Pular para o conteúdo principal
Com filtro — Este modelo recusa de forma clara os pedidos que passam dos seus próprios limites. É um resultado medido, não presumido; modelos que você não vê rotulados ainda não foram medidos.

Análise do FLUX 3: vídeo com som, rascunhos, extensão e ampliação

Escolha o FLUX 3 para cenas curtas com diálogo e som, com rascunhos baratos antes; evite-o para o que passar da lingerie, que a Black Forest Labs recusa.

Criar no StudioAbrir o Playground

Spicy Index

60,2/ 100

Freedom Score

25,8/ 100

Níveis de conteúdo

6 de 6 tipos de teste realizados · 91 execuções

  • Leve · Os prompts mais leves do teste

  • Moderado · Onde os modelos com filtro começam a recusar

  • Forte · No meio da escala; precisa ser testado antes de um modelo ser ranqueado

  • Muito forte · Onde a maioria dos modelos começa a se conter

  • Máximo · O topo da escala, pontuado em duas metades: classe A e classe B

Preço
US$ 0,30 por clipe de 5 segundos
Tempo mediano
1,6 min
Taxa de sucesso
Coletando dados

O FLUX 3 é o modelo de vídeo da Black Forest Labs, anunciado em 23 de julho de 2026, com a API de vídeo aberta em 4 de agosto de 2026. Numa única passada ele escreve a imagem e o som sincronizado, a partir de um prompt ou de um primeiro quadro com um último quadro opcional, em clipes de 5 a 20 segundos em 720p ou 1080p. A SpicyAPI o oferece desde 8 de outubro de 2026 em quatro endpoints: texto para vídeo, imagem para vídeo, extensão de vídeo e ampliação de vídeo. Os três primeiros têm ainda um nível de rascunho que pré-visualiza uma cena por cerca de um terço do preço padrão em 720p.

O que FLUX 3 gerou nos nossos testes

Direto das nossas execuções de teste. Copie um prompt ou abra no Playground para testar você mesmo.

  • Texto para vídeo

    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.

    Testar este modelo

  • Texto para vídeo

    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.

    Testar este modelo

  • Texto para vídeo

    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.

    Testar este modelo

  • Imagem para vídeo

    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.

    Testar este modelo

  • Imagem para vídeo

    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.

    Testar este modelo

  • Extensão de vídeo

    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.

    Testar este modelo

  • Ampliação

    Testar este modelo

Crie o seu com FLUX 3

Criar no StudioAbrir o Playground

O veredito

Escolha-o para cenas curtas em que alguém diz uma fala sobre o som do ambiente. Nos nossos dois exemplos de diálogo, a fala entre aspas voltou palavra por palavra, e o som não custa nada a mais. Faça primeiro o rascunho de cada cena e renderize as boas no padrão. Evite-o para conteúdo adulto: a Black Forest Labs revisa cada requisição e, nos nossos testes, só voltaram visuais sugestivos (lingerie, figurinos estilizados). Qualquer coisa mais reveladora foi recusada nos três endpoints que geram vídeo, e cada recusa levou de quatro a dez minutos para chegar.

Como ele pontua. O público o avalia bem. No placar de texto para vídeo da LMArena, o FLUX 3 fica em terceiro de 48 com nota 1493.1, à frente do Seedance 2.0, do Wan 3.0, do Seedance 2.5 e do MiniMax H3. Só que essa posição se apoia em apenas 1.302 votos, e a margem de ±17.2 pontos coloca a posição real em qualquer lugar do primeiro ao sétimo. A leitura mais firme é a de imagem para vídeo, em que 37.042 votos o colocam em nono de 48 (1449.4). A Design Arena o põe em sexto de 47 em vídeo (1295 com 7.243 votos) e em décimo segundo de 40 em imagem para vídeo. Os placares de vídeo da LMArena foram atualizados pela última vez em 21 de setembro de 2026, os da Design Arena em 8 de outubro.

