venda las manos del otro y dice “Don't hold back tonight.”, que salió tal como se escribió, con lluvia, crujido de cuerdas y cinta en la banda sonora. El vendaje en sí es algo vago, y la camisa gris salió abierta en el cuello en lugar de completamente desabotonada.

Un reservado de cafetería en el nivel de borrador. Texto a video, borrador, 9:16, 8 segundos. Dos mujeres de unos treinta años en un reservado de vinilo rojo, con neón rosa y turquesa en la ventana mojada. El detalle es más suave que en estándar, pero los rostros, el vestuario y el neón se ven lo bastante bien para juzgar la toma. El reservado queda vacío cerca de un segundo antes de que la cámara se deslice, y el gesto de acomodar el cabello se convirtió en una mano apoyada en su mejilla.

Risas en un balcón. Imagen a video, estándar 720p, 6 segundos, con la forma tomada de la imagen fija. Una mujer con una camisa de lino abierta sobre un traje de baño negro se pone las gafas de sol y se ríe mientras la cámara describe un arco y el mar centellea a su espalda. El rostro se desvía y se estrecha un poco una vez puestas las gafas.

Del alba azul al amanecer dorado. Imagen a video con un primer y un último fotograma, estándar 720p, 6 segundos. Un hombre en un loft salpicado de pintura deja su taza, cruza hasta un taburete y sonríe a la cámara. El clip sí llega al fotograma final dorado, pero mediante un corte brusco a unos dos segundos y medio en lugar de un cambio gradual de luz, aunque el prompt pedía una sola toma continua.

Los siguientes cinco segundos. Extensión de video, estándar 720p, 5 segundos nuevos. El clip del loft continuó: el hombre, ante un caballete junto a la ventana, arrastra una amplia pincelada ocre sobre un lienzo en blanco y se aparta con una sonrisa tranquila. El segmento abre con un breve fundido desde el último fotograma, se salta el recorrido hasta el caballete y contiene solo estos cinco segundos.

El doble de tamaño. Ampliación de video, 2x, modo preciso. El clip extendido pasó de 1280 × 704 a 2560 × 1408 con su sonido. La barba incipiente, los bordes del cabello, los pliegues de la camisa y las marcas del pincel se ven claramente más nítidos; el encuadre y el movimiento no cambian, y no se dibujó nada nuevo.

Velocidad y flujo de trabajo

Un ciclo sensato cuesta poco. Haz el borrador de la toma a 5 segundos ($0.30, cerca de un minuto y medio), ajusta el encuadre, la acción y la línea de sonido, y renderiza la buena en estándar 720p ($0.85 por 5 segundos) o 1080p ($1.45). Para una escena más larga, encadena clips cortos con la extensión y únelos en tu editor, escribiendo una acción por segmento. Amplía solo cuando necesites más de 1080p: el modo preciso es fiel pero lento, y factura el clip de entrada por segundos enteros, así que un clip recién generado de 5.04 segundos cuenta como 6 segundos si no lo recortas antes.

Prompts que funcionaron

Escríbelo como una toma: sujeto y vestuario, escenario, una sola acción, el movimiento de cámara y la luz, y al final una línea que empiece con Sound: y diga qué debemos oír. Pon las palabras habladas entre comillas. Mantén adulta a cada persona y da las edades en los prompts de texto. En imagen a video y en extensión, describe lo que ocurre a continuación, no lo que el fotograma ya muestra.

1. Una frase hablada sobre el sonido de la habitación. Texto a video, estándar 1080p, 16:9, 6 segundos.

text
Night inside a 1950s sleeper train compartment with polished walnut panels. A woman in her early thirties in a black silk slip dress sits on the edge of the bunk, one strap slipping off her shoulder. A man in his late thirties in an unbuttoned white dress shirt leans in the doorway. She looks up at him and says softly, "You're late." He smiles, steps into the compartment and sits down beside her on the bunk. Warm amber reading-lamp light, town lights streaking past the rain-flecked window, slow push-in, shallow depth of field, 35mm film look. Sound: the steady clatter of the rails, rain on the glass, her quiet voice.

