Revisão do FLUX 3 Video: Poder Multimodal, Clipes de 20 Segundos e Limitações Honradas

Visão Geral de IA

O que é o FLUX 3 Video e quem o desenvolveu?

O FLUX 3 Video é o modelo multimodal unificado dos Black Forest Labs para vídeo, áudio, imagens e ações. Anunciado em julho de 2026, seu lançamento em vídeo gera clipes de texto para vídeo e de imagem para vídeo com até 20 segundos, incluindo áudio nativo.

Qual é a qualidade do FLUX 3 Video comparada a outros modelos?

O FLUX 3 destaca-se especialmente em tipografia animada, estilos visuais amplos, diálogos e cenas simples com aparência natural. O MiniMax H3 continua sendo a opção mais segura para entrega hospedada em 2K, física complexa e consistência de objetos em longo prazo.

Quanto custa o FLUX 3 Video?

A precificação da API para parceiros é de aproximadamente $0,17 por segundo, ou cerca de $1,70 para 10 segundos. Os Black Forest Labs não listam uma taxa pública simples por segundo; portanto, verifique o preço ativo do provedor antes de executar um lote.

Posso executar o FLUX 3 Video localmente no ComfyUI?

Ainda não há pesos oficiais disponíveis para download por consumidores. Fluxos de trabalho hospedados via API podem aparecer no ComfyUI ou no Comfy Cloud, mas a auto-hospedagem local depende do lançamento planejado do FLUX 3 Dev com pesos abertos, cuja data ainda não foi confirmada.

O que o FLUX 3 Video Realmente É — Um Modelo para Tudo

O FLUX 3 não é um ponto de verificação exclusivamente voltado para vídeo, com ferramentas separadas para fala e som adicionadas posteriormente. Trata-se de um modelo fundacional multimodal treinado simultaneamente em imagens, vídeos, áudio e ações, dentro de uma única arquitetura. A abordagem Self-Flow alinha essas modalidades, de modo que um impacto gerado possa influenciar o som, uma linha falada possa moldar o movimento labial e uma referência visual possa orientar quadros posteriores do vídeo.

Esse projeto é a principal vantagem do produto. Um criador pode alternar entre texto, uma imagem inicial, quadros-chave, filmagens existentes, diálogos e ambiência, sem tratar cada ativo como uma tarefa isolada. A contrapartida é igualmente importante: uma base ampla não supera automaticamente um modelo especializado em vídeo em todos os testes de movimento, resolução ou consistência.

O quadro oficial gerado acima ilustra melhor o alcance visual do FLUX 3: uma figura solitária com um casaco vermelho brilhante está dentro de uma lavanderia verde-fluorescente. O sujeito centralizado, as máquinas circulares repetidas e o forte contraste de cores complementares criam um gancho gráfico imediato, mantendo a cena legível.

O que o FLUX 3 Video Pode Fazer — Recursos e Especificações

A versão atual de geração inclui um conjunto de controles mais amplo do que o básico texto-para-vídeo:

• Até 20 segundos: uma única geração pode conter um trecho completo de diálogo ou uma cena curta de anúncio, em vez de interromper após cinco ou dez segundos.
• Áudio nativo: diálogos, efeitos e ambiência são gerados junto com os quadros, em vez de serem adicionados posteriormente como uma etapa separada de narração.
• Entradas de texto, imagem e quadros-chave: inicie a partir de um prompt, anime uma imagem inicial, defina uma imagem final ou conecte múltiplos quadros-chave.
• Continuação de vídeo: forneça até quatro segundos de vídeo e áudio existentes, e o modelo continuará o movimento, o comportamento da câmera, o diálogo e o som através da junção.
• Múltiplas tomadas: alterne cenas ou ângulos de câmera dentro de uma única geração, mantendo a sequência relacionada.
• Tipografia: renderize títulos, placas, gráficos de tela e letras animadas como parte da cena.
• Variedade de estilos: transite entre filmagens casuais com câmera de vídeo, animação, publicidade, nostalgia ou cinema polido.
• Resolução: a geração é oferecida em HD, com saída em Full HD disponível por meio de upscale; 1080p não deve ser confundido com renderização nativa em 2K.