O nosso próprio teste às cegas de 8 de outubro de 2026 foi mais frio. Os clipes padrão em 720p tiraram 62.2 de 100: aderência ao prompt 61.9, qualidade visual 65.2, movimento 53.6 e consistência temporal 69.1, em oito perguntas (cinco a partir de uma imagem estática, três a partir de texto). Nas mesmas perguntas, o Kling 3.0 tirou 63.5, o Kling O3 61.9 e o HunyuanVideo 1.5 57.7. O nível de rascunho, avaliado nas mesmas chamadas, tirou 60.5. Três juízes de IA de fabricantes diferentes pontuaram cópias sem som em 854 × 480, então nem o som nem o detalhe mais suave do rascunho aparecem nesses números. O Spicy Index e o Freedom Score ao vivo estão no cartão de notas acima e no relatório de testes.

Experimente texto para vídeo → · Experimente imagem para vídeo →

Fatos principais

  • Limites de conteúdo: a revisão da Black Forest Labs vale para os quatro endpoints, tanto no rascunho quanto no padrão, e a SpicyAPI não acrescenta nada por cima. L1 Sugestivo renderiza; L2 a L4 e o teste de contenção foram recusados sempre que o FLUX 3 tinha de gerar o clipe, e o gore cinematográfico só renderizou em texto para vídeo. Requisições recusadas não são cobradas. As leituras estão em Até onde vai.
  • Preço: por segundo. Texto e imagem para vídeo: rascunho $0.06, padrão 720p $0.17, padrão 1080p $0.29, com som ligado ou desligado. Extensão: $0.12, $0.41 ou $0.53 por segundo novo nos mesmos três níveis. Ampliação: $0.528 (precisa) ou $0.7584 (criativa) por segundo do clipe de entrada, arredondado para cima em segundos inteiros. A página do modelo mostra os preços atuais.
  • Clipes: de 5 a 20 segundos inteiros a 24 fps, em 16:9, 9:16, 1:1, 4:3, 3:4, 21:9 ou 2:1. Um clipe 16:9 sai em 1280 × 704 (720p) ou 1920 × 1088 (1080p); o rascunho é sempre 720p. Os clipes de texto e imagem para vídeo ficam 0.04 segundo acima do tamanho pedido, e uma requisição de 21 segundos é rejeitada.
  • Extensão e ampliação: a extensão continua um MP4 de até 15 segundos com 5 a 20 segundos novos e devolve só o trecho novo. A ampliação aumenta um MP4 de até 20 segundos em 1.5 a 3 vezes e mantém o som.
  • Não disponível: seed, prompt negativo e geração acima de 1080p.
  • Velocidade: um clipe de 5 segundos levou cerca de um minuto e meio no rascunho, de um minuto e meio a dois no padrão 720p e uns dois minutos e meio em 1080p; um rascunho de 20 segundos levou quase três. A nossa ampliação 2x de um clipe de 5 segundos levou cerca de 17 minutos; os clipes de teste de 2 segundos quase sempre levaram menos de dois.
  • Fontes: cada execução pontuada está no relatório de testes, e as regras de pontuação na página de metodologia das análises.

O que gostamos e o que atrapalhou

O que gostamos

  • O som vem com a imagem, sem custo extra. “You're late.” num trem-leito e “Don't hold back tonight.” numa academia de boxe voltaram palavra por palavra, sobre o barulho dos trilhos, a chuva e as cordas rangendo. Desligar o som não economiza nada.
  • Um nível de rascunho por cerca de um terço do preço. $0.06 por segundo contra $0.17 no padrão 720p. O detalhe é mais suave, mas enquadramento, figurino e luz se leem com clareza, e nas nossas perguntas às cegas o rascunho tirou 60.5 contra 62.2 do padrão.
  • O público gosta dele. Terceiro de 48 no placar de texto para vídeo da LMArena (com poucos votos), nono de 48 em imagem para vídeo com 37.042 votos, sexto de 47 no placar de vídeo da Design Arena.
  • As pessoas continuam sendo as mesmas. A consistência temporal tirou 69.1, o melhor critério dele no teste às cegas, e o casal do trem noturno e os dois boxeadores mantiveram rostos e roupas do primeiro quadro ao último.
  • Um clipe pode continuar e ficar maior sem sair da família. A extensão retomou a cena do loft a partir do último quadro, com o homem, a camisa branca e a luz do nascer do sol mantidos. A ampliação precisa então dobrou o clipe para 2560 × 1408, com barba por fazer e dobras da camisa mais nítidas, nada inventado e o som preservado.
  • Formatos largos e altos já vêm prontos. 21:9 e 2:1 para planos de cinema, 9:16 e 1:1 para feeds, até 20 segundos por clipe.
  • O último quadro sai de graça. Acrescentar um quadro de fechamento em imagem para vídeo não muda o preço.
  • Recusas não custam nada. Cada requisição recusada nas nossas execuções voltou como um trabalho com falha, sem cobrança.

