Black Forest Labs lance FLUX 3 : des vidéos de 20 secondes avec son, générées par un seul modèle

Black Forest Labs a lancé FLUX 3 le 26 juillet 2026. Ce modèle de flow multimodal génère, avec un seul jeu de poids, des images, des vidéos allant jusqu'à 20 secondes avec son natif, ainsi que de l'audio, et prédit les actions d'un robot. C'est le premier modèle de la famille FLUX dans lequel la vidéo, le son et la prédiction d'actions reposent sur une architecture commune.

Ce que sait faire FLUX 3 Video

FLUX 3 Video produit des clips d'une durée maximale de 20 secondes en une seule génération, directement avec le son. Selon Black Forest Labs, le modèle prend en charge cinq modes : text-to-video, image-to-video, video-to-video à partir d'une référence, keyframe-to-video pour des transitions contrôlées, et prolongation vidéo-audio à partir d'un clip fourni en entrée.

L'entreprise met aussi en avant les dialogues multilingues, l'assemblage de plusieurs clips en une séquence multi-scènes unique et la génération de typographie animée. L'équipe de BFL affirme que le modèle rend très bien les expressions faciales humaines et synchronise précisément le son avec les événements physiques : un impact à l'écran coïncide avec le bruit de l'impact.

• Sortie le 26 juillet 2026
• Vidéo jusqu'à 20 secondes avec son natif en une seule génération
• Cinq modes : text/image/video/keyframe-to-video et prolongation vidéo-audio
• FLUX-mimic : une politique robotique qui tourne en moins de 80 ms sur une seule RTX 5090
• Accès progressif : Video et Action en accès anticipé, Image plus tard, poids ouverts en dernier

Comment le modèle est conçu

FLUX 3 repose sur la méthode Self-Flow, une approche de Black Forest Labs qui associe le flow matching et la reconstruction auto-supervisée de caractéristiques au sein d'une même architecture. L'entreprise avait déjà présenté Self-Flow en mars 2026 ; la nouveauté tient à l'échelle : selon BFL, la puissance de calcul et le volume de données ont été « considérablement augmentés », et le modèle a été entraîné simultanément sur de la vidéo, des images et du son.

La répartition des ressources est très inégale : selon Black Forest Labs, la prédiction vidéo absorbe plus de 95 % du compute d'entraînement, tandis que l'audio représente moins de 0,5 % des tokens. L'idée est que les modalités se contraignent mutuellement pendant l'entraînement.

«

Aucune modalité prise isolément ne donne une description complète du monde », résume l'équipe de recherche de Black Forest Labs en formulant son principe.

Dans quelle mesure FLUX 3 devance-t-il ses concurrents ?

Dans un test préliminaire de préférences humaines, FLUX 3 a devancé la plupart de ses rivaux. La comparaison portait sur des clips text-to-video de 10 secondes en 720p, avec son.

• Luma Ray 3.2 : FLUX 3 est préféré dans 93 % des comparaisons
• Runway Gen-4.5 : dans 77 %
• Grok Imagine Video : jusqu'à 69 %, Kling v3 Pro : 60 %
• Seedance 2.0 et Gemini Omni Flash : 52 %, soit à peine mieux qu'un tirage à pile ou face

Le même backbone pilote FLUX-mimic, une politique robotique qui, selon BFL, tourne en moins de 80 ms sur une seule carte graphique RTX 5090. Cela montre qu'un modèle multimodal peut servir non seulement à générer des médias, mais aussi à commander des actions physiques.

Ce que cela signifie

FLUX 3 se présente comme un modèle de fondation unifié, où la génération d'images, de vidéo avec son et le contrôle de robots proviennent des mêmes poids. L'accès reste limité pour l'instant : Video et Action sont ouverts en accès anticipé, Image sortira plus tard, et Black Forest Labs promet de publier les poids ouverts en dernier.

Questions fréquentes

Qu'est-ce que FLUX 3 ?

FLUX 3 est un modèle de flow multimodal de Black Forest Labs, entraîné simultanément sur des images, de la vidéo et du son. Avec un seul jeu de poids, il génère des images, des vidéos allant jusqu'à 20 secondes avec audio natif et prédit les actions d'un robot.

Quand les poids ouverts de FLUX 3 seront-ils publiés ?

Aucune date précise n'a été annoncée. L'accès se fait par étapes : d'abord Video et Action en accès anticipé, puis Image, et Black Forest Labs prévoit de publier les poids ouverts en dernier.

Sur quoi tourne le robot basé sur FLUX 3 ?

Sur FLUX-mimic, une politique robotique reposant sur le même backbone. Selon Black Forest Labs, elle s'exécute en moins de 80 ms sur une seule carte graphique NVIDIA RTX 5090.