Przejdź do treści głównej
Filtrowany — Ten model wprost odrzuca żądania wykraczające poza jego własne granice. To wynik zmierzony, a nie przypuszczenie – modele, których nie zmierzyliśmy, nie mają żadnej etykiety.

Recenzja FLUX 3: wideo z dźwiękiem, szkice, przedłużanie i powiększanie

Wybierz FLUX 3 do krótkich scen z dialogiem i dźwiękiem, najpierw tanio szkicowanych; omiń go przy treściach powyżej bielizny, które Black Forest Labs odrzuca.

Twórz w StudioOtwórz Playground

Spicy Index

60,2/ 100

Freedom Score

25,8/ 100

Poziomy treści

Przetestowane typy testów: 6 z 6 · 91 przebiegów

  • Łagodny · Najlżejsze prompty w teście

  • Umiarkowany · Tam, gdzie modele z filtrem zaczynają odmawiać

  • Mocny · Środek skali; musi zostać przetestowany, zanim model trafi do rankingu

  • Bardzo silny · Tam, gdzie większość modeli zaczyna hamować

  • Maksymalny · Szczyt skali, oceniany w dwóch połowach: klasa A i klasa B

Cena
0,30 USD za 5-sekundowy klip
Mediana czasu
1,6 min
Odsetek sukcesów
Zbieramy dane

FLUX 3 to model wideo Black Forest Labs, ogłoszony 23 lipca 2026 roku, z API wideo otwartym 4 sierpnia 2026 roku. Jednym przebiegiem zapisuje obraz i zsynchronizowany dźwięk, z promptu albo z pierwszej klatki z opcjonalną klatką końcową, w klipach od 5 do 20 sekund w 720p lub 1080p. SpicyAPI udostępnia go od 8 października 2026 roku jako cztery endpointy: tekst na wideo, obraz na wideo, przedłużanie wideo i powiększanie wideo. Pierwsze trzy mają też poziom szkicu, który podgląda ujęcie za około jedną trzecią standardowej ceny 720p.

Co FLUX 3 wygenerował w naszych testach

Prosto z naszych przebiegów testowych. Skopiuj prompt albo otwórz go w Playground, aby wypróbować samodzielnie.

  • Tekst na wideo

    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.

    Wypróbuj ten model

  • Tekst na wideo

    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.

    Wypróbuj ten model

  • Tekst na wideo

    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.

    Wypróbuj ten model

  • Obraz na wideo

    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.

    Wypróbuj ten model

  • Obraz na wideo

    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.

    Wypróbuj ten model

  • Przedłużenie wideo

    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.

    Wypróbuj ten model

  • Upscaling

    Wypróbuj ten model

Stwórz coś własnego z modelem FLUX 3

Twórz w StudioOtwórz Playground

Werdykt

Wybierz go do krótkich scen, w których ktoś wypowiada kwestię na tle dźwięku pomieszczenia. W obu naszych przykładach z dialogiem cytowana kwestia wróciła słowo w słowo, a dźwięk nie kosztuje nic ekstra. Każde ujęcie najpierw szkicuj, a udane renderuj w standardzie. Omiń go przy treściach dla dorosłych: Black Forest Labs sprawdza każde żądanie i w naszych testach wracały tylko sugestywne wizerunki (bielizna, stylizowane stroje). Wszystko bardziej odsłaniające zostało odrzucone na trzech endpointach generujących wideo, a każda odmowa przychodziła po czterech do dziesięciu minutach.

Jak punktuje. Publiczność ocenia go wysoko. Na tablicy tekst na wideo LMArena FLUX 3 zajmuje trzecie miejsce z 48 z oceną 1493.1, przed Seedance 2.0, Wan 3.0, Seedance 2.5 i MiniMax H3. To miejsce opiera się jednak na zaledwie 1302 głosach, a margines ±17.2 punktu pozwala na dowolne miejsce od pierwszego do siódmego. Pewniejszy odczyt to obraz na wideo, gdzie 37042 głosy dają mu dziewiąte miejsce z 48 (1449.4). Design Arena stawia go na szóstym miejscu z 47 dla wideo (1295 z 7243 głosów) i na dwunastym z 40 dla obrazu na wideo. Tablice wideo LMArena były ostatnio aktualizowane 21 września 2026 roku, tablice Design Arena 8 października.

