Black Forest Labs открыли доступ к FLUX 3 Video через свой API, и главная деталь релиза кроется в архитектуре. Модель изначально строилась как нативно мультимодальная. Это значит, что ролики длиной до 20 секунд генерируются одновременно со звуком, фоновыми шумами и точным липсинком — в том числе на русском языке. Больше не нужно сводить аудио и видео отдельными нейросетями.

В API заложили функции, заточенные под сложный продакшен. FLUX 3 поддерживает мультишоты — генерацию сцен со сменой планов и ракурсов внутри одного промпта без потери консистентности. Доступна работа с ключевыми кадрами и бесшовное продолжение готовых видео (модель считывает до четырех секунд исходника). При этом генерация не ограничена дефолтной глянцевой эстетикой — сетка способна выдавать сырую, документальную или странную картинку, если этого требует задача.

Для экономии бюджетов разработчики добавили режим черновика. API отдает быстрый превью-рендер за минимальный прайс, жестко фиксируя композицию и физику объектов. После утверждения драфта финальный ролик рендерится в 720p или 1080p (через встроенный апскейл) с гарантией полного совпадения. Эндпоинты уже описаны в документации, а следующим шагом компания планирует выпустить open-weight версию FLUX 3 Dev.