FLUX 3 Max от fal и Black Forest Labs рендерит видео быстрее реального времени

Обычно генерация десятисекундного шота превращается в законный повод отойти от монитора за кофе: тот же Seedance 2.5 тратит на эту задачу больше четырех с половиной минут, удерживая автора в подвешенном состоянии. Модель FLUX.3 Max от fal Research и Black Forest Labs выплевывает аналогичный десятисекундный отрезок ровно за 12,45 секунды. Рендеринг видео из статичного изображения практически догнал хронометраж самого ролика, и для коммерческого продакшена это значит гораздо больше любых громких презентаций.

Разработчики построили новинку на архитектуре FLUX 3, сделав ставку на связку экстремальной скорости и детализации высшей лиги — так называемого Tier-1. Команда применила процедуру посттренинга, которая подняла качество генерации на 50 баллов в рейтинговой системе, сократив время ожидания почти в десять раз по сравнению с базовой версией. Если оригинальная FLUX 3 мучила видеокарты на протяжении 126,44 секунды, то свежая версия Max справляется с отрезком за считаные мгновения, сохраняя разрешение 720p при соотношении сторон 16:9.

В слепом бенчмарке арены Artificial Analysis (рейтинг AA-Video-I2V v1.1), где оценивается чистота оживления картинок, новая модель набрала 1 139 баллов Elo. Это позволило ей разделить первую строчку с тяжеловесом Seedance 2.5, оставив позади Wan 3.0 и Gemini Omni Flash 1.1. Статистический доверительный интервал новинки пересекается и с MiniMax H3, формально удерживающим 1 141 балл, но разница в затраченном времени превращает соревнование в спринтерский забег против марафонцев.

Скорость против качества в бенчмарке Artificial Analysis

Разница между 277,80 секунды у Seedance 2.5 и 12,45 секунды у новинки составляет примерно 22 раза. При этом качество картинки на глаз не проседает: модель стабильно переносит вводные параметры как из текстовых запросов, так и при прямой анимации картинок.

Создатели сфокусировались на самых капризных элементах генеративного видео — сложных траекториях движения и микрофактурах. Модель корректно рассчитывает вращение колес экипажей, галоп лошадей и естественную физику ткани, не превращая кадр в мыльную кашу. На демонстрационных тестах авторы проверяли инструмент на сеттинге спагетти-вестернов шестидесятых годов: система удерживает в кадре движение полей широкополой шляпы, сохраняет фактуру пыли, глубокие поры кожи, капли пота на крупных планах и выразительную зернистость рассохшегося дерева. Примешивание футуристики вроде робопсов и беспилотников к антуражу девятнадцатого века тоже не ломает свет и геометрию окружения.

Платформа fal уже выкатила новинку в веб-плейграунд и открыла доступ через API. Инженерам даже не придется переписывать код интеграции: переключение между FLUX.3 Max и родственной моделью H3 Max происходит простой заменой одного идентификатора. Разработчики намеренно отказались от модели ежемесячных подписок и обязательных пакетных лимитов, выставив прозрачный поминутный счет за результат.

• Стандартный прейскурант: $0,17 за одну секунду готового видео;
• Промо-период со скидкой 75%: $0,0425 за секунду хронометража;
• Срок действия специальной цены: до 7 ноября включительно;
• Условия: одинаковый тариф для генерации из текста и из картинки, отсутствие минимального чека.

Нас подкупает практическая сторона этой скорости. В моушн-дизайне и рекламе нейросети до сих пор страдали болезнью медленного фидбека: пока утверждается драфт раскадровки, арт-директор успевал остыть к идее. Когда генерация занимает 12 секунд, пайплайн превращается в интерактивную сессию, где десяток гипотез можно отсмотреть прямо во время созвона с клиентом. Если верить тестам, инструмент перестает быть лотереей с долгим ожиданием и наконец-то становится рабочим станком.

Похоже, время мучительных перекуров у рендер-фермы официально подошло к концу.