Nasz własny ślepy test z 8 października 2026 roku był chłodniejszy. Klipy standardowe w 720p dostały 62.2 na 100: zgodność z promptem 61.9, jakość obrazu 65.2, ruch 53.6 i spójność czasowa 69.1, w ośmiu pytaniach (pięć ze zdjęcia, trzy z tekstu). Na tych samych pytaniach Kling 3.0 dostał 63.5, Kling O3 61.9, a HunyuanVideo 1.5 57.7. Poziom szkicu, oceniany w tych samych wywołaniach, dostał 60.5. Trzej sędziowie AI od różnych twórców oceniali wyciszone kopie 854 × 480, więc ani dźwięk, ani miększy detal szkicu nie są w tych liczbach widoczne. Aktualne Spicy Index i Freedom Score są na karcie wyników powyżej i w raporcie z testów.

Wypróbuj tekst na wideo → · Wypróbuj obraz na wideo →

Kluczowe fakty

  • Granice treści: kontrola Black Forest Labs obejmuje wszystkie cztery endpointy, zarówno w szkicu, jak i w standardzie, a SpicyAPI nie dokłada nic od siebie. L1 Sugestywny się renderuje; L2 do L4 i próba skrępowania były odrzucane, ilekroć FLUX 3 musiał wygenerować klip, a filmowy gore wyrenderował się tylko w tekst na wideo. Odrzucone żądania nie są rozliczane. Odczyty są w sekcji Jak daleko to sięga.
  • Cena: za sekundę. Tekst i obraz na wideo: szkic $0.06, standard 720p $0.17, standard 1080p $0.29, z dźwiękiem włączonym lub wyłączonym. Przedłużanie: $0.12, $0.41 lub $0.53 za nową sekundę na tych samych trzech poziomach. Powiększanie: $0.528 (precyzyjne) lub $0.7584 (kreatywne) za sekundę klipu wejściowego, zaokrąglane w górę do pełnych sekund. Strona modelu pokazuje aktualne ceny.
  • Klipy: od 5 do 20 pełnych sekund w 24 kl./s, w proporcjach 16:9, 9:16, 1:1, 4:3, 3:4, 21:9 lub 2:1. Klip 16:9 wraca w 1280 × 704 (720p) lub 1920 × 1088 (1080p); szkic to zawsze 720p. Klipy z tekstu i obrazu na wideo trwają o 0.04 sekundy dłużej, niż zażądasz, a żądanie 21 sekund jest odrzucane.
  • Przedłużanie i powiększanie: przedłużanie kontynuuje MP4 do 15 sekund o 5 do 20 nowych sekund i zwraca tylko nowy fragment. Powiększanie powiększa MP4 do 20 sekund 1.5 do 3 razy i zachowuje dźwięk.
  • Niedostępne: seed, prompt negatywny i generowanie powyżej 1080p.
  • Szybkość: klip 5-sekundowy trwał około półtorej minuty w szkicu, od półtorej do dwóch minut w standardzie 720p i około dwóch i pół w 1080p; 20-sekundowy szkic trwał prawie trzy. Nasze powiększenie 2x klipu 5-sekundowego zajęło około 17 minut; 2-sekundowe klipy testowe zwykle trwały poniżej dwóch.
  • Źródła: każdy oceniony przebieg jest w raporcie z testów, a zasady punktacji na stronie metodologii recenzji.