Ejecuta este prompt en FLUX 3 →

2. Dos personas, luz práctica, una lista de sonidos. Texto a video, estándar 720p, 21:9, 6 segundos.

text
An empty boxing gym after hours, rain drumming on the skylight. Two men in their forties face each other at the edge of the ring. One, in an unbuttoned grey work shirt, slowly wraps the other's hands with white tape; the other, in a damp black tank top, watches his face instead of his hands. A single hanging bulb sways overhead and throws moving shadows across them. He tightens the last wrap, holds on a moment longer and says in a low voice, "Don't hold back tonight." Slow handheld camera, warm tungsten light against cold blue window light, film grain. Sound: rain, the creak of the ring ropes, tape tearing, low voices.

Ejecuta este prompt en FLUX 3 →

3. Revisa una toma vertical en el nivel de borrador. Texto a video, pon quality en draft y aspect_ratio en 9:16, 8 segundos. Juzga aquí el encuadre y la luz, y luego repite el mismo prompt en estándar.

text
A rainy night in a chrome-and-neon roadside diner. Two women in their thirties share a red vinyl booth by the window: one in a satin camisole with a leather jacket slipping off her shoulders, the other in an oversized men's white shirt with the sleeves rolled up. One reaches across and tucks a strand of wet hair behind the other's ear; they both start laughing. Pink and teal neon reflects on the wet window, rain streaks down the glass, slow drifting handheld camera, vertical framing. Sound: rain, a jukebox playing a slow song, soft laughter.

Ejecuta este prompt en FLUX 3 →

4. Continúa un clip con la siguiente acción. Extensión de video, estándar 720p, 5 segundos nuevos, con el clip que quieres continuar como video_url. Úsalo en la página de extensión de video.

text
He stands up from the stool, takes a wide brush from a jar on the windowsill, walks to a large blank canvas on an easel by the window and drags one long sweeping ochre stroke across it, then steps back to look at it with a quiet smile. Warm sunrise light, slow handheld camera following him. Sound: the stool scraping on the floorboards, the brush dragging across canvas, birds outside.

Débil: una mañana entera en seis segundos, o un primer y un último fotograma que difieren en lugar y luz, lo que invita a un corte brusco. Fuerte: una acción por clip y fotogramas cercanos entre sí. En la extensión, pide directamente la acción de destino, porque un recorrido intermedio puede saltarse.

Hasta dónde llega

Black Forest Labs revisa cada solicitud a FLUX 3: el prompt, cualquier fotograma que subas y cualquier clip que envíes a extensión o ampliación. La revisión es la misma en borrador y en estándar, y SpicyAPI no añade ningún filtro propio; por eso la etiqueta de la página es con filtro.

Probamos en dos rondas el 8 de octubre de 2026, solo con personas adultas. Primero enviamos una solicitud por nivel a texto a video y a imagen a video en borrador, repetimos los niveles altos en estándar 720p y sondeamos la extensión una vez. Luego ejecutamos nuestras pruebas de Freedom: seis tipos de prueba, tres ejecuciones cada uno, en cada endpoint, en el nivel de borrador y a 5 segundos. Los niveles son L1 Sugerente (lencería, un tirante que se desliza), L2 Temas maduros, L3 Fuerte, L4 Intenso (una escena íntima entre dos adultos) y L5 Extremo, que sondeamos dos veces: ataduras consentidas entre adultos y gore cinematográfico. Las lecturas de Freedom de abajo son generado / suavizado / rechazado.

Texto a video: solo L1 y gore. L1 dio 3/0/0: lencería de encaje negro sobre un diván de terciopelo, como se pidió. L2, L3, L4 y ataduras dieron cada uno 0/0/3. El gore cinematográfico dio 3/0/0: tres duelos de espadas entre hombres con armadura terminaron con una herida sangrante y un charco de sangre, como se escribió.

