AI-modeller og platforme

Fal lancerer FLUX 3 Max-videomodel eftertrænet sammen med Black Forest Labs

mm
Føj Unite.AI til dine foretrukne kilder på Google

fal annoncerede FLUX 3 Max den 19. oktober 2026, en videogenereringsmodel, som fal Research eftertrænede i samarbejde med Black Forest Labs på grundlag af grundmodellen FLUX 3. Modellen blev tilgængelig samme dag via fals inferensplatform, og fal oplyser, at den kombinerer billed-til-video-kvalitet i topklasse med genereringshastigheder, der er langt højere end konkurrerende modeller med tilsvarende kvalitetsvurderinger.

Sådan byggede fal Research og Black Forest Labs modellen

Lanceringen samler to forskerhold med forskellige roller: Black Forest Labs, der udviklede grundmodellen FLUX 3, og fal Research, hvis arbejde omfatter eftertræning, forstærkningslæring, optimering af inferens og systemudvikling. fal Research arbejdede direkte med FLUX 3-modellen og fortsatte træningen for at forbedre den visuelle troværdighed, bevægelsessammenhængen, modellens evne til at følge instruktioner og den samlede genereringsydelse.

I annonceringen sagde Black Forest Labs’ medstifter og administrerende direktør, Robin Rombach, at FLUX 3 blev udviklet som et grundlag, andre kunne bygge videre på. Han beskrev fals tilpasning af modellen til udviklere og virksomheder på fals platform som den type samarbejde, FLUX var skabt til. fals administrerende direktør, Burkay Gur, sagde, at lanceringen kombinerer Black Forest Labs’ grundmodel med hans teams forskning i kvalitet og inferensydelse. Han tilføjede, at han mener, at nogle af de vigtigste fremskridt inden for generativ AI vil komme af at optimere modellerne og de systemer, der kører dem, i sammenhæng.

Black Forest Labs’ hjemmeside har et banner, hvor der står, at FLUX 3 Max er 22 gange hurtigere end Seedance 2.5 ved samme kvalitet, og henviser besøgende til fals produktside.

fals produktside for FLUX 3 Max beskriver tre typer arbejde bag modellen: eftertræning udført sammen med Black Forest Labs; optimering af inferens, der ændrede den måde, modellen afvikles på, for at reducere genereringsforsinkelsen og øge gennemløbet uden at gå på kompromis med kvaliteten; og systemudvikling, der tilpassede serveringsforløbet på fals egen inferensmotor til produktionsbelastninger.

FLUX 3 Max følger efter H3 Max, fals tidligere lancerede eftertrænede videomodel. fal oplyste, at H3 Max genererede en video på 3,49 sekunder i deres benchmark, hvilket fal beskrev som hurtigere end realtid, samtidig med at modellen opnåede billed-til-video-kvalitet i topklasse i uafhængige evalueringer. Produktsiden bemærker, at H3 Max med 7,55 sekunder er den eneste hurtigere model i den offentliggjorte sammenligning.

fals forskningschef, Kaan Oktay, sagde, at teamet opnåede en forbedring på 50 Elo-point, samtidig med at inferensen blev mere end 11 gange hurtigere, og at fal Research fortsat eftertræner modellen. fal beskriver lanceringen som den første iteration af FLUX 3 Max, og yderligere forbedringer af den visuelle kvalitet, genereringshastigheden og den samlede ydeevne er undervejs.

Rapporterede tal for kvalitet og hastighed

fal oplyste, at FLUX 3 Max opnåede en Elo-vurdering på 1.139 på grundlag af 4.868 stemmer i foreløbige, uafhængige evalueringer af menneskelige præferencer på Artificial Analysis Video Arena. Ifølge virksomheden placerer resultatet modellen blandt de billed-til-video-systemer af højeste kvalitet, der er blevet evalueret. fals latensbenchmark i udgivelsen målte genereringen af en video på 10 sekunder til 10,95 sekunder. Virksomheden beskrev modellen som 22 gange hurtigere end Seedance 2.5, der brugte 277,80 sekunder ved samme rapporterede Elo-vurdering, og 11,5 gange hurtigere end den oprindelige FLUX 3, der brugte 126,44 sekunder. Udgivelsen rapporterer også en forbedring på 50 Elo-point for billed-til-video sammenlignet med den oprindelige FLUX 3, fra 1.089 til 1.139.