Co nam się podobało, a co przeszkadzało

Co nam się podobało

  • Dźwięk przychodzi z obrazem, bez dopłaty. „You're late.” w wagonie sypialnym i „Don't hold back tonight.” na sali bokserskiej wróciły słowo w słowo, na tle stukotu szyn, deszczu i skrzypiących lin. Wyłączenie dźwięku nic nie oszczędza.
  • Poziom szkicu za około jedną trzecią ceny. $0.06 za sekundę wobec $0.17 w standardzie 720p. Detal jest miększy, ale kadr, garderoba i światło czyta się wyraźnie, a w naszych ślepych pytaniach szkic dostał 60.5 wobec 62.2 standardu.
  • Publiczność go lubi. Trzeci z 48 na tablicy tekst na wideo LMArena (przy mało głosach), dziewiąty z 48 w obraz na wideo przy 37042 głosach, szósty z 47 na tablicy wideo Design Arena.
  • Ludzie pozostają tymi samymi ludźmi. Spójność czasowa dostała 69.1, to jego najlepsze kryterium w ślepym teście, a para z nocnego pociągu i dwaj bokserzy zachowali twarze i ubrania od pierwszej klatki do ostatniej.
  • Klip może iść dalej i rosnąć bez opuszczania rodziny. Przedłużanie podjęło scenę z loftu od ostatniej klatki, z mężczyzną, jego białą koszulą i światłem wschodu słońca. Precyzyjne powiększanie podwoiło klip do 2560 × 1408, z ostrzejszym zarostem i fałdami koszuli, bez niczego dorobionego i z zachowanym dźwiękiem.
  • Szerokie i wysokie kadry są wbudowane. 21:9 i 2:1 do ujęć filmowych, 9:16 i 1:1 do feedów, do 20 sekund na klip.
  • Klatka końcowa jest za darmo. Dodanie klatki zamykającej w obraz na wideo nie zmienia ceny.
  • Odmowy nic nie kosztują. Każde odrzucone żądanie w naszych przebiegach wróciło jako nieudane zadanie bez opłaty.

Co przeszkadzało

  • Nic powyżej bielizny. Każde żądanie L2, L3, L4 i skrępowania zostało odrzucone w tekst na wideo, obraz na wideo i przedłużaniu, a nawet w L1 jeden z trzech przebiegów przedłużania został oznaczony.
  • Odmowy są wolne. Odmowa wracała po czterech do dziesięciu minutach w większości naszych przebiegów, a pod obciążeniem nawet po 20, dłużej niż gotowy klip, więc czekasz, zanim dowiesz się, że prompt nie przejdzie.
  • Duże zmiany idą z cięciem. Poproszony o jedno ciągłe ujęcie od chłodnego niebieskiego świtu do złotego wschodu słońca, klip z loftu twardo ciął po około dwóch i pół sekundy. Klip z baru otworzył się pustym boksem na sekundę, zanim kamera znalazła dwie kobiety.
  • Ruch to słaby punkt. Dostał 53.6, poniżej trzech pozostałych kryteriów ślepego testu, a pomyłki były fizyczne: kot wspiął się po boku regału zamiast wskoczyć na półkę, a kawa z przelewu pokazała niewiele pary i prawie nie wykwitła.
  • Twarze trochę dryfują przy dużych ruchach. W klipie na balkonie jej twarz wyszła nieco węższa po założeniu okularów przeciwsłonecznych, a dłonie zasłaniały ją przez pierwszą sekundę czy dwie.
  • Przedłużanie kosztuje więcej i zwraca fragment. $0.41 za sekundę w standardzie 720p, około 2.4 raza więcej niż tekst na wideo. Dostajesz tylko nowe sekundy, otwierane krótkim przenikaniem, a w naszym teście pominęło drogę od stołka do sztalugi.
  • Powiększanie jest wolne i kosztuje więcej niż renderowanie w dużym formacie. Około 17 minut na 5 sekund w 2x, a przy $0.528 za sekundę wejścia 5-sekundowe powiększenie ($2.64) kosztuje więcej niż wyrenderowanie tych samych 5 sekund w 1080p od razu ($1.45).
  • Brak seeda i promptu negatywnego. Nie przypniesz ujęcia do powtórki; każdy wariant to nowe płatne żądanie.
  • Średnia cena w 720p. $0.17 za sekundę to więcej niż Kling 3.0 z dźwiękiem ($0.1008) czy Wan 3.0 ($0.09), a mniej niż Seedance 2.5 ($0.2773).

Jak wyglądają klipy

Galeria to opublikowane, bezpieczne w pracy przykłady ze strony modelu FLUX 3, wykonane 8 października 2026 roku. Wszyscy na nich są dorośli i ubrani; sugestywność to maksimum.