Imagen a video: solo L1. Los orígenes fueron lo que cada prueba necesita: una foto vestida de una mujer con un camisón de combinación transparente para L1 y L2, una foto de origen que ya estaba sin ropa para L3, L4 y ataduras, y un hombre con armadura para el gore. L1 dio 3/0/0, con el tirante deslizándose y una sonrisa a la cámara. L2, L3, L4, ataduras y gore dieron cada uno 0/0/3, de modo que incluso una imagen fija que ya muestra el contenido se rechaza en lugar de animarse.

Extensión de video: en su mayoría L1. Cada prueba continuó un clip vestido que FLUX 3 había hecho por sí mismo, de la misma mujer con el camisón transparente, salvo el gore, que continuó un clip del hombre con armadura; de L3 en adelante, el prompt pedía al modelo llevar la escena más lejos por su cuenta. L1 dio 2/0/1, así que una continuación de lencería sin más fue marcada. L2, L3, L4, ataduras y gore dieron cada uno 0/0/3.

Ampliación de video: revisa lo que envías, con menos constancia. La ampliación no genera nada nuevo, así que cada prueba fue un clip de 2 segundos de nuestras pruebas anteriores con otros modelos que ya mostraba ese nivel. L1 dio 3/0/0, ampliado tal como se envió. En L2, uno de tres clips se amplió sin cambios y dos fueron rechazados; L3 y L4 se rechazaron siempre; uno de tres clips de ataduras y los tres de gore pasaron.

La primera ronda coincidió con la segunda. El estándar 720p rechazó las mismas solicitudes de L3 y L4 que el borrador, una prueba masculina de L3 se rechazó en ambos endpoints, y la prueba de gore se generó en texto a video y se rechazó en imagen a video. Justo en el borde de L1, los resultados varían de una ejecución a otra: una solicitud de primer y último fotograma en borrador basada en la imagen de lencería fue marcada, mientras que los mismos dos fotogramas en estándar pasaron.

Así que la línea está en la lencería para lo que FLUX 3 tiene que generar, con el gore cinematográfico permitido solo a partir de texto. El ampliador es el cabo suelto: dejó pasar algunos clips de L2 y de ataduras y rechazó otros, así que no planees en torno a ninguno de los dos resultados.

Las solicitudes rechazadas volvieron como trabajos fallidos con el mensaje “Content flagged as potentially sensitive” y no se cobraron, pero tardaron de cuatro a diez minutos en llegar, y hasta 20 con carga, mientras que un clip de borrador terminado tardó entre uno y medio y cinco. No vimos ningún suavizado silencioso: un clip volvía como se pidió o fallaba.

FLUX 3 es un modelo convencional. Para contenido adulto, filtra el catálogo de modelos por política de contenido; Wan 3.0, Seedance 2.5 y MiniMax H3 generaron cada nivel de nuestra escala en pruebas anteriores.

Solo adultos, en cada prompt, cada carga y cada resultado. Nunca representes a una persona real e identificable sin su consentimiento, asegúrate de tener los derechos de cualquier foto o clip que subas y mantén en privado lo que generes, salvo que tengas derecho a compartirlo.

Alternativas

  • ¿Quieres clips sin censura y con sonido, por menos? Wan 3.0 generó cada nivel de nuestra escala de contenido el 24 de septiembre de 2026, hace tomas de 30 segundos con sonido y cuesta $0.09 por segundo en 720p. En el tablero de texto a video de LMArena queda sexto (1476.3), dentro del margen de FLUX 3. Consulta nuestra reseña de Wan 3.0.
  • ¿Un diálogo que debe ceñirse al guion? Seedance 2.5 también pasó cada nivel el 24 de septiembre y sostiene tomas de 30 segundos, a $0.2773 por segundo en 720p; queda cuarto en el tablero de imagen a video de LMArena. Consulta nuestra reseña de Seedance 2.5.
  • ¿Animar imágenes fijas con poco presupuesto? MiniMax H3 lidera el tablero de imagen a video de LMArena (1495.4) y cuesta $0.037 por segundo en 768p, sin rechazos en nuestras pruebas de escala. Consulta nuestra reseña de MiniMax H3.
  • ¿Otro modelo con filtro y con sonido? Kling 3.0 obtuvo 63.5 en las mismas preguntas a ciegas en las que FLUX 3 obtuvo 62.2, y cuesta $0.1008 por segundo en 720p con sonido. Consulta nuestra reseña de Kling 3.0.
  • ¿Solo necesitas un archivo más grande? Video Upscaler lleva clips de 3 a 60 segundos a 1080p por $0.006 por segundo, o a 4K por $0.024, y conserva el sonido; la ampliación precisa de FLUX 3 cuesta $0.528 por segundo. Consulta nuestra reseña de Video Upscaler.