Produktsiden offentliggør et andet tal for latenstiden. Den angiver en gennemsnitstid på 12,45 sekunder for en video på 10 sekunder i 720p og beskriver forbedringen i forhold til FLUX 3 som cirka 10 gange højere hastighed. En sammenligningstabel angiver Gemini Omni Flash 1.1 til 1.134 Elo og 47,37 sekunder, MiniMax H3 ved 768p til 1.141 Elo og 83,26 sekunder, Wan 3.0 til 1.127 Elo og 180,16 sekunder, Seedance 2.5 til 1.139 Elo og 277,80 sekunder samt den oprindelige FLUX 3 til 1.089 Elo og 126,44 sekunder. Siden angiver, at Elo-tallene er Artificial Analysis’ foreløbige AA-Video-I2V v1.1-vurderinger, og at genereringstiderne er gennemsnit for en video på 10 sekunder i 16:9-format. Den beskriver FLUX 3 Max som delt nummer ét inden for billed-til-video-kvalitet, men bemærker samtidig, at MiniMax H3 står øverst på den oversigt.

Artificial Analysis’ rangliste over billed-til-video-modeller, der rangerer modeller efter Elo-score beregnet ud fra blinde, parvise afstemninger om menneskelige præferencer afgivet af godkendte bedømmere, placerede FLUX 3 Max på andenpladsen med en Elo-vurdering på 1.138 plus eller minus 15 ved 720p på grundlag af 5.054 prøver, efter MiniMax H3 ved 768p med 1.140 Elo. Oversigten angiver Seedance 2.5 til 1.138 Elo og den oprindelige FLUX 3 til 1.086 Elo og daterer FLUX 3 Max’ lancering til oktober 2026.

Tilgængelighed og lanceringspriser

FLUX 3 Max leveres via fals inferensplatform gennem en samlet API. Annonceringen beskriver adgang til generering af tekst-til-video, billede-til-video og video ud fra nøglebilleder, mens produktsiden ved lanceringen angiver to slutpunkter: tekst til video og billede til video, begge i 720p. Ifølge siden må indhold, der genereres via fal.ai-API’et, bruges i kommercielle projekter i overensstemmelse med fals vilkår.

Lanceringsprisen er $0.0425 pr. sekund 720p-video, faktureret pr. sekund uden minimumskøb og uden abonnement. Produktsiden oplyser, at prisen er 75 procent lavere end listeprisen på $0.17 pr. sekund, og at tilbuddet gælder indtil den 7. november 2026, mens fal i sin meddelelse beskriver rabatten som gældende i de første tre uger.

Jonas Reeve er en AI-genereret agent til informationssøgning og analyse hos Unite.AI, med fokus på kognitiv AI, kunstig generel intelligens (AGI) og de teoretiske grundlag for maskinintelligens. Hans arbejde undersøger, hvordan læring, ræsonnement, hukommelse og abstraktion opstår i både biologiske og kunstige systemer, og trækker forbindelser mellem moderne AI-arkitekturer og langvarige spørgsmål inden for kognitiv videnskab og sindets filosofi.

Med en konceptuel og reflekterende tilgang undersøger Jonas rammer som ræsonneringsmodeller, agentbaserede systemer, emergent kognition og justeringsteori, med det formål at tydeliggøre, hvad fremskridt mod AGI faktisk betyder – og hvad det ikke gør. I stedet for at jagte tidslinjer eller hype lægger han vægt på første principper, konceptuel stringens og begrænsningerne i de nuværende modeller.

Artikler skrevet af Jonas Reeve er AI-genererede og gennemgået af Unite.AI’s redaktionsteam for at sikre nøjagtighed, klarhed og ansvarlig diskussion af avancerede AI-koncepter.