O que atrapalhou

  • Nada além da lingerie. Toda requisição de L2, L3, L4 e contenção foi recusada em texto para vídeo, imagem para vídeo e extensão, e até em L1 uma de três execuções de extensão foi sinalizada.
  • As recusas são lentas. Uma recusa levou de quatro a dez minutos para voltar na maioria das nossas execuções, e até 20 sob carga, mais do que um clipe pronto, então você espera antes de saber que um prompt não vai passar.
  • Mudanças grandes vêm com um corte. Pedido um único plano contínuo do azul frio da madrugada ao nascer do sol dourado, o clipe do loft deu um corte seco por volta de dois segundos e meio. O clipe da lanchonete abriu com uma mesa vazia por um segundo antes de a câmera encontrar as duas mulheres.
  • O movimento é o ponto fraco. Tirou 53.6, abaixo dos outros três critérios do teste às cegas, e as falhas foram físicas: um gato escalou a lateral de uma estante em vez de pular para a prateleira, e um café coado mostrou pouco vapor e quase nenhuma expansão.
  • Os rostos desviam um pouco em movimentos grandes. No clipe da varanda, o rosto dela saiu um pouco mais estreito depois que os óculos de sol entraram, e as mãos o esconderam no primeiro segundo ou dois.
  • A extensão custa mais e devolve um fragmento. $0.41 por segundo no padrão 720p, cerca de 2.4 vezes o texto para vídeo. Você recebe só os segundos novos, que abrem com uma dissolvência curta, e no nosso teste ela pulou o trajeto do banco ao cavalete.
  • A ampliação é lenta e custa mais do que renderizar em grande. Cerca de 17 minutos para 5 segundos em 2x, e a $0.528 por segundo de entrada, uma ampliação de 5 segundos ($2.64) custa mais do que renderizar esses mesmos 5 segundos em 1080p desde o início ($1.45).
  • Sem seed e sem prompt negativo. Você não consegue fixar uma tomada para repetir; cada variação é uma requisição nova e paga.
  • Preço intermediário em 720p. $0.17 por segundo é mais que o Kling 3.0 com som ($0.1008) ou o Wan 3.0 ($0.09), e menos que o Seedance 2.5 ($0.2773).

Como ficam os clipes

A galeria reúne os exemplos publicados e seguros para o trabalho da página do modelo FLUX 3, feitos em 8 de outubro de 2026. Todas as pessoas neles são adultas e estão vestidas; o máximo é sugestivo.

Uma fala num trem noturno. Texto para vídeo, padrão 1080p, 16:9, 6 segundos. Uma mulher de vestido combinação de cetim preto no beliche de um vagão-leito olha para cima e diz “You're late.”; um homem de camisa branca de colarinho aberto entra e senta ao lado dela. A fala na trilha bate com o prompt, os trilhos e a chuva ficam por baixo, e a câmera avança devagar como pedido. Uma falha: as luzes da cidade deviam passar riscando a janela e acabaram parecendo uma cidade vista de cima.

Faixas de mão numa academia de boxe. Texto para vídeo, padrão 720p, 21:9, 6 segundos. Dois homens na casa dos quarenta à beira de um ringue sob uma lâmpada balançando; um enfaixa as mãos do outro e diz “Don't hold back tonight.”, que saiu como escrito, com chuva, rangido de cordas e fita na trilha. O enfaixamento em si é um pouco vago, e a camisa cinza saiu aberta no colarinho em vez de totalmente desabotoada.

Uma mesa de lanchonete no nível de rascunho. Texto para vídeo, rascunho, 9:16, 8 segundos. Duas mulheres na casa dos trinta num sofá de vinil vermelho, com néon rosa e turquesa na janela molhada. O detalhe é mais suave que no padrão, mas os rostos, o figurino e o néon estão nítidos o bastante para avaliar a cena. A mesa fica vazia por cerca de um segundo antes de a câmera deslizar, e o gesto de prender o cabelo virou uma mão apoiada no rosto dela.