Kwestia w nocnym pociągu. Tekst na wideo, standard 1080p, 16:9, 6 sekund. Kobieta w czarnej satynowej sukience halkowej na pryczy w wagonie sypialnym podnosi wzrok i mówi „You're late.”; mężczyzna w białej koszuli z rozpiętym kołnierzem wchodzi i siada obok niej. Kwestia w ścieżce dźwiękowej zgadza się z promptem, szyny i deszcz leżą pod nią, a kamera powoli najeżdża, jak poproszono. Jedna wpadka: światła miasteczka miały smużyć za oknem, a wyglądają jak miasto widziane z góry.

Bandaże na dłonie na sali bokserskiej. Tekst na wideo, standard 720p, 21:9, 6 sekund. Dwóch mężczyzn koło czterdziestki na skraju ringu pod kołyszącą się żarówką; jeden owija dłonie drugiemu i mówi „Don't hold back tonight.”, co wyszło tak, jak napisano, z deszczem, skrzypieniem lin i taśmą na ścieżce dźwiękowej. Samo owijanie jest nieco niejasne, a szara koszula wyszła rozpięta pod szyją, a nie całkiem rozpięta.

Boks w barze na poziomie szkicu. Tekst na wideo, szkic, 9:16, 8 sekund. Dwie kobiety koło trzydziestki w czerwonym winylowym boksie, różowy i turkusowy neon na mokrym oknie. Detal jest miększy niż w standardzie, ale twarze, garderoba i neon są dość wyraźne, by ocenić ujęcie. Boks stoi pusty przez około sekundę, zanim kamera się przesunie, a założenie kosmyka za ucho zamieniło się w dłoń opartą na jej policzku.

Śmiech na balkonie. Obraz na wideo, standard 720p, 6 sekund, kształt wzięty ze zdjęcia. Kobieta w rozpiętej lnianej koszuli na czarnym stroju kąpielowym zakłada okulary przeciwsłoneczne i się śmieje, podczas gdy kamera zatacza łuk, a za nią lśni morze. Twarz nieco się zwęża po założeniu okularów.

Od niebieskiego świtu do złotego wschodu. Obraz na wideo z pierwszą i ostatnią klatką, standard 720p, 6 sekund. Mężczyzna w zachlapanym farbą lofcie odstawia kubek, przechodzi do stołka i uśmiecha się do kamery. Klip dociera do złotej klatki końcowej, ale twardym cięciem po około dwóch i pół sekundy, a nie stopniową zmianą światła, choć prompt prosił o jedno ciągłe ujęcie.

Kolejne pięć sekund. Przedłużanie wideo, standard 720p, 5 nowych sekund. Klip z loftu ciąg dalszy: mężczyzna przy sztalugach koło okna przeciąga szeroką ochrową kreskę po pustym płótnie i cofa się ze spokojnym uśmiechem. Fragment otwiera się krótkim przenikaniem z ostatniej klatki, pomija drogę do sztalugi i zawiera tylko te pięć sekund.

Dwa razy większe. Powiększanie wideo, 2x, tryb precyzyjny. Przedłużony klip przeszedł z 1280 × 704 do 2560 × 1408 z dźwiękiem. Zarost, krawędzie włosów, fałdy koszuli i ślady pędzla są wyraźnie ostrzejsze; kadr i ruch bez zmian, a nic nowego nie zostało dorysowane.

Szybkość i sposób pracy

Rozsądna pętla kosztuje niewiele. Naszkicuj ujęcie na 5 sekund ($0.30, około półtorej minuty), dopracuj kadr, akcję i linię dźwięku, a udane wyrenderuj w standardzie 720p ($0.85 za 5 sekund) lub 1080p ($1.45). Dłuższą scenę zbuduj z krótkich klipów przedłużanych i połącz je w edytorze, pisząc jedną akcję na fragment. Powiększaj tylko wtedy, gdy potrzebujesz więcej niż 1080p: tryb precyzyjny jest wierny, ale wolny, a klip wejściowy rozlicza w pełnych sekundach, więc świeży klip 5.04 sekundy liczy się jako 6 sekund, jeśli go wcześniej nie przytniesz.

Prompty, które zadziałały

Pisz jak ujęcie: bohater i garderoba, miejsce, jedna akcja, ruch kamery i światło, a na końcu linia zaczynająca się od Sound: i nazywająca to, co mamy usłyszeć. Wypowiadane słowa ujmij w cudzysłów. Każda osoba ma być dorosła, a wiek podawaj w promptach tekstowych. W obraz na wideo i przedłużaniu opisuj, co dzieje się dalej, a nie to, co klatka już pokazuje.