Hasta dónde llega FLUX 3

Cada nivel, en cada tarea, según resultados confirmados. Un nivel solo suma puntos cuando el contenido aparece de verdad, y una sola ejecución da como máximo un 60 %.

Puntos Freedom por nivel y tarea
NivelImagen a videoTexto a videoReescaladoExtensión de video
SuaveLos prompts más suaves de la prueba
4/4 entregados20,0 / 20 pts
4/4 entregados20,0 / 20 pts
3/3 entregados20,0 / 20 pts
2/3 entregados13,3 / 20 pts
ModeradoDonde los modelos con filtro empiezan a negarse
0/4 entregados0,0 / 20 pts
0/4 entregados0,0 / 20 pts
1/3 entregados6,7 / 20 pts
0/4 entregados0,0 / 20 pts
FuerteA mitad de escala; hay que probarlo antes de clasificar un modelo
0/6 entregados0,0 / 20 pts
0/6 entregados0,0 / 20 pts
0/3 entregados0,0 / 20 pts
0/3 entregados0,0 / 20 pts
Muy fuerteDonde la mayoría de los modelos empiezan a frenar
0/5 entregados0,0 / 20 pts
0/5 entregados0,0 / 20 pts
0/3 entregados0,0 / 20 pts
0/3 entregados0,0 / 20 pts
MáximoLa cima de la escala, puntuada en dos mitades: clase A y clase B
Clase A: 0/4 entregadosClase B: 0/4 entregados0,0 / 20 pts
Clase A: 0/4 entregadosClase B: 4/4 entregados10,0 / 20 pts
Clase A: 1/3 entregadosClase B: 3/3 entregados13,3 / 20 pts
Clase A: 0/3 entregadosClase B: 0/3 entregados0,0 / 20 pts
Puntuación de la tarea20,0 / 20,0Probado el 9 oct 202630,0 / 30,0Probado el 9 oct 202640,0 / 40,0Probado el 9 oct 202613,3 / 13,3La más baja: baja la mediaProbado el 9 oct 2026

Probado del 8 oct 2026 al 9 oct 2026

Este sitio se mantiene apto para el trabajo: los resultados se redactan en texto, cualquier imagen mostrada está pixelada y los prompts de prueba nunca se publican. Nunca probamos a nadie que parezca menor de edad, la imagen de personas reales ni la falta de consentimiento.

Ver todos los registros de prueba →Ver la clasificación sin censura →

Prueba tu propio prompt y comprueba hasta dónde llega

Crear en StudioAbrir el Playground

Cómo gana FLUX 3 su Spicy Index

Cada dimensión enlaza con su cálculo completo: la fila de la tabla de la que sale cada punto y por qué se perdieron puntos.

Clasificaciones públicas 45 % de la calidad
79,1
Prueba a ciegas de resultados 35 % de la calidad
62,2
Calidad en la arena 20 % de la calidad
Aún sin probar

Contará cuando el modelo tenga al menos 100 votos a ciegas y un intervalo del 95 % menor de 200 Elo. Cómo funciona

Capacidad Peso del 10,5 %
68,5
Freedom Score Peso del 30 %
25,8
Abrir el informe de prueba completo →

Capacidad, punto por punto

Puntos de la tabla pública de puntuación. Los niveles reescalados y los límites que fijamos nosotros no cuentan.