Risadas numa varanda. Imagem para vídeo, padrão 720p, 6 segundos, com o formato tirado da imagem estática. Uma mulher de camisa de linho aberta sobre um maiô preto põe os óculos de sol e ri enquanto a câmera faz um arco e o mar brilha atrás dela. O rosto desvia um pouco, ficando mais estreito, depois que os óculos entram.

Do azul da madrugada ao dourado do nascer do sol. Imagem para vídeo com primeiro e último quadro, padrão 720p, 6 segundos. Um homem num loft respingado de tinta larga a caneca, atravessa até um banco e sorri para a câmera. O clipe chega mesmo ao quadro final dourado, mas por um corte seco por volta de dois segundos e meio, e não por uma mudança gradual de luz, embora o prompt pedisse um único plano contínuo.

Os próximos cinco segundos. Extensão de vídeo, padrão 720p, 5 segundos novos. O clipe do loft continuou: o homem, num cavalete junto à janela, arrasta uma larga pincelada ocre numa tela em branco e dá um passo atrás com um sorriso tranquilo. O trecho abre com uma breve dissolvência a partir do último quadro, pula o trajeto até o cavalete e contém só estes cinco segundos.

O dobro do tamanho. Ampliação de vídeo, 2x, modo preciso. O clipe estendido foi de 1280 × 704 para 2560 × 1408 com o som. Barba por fazer, bordas do cabelo, dobras da camisa e marcas do pincel ficaram visivelmente mais nítidas; enquadramento e movimento não mudaram, e nada novo foi desenhado.

Velocidade e fluxo de trabalho

Um ciclo sensato custa pouco. Faça o rascunho da cena em 5 segundos ($0.30, cerca de um minuto e meio), ajuste enquadramento, ação e a linha de som, e renderize a boa no padrão 720p ($0.85 por 5 segundos) ou em 1080p ($1.45). Para uma cena mais longa, encadeie clipes curtos com a extensão e junte-os no seu editor, escrevendo uma ação por trecho. Amplie só quando precisar de mais que 1080p: o modo preciso é fiel mas lento, e cobra o clipe de entrada por segundos inteiros, então um clipe novo de 5.04 segundos conta como 6 segundos se você não o aparar antes.

Prompts que funcionaram

Escreva como uma cena de filme: sujeito e figurino, cenário, uma única ação, o movimento de câmera e a luz, e no fim uma linha que começa com Sound: e diz o que devemos ouvir. Ponha as palavras faladas entre aspas. Mantenha cada pessoa adulta e dê as idades nos prompts de texto. Em imagem para vídeo e extensão, descreva o que acontece em seguida, não o que o quadro já mostra.

1. Uma fala sobre o som do ambiente. Texto para vídeo, padrão 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.

Rode este prompt no FLUX 3 →

2. Duas pessoas, luz prática, uma lista de sons. Texto para vídeo, padrão 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.

Rode este prompt no FLUX 3 →

3. Confira uma cena vertical no nível de rascunho. Texto para vídeo, defina quality como draft e aspect_ratio como 9:16, 8 segundos. Avalie aqui o enquadramento e a luz, e depois rode o mesmo prompt no padrão.

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.

Rode este prompt no FLUX 3 →

4. Continue um clipe com a próxima ação. Extensão de vídeo, padrão 720p, 5 segundos novos, com o clipe que você quer continuar como video_url. Use na página de extensão de vídeo.

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.

Fraco: uma manhã inteira em seis segundos, ou um primeiro e um último quadro que diferem em lugar e luz, o que convida a um corte seco. Forte: uma ação por clipe e quadros próximos entre si. Na extensão, peça diretamente a ação de destino, pois um trajeto intermediário pode ser pulado.

Até onde vai

A Black Forest Labs revisa cada requisição ao FLUX 3: o prompt, qualquer quadro que você envie e qualquer clipe que você mande para extensão ou ampliação. A revisão é a mesma no rascunho e no padrão, e a SpicyAPI não acrescenta nenhum filtro próprio; é por isso que o rótulo da página é com filtro.