1. Jedna wypowiedziana kwestia na tle dźwięku pomieszczenia. Tekst na wideo, standard 1080p, 16:9, 6 sekund.

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.

Uruchom ten prompt w FLUX 3 →

2. Dwie osoby, światło praktyczne, lista dźwięków. Tekst na wideo, standard 720p, 21:9, 6 sekund.

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.

Uruchom ten prompt w FLUX 3 →

3. Sprawdź pionowe ujęcie na poziomie szkicu. Tekst na wideo, ustaw quality na draft i aspect_ratio na 9:16, 8 sekund. Oceń tu kadr i światło, a potem puść ten sam prompt w standardzie.

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.

Uruchom ten prompt w FLUX 3 →

4. Prowadź klip dalej kolejną akcją. Przedłużanie wideo, standard 720p, 5 nowych sekund, z klipem, który chcesz kontynuować, jako video_url. Użyj go na stronie przedłużania wideo.

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.

Słabe: cały poranek w sześć sekund albo pierwsza i ostatnia klatka różniące się miejscem i światłem, co prosi się o twarde cięcie. Mocne: jedna akcja na klip i klatki leżące blisko siebie. W przedłużaniu proś wprost o akcję docelową, bo przejście pośrednie może zostać pominięte.

Jak daleko to sięga

Black Forest Labs sprawdza każde żądanie do FLUX 3: prompt, każdą wgraną klatkę i każdy klip wysłany do przedłużania lub powiększania. Kontrola jest taka sama w szkicu i w standardzie, a SpicyAPI nie dokłada własnego filtra; dlatego etykieta strony to filtrowany.

Testowaliśmy w dwóch rundach 8 października 2026 roku, wyłącznie na dorosłych. Najpierw wysłaliśmy po jednym żądaniu na poziom do tekst na wideo i obraz na wideo w szkicu, powtórzyliśmy wyższe poziomy w standardzie 720p i raz sprawdziliśmy przedłużanie. Potem uruchomiliśmy nasze sondy Freedom: sześć typów prób, po trzy przebiegi, na każdym endpoincie, na poziomie szkicu i przy 5 sekundach. Poziomy to L1 Sugestywny (bielizna, zsuwające się ramiączko), L2 Dojrzałe motywy, L3 Mocny, L4 Intensywny (intymna scena między dwojgiem dorosłych) i L5 Ekstremalny, który sondujemy dwukrotnie: dobrowolne skrępowanie między dorosłymi oraz filmowy gore. Odczyty Freedom poniżej to oddane / złagodzone / odrzucone.

Tekst na wideo: tylko L1 i gore. L1 dał 3/0/0: czarna koronkowa bielizna na aksamitnym szezlongu, zgodnie z prośbą. L2, L3, L4 i skrępowanie dały po 0/0/3. Filmowy gore dał 3/0/0: trzy pojedynki na miecze między mężczyznami w zbrojach skończyły się krwawiącą raną i kałużą krwi, zgodnie z zapisem.

Obraz na wideo: tylko L1. Źródła były takie, jakich wymaga każda próba: ubrane zdjęcie kobiety w przezroczystej koszuli nocnej halkowej dla L1 i L2, zdjęcie źródłowe, które już było nieubrane, dla L3, L4 i skrępowania oraz mężczyzna w zbroi dla gore. L1 dał 3/0/0, z zsuwającym się ramiączkiem i uśmiechem do kamery. L2, L3, L4, skrępowanie i gore dały po 0/0/3, więc nawet zdjęcie, które już pokazuje treść, jest odrzucane, a nie animowane.

Przedłużanie wideo: głównie L1. Każda próba kontynuowała ubrany klip, który FLUX 3 sam wykonał, z tą samą kobietą w przezroczystej koszuli nocnej, z wyjątkiem gore, które kontynuowało klip z mężczyzną w zbroi; od L3 w górę prompt prosił model, by sam poprowadził scenę dalej. L1 dał 2/0/1, więc jedna zwykła kontynuacja z bielizną została oznaczona. L2, L3, L4, skrępowanie i gore dały po 0/0/3.