Uma saída oficial do FLUX 3 mostrando três quadros-chave fornecidos conectados em uma sequência de dez segundos. A linha do tempo torna o método de controle mais fácil de entender do que um quadro final isolado.

src=https://r2.seedance.tv/blog/flux-3-video-review/official-typography-demo-v1.mp4  
poster=https://r2.seedance.tv/blog/flux-3-video-review/official-typography-poster-v1.jpg  
label=Saída oficial do FLUX 3 · tipografia animada com áudio nativo  

O exemplo de tipografia é um clipe gerado de fato, não uma maquete projetada. Para testar um conceito comparável antes de escolher um modelo de produção, comece com o fluxo de trabalho de texto para vídeo da Seedance e use o mesmo briefing, duração e proporção de aspecto.

Qualidade no Mundo Real — Onde o FLUX 3 Se Destaca e Onde Apresenta Limitações

A principal vantagem do FLUX 3 é o conteúdo gráfico em movimento. Texto em terminais, cartões de título, placas e tipografia projetada permanecem mais intencionais do que as marcas distorcidas produzidas por muitos modelos de vídeo. Ele também transita confortavelmente entre estilos casuais, retrô, animados e comerciais. Cenas de diálogo se beneficiam do modelo compartilhado de áudio e vídeo: fala, expressões e som ambiente são planejados em conjunto.