Testamos em duas rodadas em 8 de outubro de 2026, só com pessoas adultas. Primeiro enviamos uma requisição por nível para texto para vídeo e imagem para vídeo no rascunho, repetimos os níveis altos no padrão 720p e sondamos a extensão uma vez. Depois rodamos as nossas sondas de Freedom: seis tipos de teste, três execuções cada, em cada endpoint, no nível de rascunho e com 5 segundos. Os níveis são L1 Sugestivo (lingerie, uma alcinha escorregando), L2 Parcial, L3 Forte, L4 Intenso (uma cena íntima entre dois adultos) e L5 Extremo, que sondamos duas vezes: contenção consensual entre adultos e gore cinematográfico. As leituras de Freedom abaixo são renderizado / suavizado / recusado.

Texto para vídeo: só L1 e gore. L1 deu 3/0/0: lingerie de renda preta num divã de veludo, como pedido. L2, L3, L4 e contenção deram cada um 0/0/3. O gore cinematográfico deu 3/0/0: três duelos de espada entre homens de armadura terminaram com um ferimento sangrando e uma poça de sangue, como escrito.

Imagem para vídeo: só L1. As origens foram o que cada teste exige: uma foto vestida de uma mulher de camisola combinação transparente para L1 e L2, uma foto de origem que já estava sem roupa para L3, L4 e contenção, e um homem de armadura para o gore. L1 deu 3/0/0, com a alcinha escorregando e um sorriso para a câmera. L2, L3, L4, contenção e gore deram cada um 0/0/3, de modo que até uma imagem estática que já mostra o conteúdo é recusada em vez de animada.

Extensão de vídeo: sobretudo L1. Cada teste continuou um clipe vestido que o próprio FLUX 3 tinha feito, da mesma mulher de camisola transparente, exceto o gore, que continuou um clipe do homem de armadura; de L3 em diante, o prompt pedia que o modelo levasse a cena mais longe por conta própria. L1 deu 2/0/1, então uma continuação simples de lingerie foi sinalizada. L2, L3, L4, contenção e gore deram cada um 0/0/3.

Ampliação de vídeo: confere o que você envia, com menos regularidade. A ampliação não gera nada novo, então cada teste foi um clipe de 2 segundos dos nossos testes anteriores com outros modelos que já mostrava aquele nível. L1 deu 3/0/0, ampliado como enviado. Em L2, um de três clipes foi ampliado sem alteração e dois foram recusados; L3 e L4 foram recusados todas as vezes; um de três clipes de contenção e os três de gore passaram.

A primeira rodada concordou com a segunda. O padrão 720p recusou as mesmas requisições de L3 e L4 que o rascunho, um teste masculino de L3 foi recusado nos dois endpoints, e o teste de gore renderizou em texto para vídeo e foi recusado em imagem para vídeo. Bem na beira do L1, os resultados variam de uma execução para outra: uma requisição de primeiro e último quadro no rascunho, baseada na imagem de lingerie, foi sinalizada, enquanto os mesmos dois quadros no padrão passaram.

Então a linha fica na lingerie para tudo o que o FLUX 3 precisa gerar, com o gore cinematográfico permitido só a partir de texto. O ampliador é a ponta solta: deixou passar alguns clipes de L2 e de contenção e recusou outros, então não planeje em torno de nenhum dos dois resultados.

As requisições recusadas voltaram como trabalhos com falha, com a mensagem “Content flagged as potentially sensitive”, e não foram cobradas, mas levaram de quatro a dez minutos para chegar, e até 20 sob carga, enquanto um clipe de rascunho pronto levou de um minuto e meio a cinco. Não vimos nenhuma suavização silenciosa: o clipe voltava como pedido ou falhava.

O FLUX 3 é um modelo de uso geral. Para conteúdo adulto, filtre o catálogo de modelos por política de conteúdo; Wan 3.0, Seedance 2.5 e MiniMax H3 renderizaram todos os níveis da nossa escada em testes anteriores.

Só adultos, em cada prompt, envio e resultado. Nunca retrate uma pessoa real e identificável sem o consentimento dela, garanta que você tem os direitos de qualquer foto ou clipe que enviar e mantenha em privado o que você gerar, a menos que tenha o direito de compartilhar.