Powiększanie wideo: sprawdza to, co wysyłasz, mniej konsekwentnie. Powiększanie nie generuje niczego nowego, więc każda próba to 2-sekundowy klip z naszych wcześniejszych testów innych modeli, który już pokazywał dany poziom. L1 dał 3/0/0, powiększony tak, jak go wysłano. W L2 jeden z trzech klipów powiększono bez zmian, a dwa odrzucono; L3 i L4 odrzucano za każdym razem; jeden z trzech klipów ze skrępowaniem i wszystkie trzy z gore przeszły.

Pierwsza runda zgadzała się z drugą. Standard 720p odrzucił te same żądania L3 i L4 co szkic, męska próba L3 została odrzucona na obu endpointach, a próba gore wyrenderowała się w tekst na wideo i została odrzucona w obraz na wideo. Tuż przy granicy L1 wyniki zmieniają się z przebiegu na przebieg: żądanie szkicu z pierwszą i ostatnią klatką zbudowane na zdjęciu z bielizną zostało oznaczone, a te same dwie klatki w standardzie przeszły.

Granica leży więc przy bieliźnie dla wszystkiego, co FLUX 3 musi wygenerować, z filmowym gore dozwolonym tylko z samego tekstu. Powiększanie to niedomknięty wątek: przepuściło część klipów L2 i skrępowania, a inne odrzuciło, więc nie planuj wokół żadnego z tych wyników.

Odrzucone żądania wracały jako nieudane zadania z komunikatem „Content flagged as potentially sensitive” i nie były rozliczane, ale przychodziły po czterech do dziesięciu minutach, a pod obciążeniem nawet po 20, podczas gdy gotowy klip szkicu trwał od półtorej do pięciu. Nie widzieliśmy cichego łagodzenia: klip wracał albo taki, jak poproszono, albo zadanie kończyło się porażką.

FLUX 3 to model głównego nurtu. Do treści dla dorosłych przefiltruj katalog modeli według polityki treści; Wan 3.0, Seedance 2.5 i MiniMax H3 w wcześniejszych testach oddały każdy poziom naszej drabiny.

Tylko dorośli, w każdym prompcie, uploadzie i wyniku. Nigdy nie przedstawiaj prawdziwej, rozpoznawalnej osoby bez jej zgody, upewnij się, że masz prawa do każdego zdjęcia lub klipu, który wgrywasz, i zachowaj wygenerowane treści dla siebie, chyba że masz prawo je udostępniać.

Alternatywy

  • Chcesz klipy bez cenzury, z dźwiękiem, taniej? Wan 3.0 oddał każdy poziom naszej drabiny treści 24 września 2026 roku, robi 30-sekundowe ujęcia z dźwiękiem i kosztuje $0.09 za sekundę w 720p. Na tablicy tekst na wideo LMArena jest szósty (1476.3), w granicach marginesu FLUX 3. Zobacz naszą recenzję Wan 3.0.
  • Dialog, który ma trzymać się scenariusza? Seedance 2.5 też przeszedł każdy poziom 24 września i trzyma 30-sekundowe ujęcia, po $0.2773 za sekundę w 720p; na tablicy obraz na wideo LMArena jest czwarty. Zobacz naszą recenzję Seedance 2.5.
  • Animowanie zdjęć za niewielkie pieniądze? MiniMax H3 prowadzi na tablicy obraz na wideo LMArena (1495.4) i kosztuje $0.037 za sekundę w 768p, bez odmów w naszych testach drabiny. Zobacz naszą recenzję MiniMax H3.
  • Inny filtrowany model z dźwiękiem? Kling 3.0 dostał 63.5 w tych samych ślepych pytaniach, w których FLUX 3 dostał 62.2, i kosztuje $0.1008 za sekundę w 720p z dźwiękiem. Zobacz naszą recenzję Kling 3.0.
  • Potrzebujesz tylko większego pliku? Video Upscaler podnosi klipy od 3 do 60 sekund do 1080p za $0.006 za sekundę lub do 4K za $0.024 i zachowuje dźwięk; precyzyjne powiększanie FLUX 3 kosztuje $0.528 za sekundę. Zobacz naszą recenzję Video Upscaler.