src=https://r2.seedance.tv/blog/flux-3-video-review/official-dialogue-demo-v1.mp4  
poster=https://r2.seedance.tv/blog/flux-3-video-review/official-dialogue-poster-v1.jpg  
label=Saída oficial do FLUX 3 · cena de diálogo de 20 segundos com áudio nativo  
```Esta amostra completa de 20 segundos demonstra a vantagem real de duração. Ouça após desativar o mudo, mas observe também as linhas de olhar, as mudanças faciais, a geometria do microfone e a estabilidade da tomada ao longo de todo o clipe — uma saída mais longa só importa quando os últimos segundos permanecem utilizáveis.

As limitações são visíveis em testes de produção mais exigentes. O caminho nativo de geração é HD com upscale para Full HD, enquanto o fluxo hospedado do H3 pode alcançar um caminho de regeneração em 2K. Interações rápidas, colisões, contato das mãos com objetos cenográficos e objetos persistentes ainda podem sofrer deriva. A duração é limitada a 20 segundos, mas uma ação pode terminar prematuramente ou se esticar de forma não natural caso o *prompt* não especifique adequadamente o cronograma. A crítica da comunidade de que o H3 pode parecer mais nítido é razoável quando a comparação envolve movimento denso e resolução de entrega, e não uma demonstração tipográfica.

A estrutura do *prompt* ainda altera o resultado. Use direção cronológica — sujeito, ação, câmera, diálogo e som — em vez de empilhar adjetivos. O [guia de *prompting* do MiniMax H3](/pt/blog/minimax-h3-prompting-guide) oferece uma sintaxe por tomada transferível para testes justos.

## Preços — O que $0,17 por segundo realmente significa

O valor frequentemente citado de $0,17 por segundo provém de listagens de API de parceiros, não de um simples cartão de preços público da BFL. Trate-o como uma estimativa para planejamento e verifique o ponto de extremidade (*endpoint*) ativo antes de comprometer gastos.

| Volume de produção | Custo estimado de geração |
| --- | ---: |
| Um clipe de 10 segundos | Cerca de $1,70 |
| Dez clipes de 10 segundos | Cerca de $17 |
| Cem clipes de 10 segundos | Cerca de $170 |
| Um clipe de 20 segundos | Cerca de $3,40 |

Esses totais excluem tomadas falhas, repetições, *upscaling*, armazenamento, edição e margens da plataforma. Uma campanha que exija quatro candidatos para cada clipe aprovado deve orçamentar com base na contagem de candidatos, não nos entregáveis finais. Os preços publicados de parceiros para o MiniMax H3 podem estar mais próximos de $0,08 por segundo, tornando o FLUX 3 aproximadamente duas vezes mais caro no estágio de API. O Comfy Cloud segue cobrança por computação ou por créditos, o que representa um caminho de custo distinto, em vez de inferência local gratuita.

O veredito prático: os preços atuais de API são razoáveis para protótipos, anúncios orientados por tipografia e testes criativos de alto valor. É difícil justificá-los para produção em grande volume sem supervisão até que as taxas de aprovação melhorem ou até que pesos abertos desloquem o custo variável para infraestrutura própria.

## ComfyUI e configuração local — Situação atual

Ainda não há um *checkpoint* oficial FLUX 3 Dev para inferência local por consumidores. A Black Forest Labs anunciou uma variante multimodal de pesos abertos, mas ainda não definiu uma data pública nem um alvo de hardware. Isso significa que baixar arquivos comunitários de nome semelhante não cria um fluxo de trabalho oficial de vídeo FLUX 3 local.

A rota disponível é hospedada: use um fluxo de trabalho de API dentro do ComfyUI assim que o nó correspondente de parceiro ou catálogo em nuvem estiver disponível, forneça a chave do provedor e deixe que a infraestrutura remota retorne o clipe. Você ainda obtém um grafo de nós repetível para *prompts*, referências, pós-processamento e exportação, mas o próprio modelo não é executado na estação de trabalho.

Se o controle local for prioridade hoje, [o LTX 2.5 é a opção mais prática com pesos abertos](/pt/blog/ltx-2-5-review). O H3 também possui pesos disponíveis para download, embora seu *pipeline* de vídeo e áudio se beneficie substancialmente de grande VRAM, memória do sistema e armazenamento rápido.

## FLUX 3 Video vs MiniMax H3 — Qual escolher para seu fluxo de trabalho

A decisão depende menos de um vencedor universal e mais do gargalo específico da tarefa. Antes de comparar as saídas, estabeleça um controle estável do H3 com as [melhores configurações do MiniMax H3](/pt/blog/best-minimax-h3-settings); caso contrário, uma linha de base fraca pode fazer qualquer concorrente parecer melhor do que realmente é.

| Dimensão | FLUX 3 Video | MiniMax H3 |
| --- | --- | --- |
| Clipe mais longo | Até 20 segundos | Tipicamente 10 segundos no caminho hospedado comparado |
| Caminho de entrega mais alto | Geração em HD, *upscaling* para Full HD | Regeneração hospedada em 2K |
| Áudio nativo | Sim | Sim, estéreo a 32 kHz |
| Tipografia / animação de texto | Ponto forte principal | Básico |
| Movimento físico complexo | Misto | Mais forte |
| Pesos abertos locais | FLUX 3 Dev planejado | Disponível agora |
| Preço aproximado da API de parceiro | Cerca de $0,17/segundo | Cerca de $0,08/segundo |
| Melhor adequação | Anúncios de marca, movimento de texto, testes multimodais e de longa duração | Movimento preciso, entrega com foco em qualidade, trabalhos sensíveis ao custo |

Escolha o FLUX 3 quando gráficos em movimento legíveis, uma cena de 20 segundos, estéticas variadas ou diálogo em uma única passagem forem essenciais para o conceito. Escolha o H3 quando detalhes físicos, acabamento hospedado em 2K, pesos locais ou custo de geração forem mais relevantes. Para uma comparação mais ampla de qualidade e fluxo de trabalho, consulte [Seedance 2.5 vs MiniMax H3](/pt/blog/seedance-2-5-vs-minimax-h3).

## Conclusão

O FLUX 3 Video é uma verdadeira base multimodal, não meramente outro modelo especializado em vídeo. Sua tipografia, amplitude de estilos, áudio nativo, quadros-chave, continuação e clipes de 20 segundos geram vantagens reais; seu caminho de entrega de alta definição até 1080p, preços para parceiros, física complexa e pesos locais ainda não lançados continuam sendo restrições reais. O FLUX 3 Dev poderá alterar esse equilíbrio ao ser lançado. Para qualidade hospedada robusta e um fluxo de produção mais simples já hoje, [crie seu próximo vídeo no Seedance →](/pt).