Resolución nativa máxima1080p
25,0 / 25
Clip único más largo20 s
11,0 / 20
Audio nativoSí
15,0 / 15
Entradas de referenciaSin imágenes de referencia · sin video ni audio
0,0 / 15
Control de fotogramasPrimer y último fotograma
10,0 / 10
Cobertura de tareasImagen a video, Texto a video, Extensión de video
7,5 / 10
Personalización (LoRA)Sin compatibilidad con LoRA
0,0 / 5

Calificación en la arena: 1085 (intervalo del 95 %: 952–1262); los votos siguen llegando.

Lo que FLUX 3 puede hacer en SpicyAPI

Tomado directamente de la especificación en vivo del modelo en SpicyAPI. Algunos creadores ofrecen más en sus propias apps; esto es lo que puedes llamar hoy desde nuestra API.

Capacidades por endpoint
FunciónImagen a videoTexto a videoReescaladoExtensión de video
Resoluciones720p · 1080p720p · 1080p—720p · 1080p
Duración del clip5–20 s5–20 s—5–20 s
Relaciones de aspecto16:9 · 9:16 · 1:1 · 4:3 · 3:4 · 21:9 · 2:116:9 · 9:16 · 1:1 · 4:3 · 3:4 · 21:9 · 2:1—16:9 · 9:16 · 1:1 · 4:3 · 3:4 · 21:9 · 2:1
Audio nativoSíSíNoSí
Control de semillaNoNoNoNo
Prompt negativoNoNoNoNo
Ver todos los parámetros y ejemplos de código →

Cuánto tarda de verdad

Medido con trabajos reales de los últimos 30 días, desde la solicitud hasta el resultado final. Los tiempos incluyen nuestras propias pruebas.

Tiempo mediano
1,6 min
Percentil 90
6,2 min
Espera por segundo de video
18,0 s por segundo de salida
Tasa de éxito
Recopilando datos

Un tiempo aparece cuando hay al menos 10 trabajos completados. Las tasas de éxito solo cuentan trabajos de clientes y siguen ocultas para todos los modelos hasta completar 30 días de tráfico.

Modelos que puedes considerar en lugar de FLUX 3

¿Qué opinas?

¿Te resultó útil esta reseña?

Inicia sesión para votar.

Comentarios

Los comentarios se revisan de forma automática y por nuestro equipo. Eliminamos el spam, el contenido inapropiado, los ataques personales y cualquier cosa que nombre a una persona real sin su consentimiento. Si reportas un comentario, lo revisamos en un día hábil.

¿Probaste este modelo? Comparte lo que te funcionó. Necesitas una cuenta gratuita para comentar, así mantenemos fuera el spam.

Preguntas frecuentes sobre FLUX 3

Prueba FLUX 3 por tu cuenta

Genera en Studio en pocos clics, o configura cada parámetro en el Playground y consulta el precio exacto antes de ejecutar.

0,30 US$ por clip de 5 segundos

Más reseñas

Ver las clasificaciones →
  • Una mujer con un vestido de seda esmeralda entre grandes hojas tropicales en un invernadero de cristal al atardecer

    Wan 3.0

    Wan 3.0 para tomas de 30 s baratas y sin censura, con sonido, desde texto, una imagen o referencias; no cuando la escena debe parar donde para tu guion.

    Spicy Index
    87,7
    Freedom Score
    96,0

    Probado el 24 sept 2026

    Leer la reseña
  • Una mujer con un vestido de seda dorada camina entre las olas al atardecer y la tela ondea detrás de ella

    Seedance 2.5

    Seedance 2.5 cuando una toma de 30 s debe seguir el guion o un gran reparto de referencias; para clips sin censura baratos, MiniMax H3 cuesta mucho menos.

    Spicy Index
    81,4
    Freedom Score
    83,6

    Probado el 24 sept 2026

    Leer la reseña
  • Una habitación oscura con una pared de ventanas altas sobre una ciudad brillante de noche, una sola figura pequeña junto al vidrio

    Wan 3.0 Prime

    Elige Wan 3.0 Prime para texto o referencia más rápidos por 36% más; en imagen a video, Wan 3.0 base cuesta menos y supera el mismo nivel de escena íntima.

    Spicy Index
    75,8
    Freedom Score
    80,7

    Probado el 24 sept 2026

    Leer la reseña