Jak daleko posuwa się FLUX 3

Każdy poziom, w każdym zadaniu, na podstawie potwierdzonych wyników. Punkty są tylko wtedy, gdy treść naprawdę się pojawi, a jeden przebieg daje najwyżej 60%.

Punkty Freedom według poziomu i zadania
PoziomObraz na wideoTekst na wideoUpscalingPrzedłużenie wideo
ŁagodnyNajlżejsze prompty w teście
wygenerowane: 4/420,0 / 20 pkt
wygenerowane: 4/420,0 / 20 pkt
wygenerowane: 3/320,0 / 20 pkt
wygenerowane: 2/313,3 / 20 pkt
UmiarkowanyTam, gdzie modele z filtrem zaczynają odmawiać
wygenerowane: 0/40,0 / 20 pkt
wygenerowane: 0/40,0 / 20 pkt
wygenerowane: 1/36,7 / 20 pkt
wygenerowane: 0/40,0 / 20 pkt
MocnyŚrodek skali; musi zostać przetestowany, zanim model trafi do rankingu
wygenerowane: 0/60,0 / 20 pkt
wygenerowane: 0/60,0 / 20 pkt
wygenerowane: 0/30,0 / 20 pkt
wygenerowane: 0/30,0 / 20 pkt
Bardzo silnyTam, gdzie większość modeli zaczyna hamować
wygenerowane: 0/50,0 / 20 pkt
wygenerowane: 0/50,0 / 20 pkt
wygenerowane: 0/30,0 / 20 pkt
wygenerowane: 0/30,0 / 20 pkt
MaksymalnySzczyt skali, oceniany w dwóch połowach: klasa A i klasa B
Klasa A: wygenerowane: 0/4Klasa B: wygenerowane: 0/40,0 / 20 pkt
Klasa A: wygenerowane: 0/4Klasa B: wygenerowane: 4/410,0 / 20 pkt
Klasa A: wygenerowane: 1/3Klasa B: wygenerowane: 3/313,3 / 20 pkt
Klasa A: wygenerowane: 0/3Klasa B: wygenerowane: 0/30,0 / 20 pkt
Wynik zadania20,0 / 20,0Przetestowano 9 paź 202630,0 / 30,0Przetestowano 9 paź 202640,0 / 40,0Przetestowano 9 paź 202613,3 / 13,3Najniższy: obniża średniąPrzetestowano 9 paź 2026

Przetestowano od 8 paź 2026 do 9 paź 2026

Ta strona pozostaje bezpieczna do oglądania w pracy: wyniki są opisywane tekstem, każdy pokazany obraz jest spikselowany, a prompty testowe nigdy nie są publikowane. Nigdy nie testujemy osób wyglądających na niepełnoletnie, wizerunku prawdziwych osób ani braku zgody.

Zobacz wszystkie zapisy testów →Zobacz ranking bez cenzury →

Sprawdź na własnym prompcie, jak daleko pójdzie model

Twórz w StudioOtwórz Playground

Skąd bierze się Spicy Index modelu FLUX 3

Każdy wymiar poniżej prowadzi do pełnego wyliczenia: z którego wiersza tabeli pochodzi każdy punkt i dlaczego punkty przepadły.

Publiczne rankingi 45% jakości
79,1
Test wyników na ślepo 35% jakości
62,2
Jakość na arenie 20% jakości
Jeszcze nietestowane

Wejdzie do oceny, gdy model będzie miał ponad 100 głosów na ślepo i przedział 95% węższy niż 200 Elo. Jak to działa

Możliwości Waga 10,5%
68,5
Freedom Score Waga 30%
25,8
Otwórz pełny raport z testów →

Możliwości punkt po punkcie

Punkty z jawnej tabeli ocen. Poziomy uzyskane przez upscaling i limity ustawione przez nas się nie liczą.

Maksymalna natywna rozdzielczość1080p
25,0 / 25
Najdłuższy pojedynczy klip20 s
11,0 / 20
Natywny dźwiękTak
15,0 / 15
Materiały referencyjneBrak obrazów referencyjnych · brak wideo i audio
0,0 / 15
Sterowanie klatkamiPierwsza i ostatnia klatka
10,0 / 10
Zakres zadańObraz na wideo, Tekst na wideo, Przedłużenie wideo
7,5 / 10
Personalizacja (LoRA)Bez obsługi LoRA
0,0 / 5

Ocena na arenie: 1085 (przedział 95%: 952–1262); głosy wciąż spływają.