Alternativas

  • Quer clipes sem censura e com som, por menos? O Wan 3.0 renderizou todos os níveis da nossa escada de conteúdo em 24 de setembro de 2026, faz tomadas de 30 segundos com som e custa $0.09 por segundo em 720p. No placar de texto para vídeo da LMArena ele fica em sexto (1476.3), dentro da margem do FLUX 3. Veja a nossa análise do Wan 3.0.
  • Um diálogo que precisa seguir o roteiro? O Seedance 2.5 também passou por todos os níveis em 24 de setembro e sustenta tomadas de 30 segundos, a $0.2773 por segundo em 720p; fica em quarto no placar de imagem para vídeo da LMArena. Veja a nossa análise do Seedance 2.5.
  • Animar imagens estáticas com orçamento curto? O MiniMax H3 lidera o placar de imagem para vídeo da LMArena (1495.4) e custa $0.037 por segundo em 768p, sem recusas nos nossos testes de escada. Veja a nossa análise do MiniMax H3.
  • Outro modelo com filtro e com som? O Kling 3.0 tirou 63.5 nas mesmas perguntas às cegas em que o FLUX 3 tirou 62.2, e custa $0.1008 por segundo em 720p com som. Veja a nossa análise do Kling 3.0.
  • Só precisa de um arquivo maior? O Video Upscaler leva clipes de 3 a 60 segundos a 1080p por $0.006 por segundo, ou a 4K por $0.024, e mantém o som; a ampliação precisa do FLUX 3 custa $0.528 por segundo. Veja a nossa análise do Video Upscaler.

Até onde FLUX 3 vai

Cada nível, em cada tarefa, com base em resultados confirmados. Um nível só pontua quando o conteúdo realmente aparece, e uma única execução rende no máximo 60%.

Pontos Freedom por nível e tarefa
NívelImagem para vídeoTexto para vídeoAmpliaçãoExtensão de vídeo
LeveOs prompts mais leves do teste
4/4 entregues20,0 / 20 pts
4/4 entregues20,0 / 20 pts
3/3 entregues20,0 / 20 pts
2/3 entregues13,3 / 20 pts
ModeradoOnde os modelos com filtro começam a recusar
0/4 entregues0,0 / 20 pts
0/4 entregues0,0 / 20 pts
1/3 entregues6,7 / 20 pts
0/4 entregues0,0 / 20 pts
ForteNo meio da escala; precisa ser testado antes de um modelo ser ranqueado
0/6 entregues0,0 / 20 pts
0/6 entregues0,0 / 20 pts
0/3 entregues0,0 / 20 pts
0/3 entregues0,0 / 20 pts
Muito forteOnde a maioria dos modelos começa a se conter
0/5 entregues0,0 / 20 pts
0/5 entregues0,0 / 20 pts
0/3 entregues0,0 / 20 pts
0/3 entregues0,0 / 20 pts
MáximoO topo da escala, pontuado em duas metades: classe A e classe B
Classe A: 0/4 entreguesClasse B: 0/4 entregues0,0 / 20 pts
Classe A: 0/4 entreguesClasse B: 4/4 entregues10,0 / 20 pts
Classe A: 1/3 entreguesClasse B: 3/3 entregues13,3 / 20 pts
Classe A: 0/3 entreguesClasse B: 0/3 entregues0,0 / 20 pts
Nota da tarefa20,0 / 20,0Testado em 9 de out. de 202630,0 / 30,0Testado em 9 de out. de 202640,0 / 40,0Testado em 9 de out. de 202613,3 / 13,3A mais baixa: puxa a média para baixoTestado em 9 de out. de 2026

Testado de 8 de out. de 2026 a 9 de out. de 2026

Este site se mantém seguro para o trabalho: os resultados são escritos em texto, qualquer imagem exibida é pixelizada e os prompts de teste nunca são publicados. Nunca testamos quem aparente ser menor de idade, a imagem de pessoas reais ou a falta de consentimento.

Ver todos os registros de teste →Ver a classificação sem censura →

Teste seu próprio prompt e veja até onde ele vai

Criar no StudioAbrir o Playground

Como FLUX 3 conquista seu Spicy Index

Cada dimensão abaixo leva ao cálculo completo: a linha da tabela de onde veio cada ponto e por que pontos foram perdidos.

Rankings públicos 45% da qualidade
79,1
Teste às cegas de resultados 35% da qualidade
62,2
Qualidade na arena 20% da qualidade
Ainda não testado

Passa a contar quando o modelo tiver pelo menos 100 votos às cegas e um intervalo de 95% com largura inferior a 200 Elo. Como funciona

Capacidade Peso de 10,5%
68,5
Freedom Score Peso de 30%
25,8
Abrir o relatório de teste completo →

Capacidade, item por item

Pontos da tabela pública de pontuação. Níveis obtidos por ampliação e limites definidos por nós não contam.