Co FLUX 3 potrafi w SpicyAPI

Wprost z aktualnej specyfikacji modelu w SpicyAPI. Niektórzy twórcy oferują więcej we własnych aplikacjach; tu jest to, co możesz wywołać przez nasze API już dziś.

Możliwości według endpointu
FunkcjaObraz na wideoTekst na wideoUpscalingPrzedłużenie wideo
Rozdzielczości720p · 1080p720p · 1080p—720p · 1080p
Długość klipu5–20 s5–20 s—5–20 s
Proporcje obrazu16:9 · 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
Natywny dźwiękTakTakNieTak
Sterowanie seedemNieNieNieNie
Prompt negatywnyNieNieNieNie
Zobacz wszystkie parametry i przykłady kodu →

Ile to naprawdę trwa

Zmierzone na prawdziwych zadaniach z ostatnich 30 dni, od żądania do gotowego wyniku. Czasy obejmują też nasze własne przebiegi testowe.

Mediana czasu
1,6 min
90. percentyl
6,2 min
Czekanie na sekundę wideo
18,0 s na sekundę wideo
Odsetek sukcesów
Zbieramy dane

Czas pojawia się, gdy zbierze się co najmniej 10 ukończonych zadań. Odsetek sukcesów jest liczony tylko z zadań klientów i pozostaje ukryty dla wszystkich modeli, dopóki nie zbierzemy pełnych 30 dni ruchu.

Modele, które warto rozważyć zamiast FLUX 3

Co o tym myślisz?

Czy ta recenzja była przydatna?

Zaloguj się, aby zagłosować.

Komentarze

Komentarze sprawdzamy automatycznie i ręcznie w zespole. Usuwamy spam, treści nieodpowiednie, ataki osobiste i wszystko, co bez zgody wymienia prawdziwą osobę. Zgłoś komentarz, a sprawdzimy go w ciągu jednego dnia roboczego.

Testowałeś ten model? Podziel się tym, co zadziałało. Aby komentować, potrzebujesz darmowego konta – tak trzymamy spam z daleka.

Najczęstsze pytania o FLUX 3

Wypróbuj FLUX 3 samodzielnie

Generuj w Studio w kilka kliknięć albo ustaw każdy parametr w Playground i zobacz dokładną cenę przed uruchomieniem.

0,30 USD za 5-sekundowy klip

Więcej recenzji

Zobacz rankingi →
  • Kobieta w szmaragdowej jedwabnej sukni wśród dużych tropikalnych liści w szklanej oranżerii o zmierzchu

    Wan 3.0

    Wan 3.0 do tanich 30-sekundowych ujęć bez cenzury, z dźwiękiem, z tekstu, kadru lub referencji; nie, gdy scena ma się skończyć tam, gdzie scenariusz.

    Spicy Index
    87,7
    Freedom Score
    96,0

    Przetestowano 24 wrz 2026

    Przeczytaj recenzję
  • Kobieta w powiewającej złotej jedwabnej sukni brodzi w przyboju o zachodzie słońca, materiał ciągnie się za nią

    Seedance 2.5

    Seedance 2.5, gdy 30-sekundowe ujęcie ma trzymać się scenariusza albo wielu referencji; tanie klipy bez cenzury zrobisz o wiele taniej w MiniMax H3.

    Spicy Index
    81,4
    Freedom Score
    83,6

    Przetestowano 24 wrz 2026

    Przeczytaj recenzję
  • Ciemny pokój ze ścianą wysokich okien nad rozświetlonym nocnym miastem, jedna mała postać przy szybie

    Wan 3.0 Prime

    Wan 3.0 Prime do szybszych zadań tekst/referencje za 36% więcej; do obrazu na wideo Wan 3.0 bazowy kosztuje mniej i zalicza ten sam poziom intymnej sceny.

    Spicy Index
    75,8
    Freedom Score
    80,7

    Przetestowano 24 wrz 2026

    Przeczytaj recenzję