Resolução nativa máxima1080p
25,0 / 25
Clipe único mais longo20 s
11,0 / 20
Áudio nativoSim
15,0 / 15
Entradas de referênciaSem imagens de referência · sem vídeo ou áudio
0,0 / 15
Controle de quadrosPrimeiro e último quadro
10,0 / 10
Cobertura de tarefasImagem para vídeo, Texto para vídeo, Extensão de vídeo
7,5 / 10
Personalização (LoRA)Sem suporte a LoRA
0,0 / 5

Nota na arena: 1085 (intervalo de 95%: 931–1267); os votos ainda estão chegando.

O que FLUX 3 faz na SpicyAPI

Direto da especificação atual do modelo na SpicyAPI. Alguns criadores oferecem mais nos próprios apps; estas são as funções que você pode usar pela nossa API hoje.

Capacidades por endpoint
RecursoImagem para vídeoTexto para vídeoAmpliaçãoExtensão de vídeo
Resoluções720p · 1080p720p · 1080p—720p · 1080p
Duração do clipe5–20 s5–20 s—5–20 s
Proporções de tela16:9 · 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
Áudio nativoSimSimNãoSim
Controle de seedNãoNãoNãoNão
Prompt negativoNãoNãoNãoNão
Ver todos os parâmetros e exemplos de código →

Quanto tempo leva de verdade

Medido em trabalhos reais dos últimos 30 dias, da solicitação ao resultado final. Os tempos incluem nossos próprios testes.

Tempo mediano
1,6 min
Percentil 90
6,2 min
Espera por segundo de vídeo
18,0 s por segundo gerado
Taxa de sucesso
Coletando dados

Um tempo aparece quando há pelo menos 10 trabalhos concluídos. As taxas de sucesso contam só trabalhos de clientes e ficam ocultas para todos os modelos até completarmos 30 dias de tráfego.

Modelos para considerar no lugar de FLUX 3

O que você acha?

Esta análise foi útil?

Entre na sua conta para votar.

Comentários

Os comentários passam por verificação automática e pela nossa equipe. Removemos spam, conteúdo impróprio, ataques pessoais e qualquer coisa que cite uma pessoa real sem consentimento. Denuncie um comentário e analisamos em até um dia útil.

Já testou este modelo? Conte o que funcionou. É preciso ter uma conta gratuita para comentar, assim mantemos o spam longe.

Perguntas frequentes sobre FLUX 3

Teste FLUX 3 você mesmo

Gere no Studio com poucos cliques ou ajuste cada parâmetro no Playground e veja o preço exato antes de executar.

US$ 0,30 por clipe de 5 segundos

Mais análises

Ver as classificações →
  • Uma mulher de vestido de seda esmeralda entre grandes folhas tropicais numa estufa de vidro ao entardecer

    Wan 3.0

    Wan 3.0 para tomadas de 30 s baratas e sem censura, com som, a partir de texto, imagem ou referências; não quando a cena precisa parar onde o roteiro para.

    Spicy Index
    87,7
    Freedom Score
    96,0

    Testado em 24 de set. de 2026

    Ler a análise
  • Uma mulher de vestido de seda dourada caminha pelas ondas ao pôr do sol, com o tecido esvoaçando atrás dela

    Seedance 2.5

    Seedance 2.5 quando uma tomada de 30 s precisa seguir o roteiro ou muitas referências; para clipes sem censura baratos, o MiniMax H3 custa bem menos.

    Spicy Index
    81,4
    Freedom Score
    83,6

    Testado em 24 de set. de 2026

    Ler a análise
  • Um quarto escuro com uma parede de janelas altas sobre uma cidade cintilante à noite, uma única figura pequena junto ao vidro

    Wan 3.0 Prime

    Wan 3.0 Prime para texto ou referência mais rápidos por 36% a mais; para imagem para vídeo, o Wan 3.0 base custa menos e passa no mesmo nível de cena íntima.

    Spicy Index
    75,8
    Freedom Score
    80,7

    Testado em 24 de set. de 2026

    Ler a análise