TLDR
- FLUX 3 (23 de julio de 2026): backbone multimodal; la historia pública de vídeo = multi-shot + ~20 s + audio nativo (blog de BFL; The Decoder).
- Los pares no son clones: Runway Gen-4.5 se apoya en calidad de movimiento / adhesión al prompt (investigación de Runway); Kling VIDEO 3.0 entrega multi-shot + audio nativo en la documentación de producto (guía Kling VIDEO 3.0); Sora 2 enfatiza física + multi-shot + sonido sincronizado (OpenAI); Veo 3.1 empareja vídeo con audio nativo (DeepMind Veo); Luma Ray3.x destaca continuidad directable / modify (Luma Ray); Grok Imagine Video se centra en image-to-video + audio + velocidad (xAI); Seedance 2.0 es audio-vídeo multimodal con referencias ricas (ByteDance Seed).
- Regla de decisión: elige por eje de trabajo (cortes de storyboard, diálogo lipsync, still de producto → motion, gag de física, bucle largo de control)—no por un solo Elo o un gráfico de preferencia del vendor.
- En este sitio: ejecuta los mismos prompts en FLUX 3 vídeo (y stills en imagen) y puntúa los keepers tú mismo.
Puntos clave
- El multi-shot es un eje de primera clase en 2026—las notas tempranas de FLUX 3 destacan secuencias multi-ángulo desde un prompt (Justine Moore / a16z); Kling documenta narrativas multi-shot (guía VIDEO 3.0); Sora 2 reivindica el seguimiento de instrucciones multi-shot con persistencia de estado del mundo (OpenAI).
- El audio nativo es ya lenguaje de table-stakes, no un extra: FLUX 3 (The Decoder), Sora 2 (OpenAI), Veo (DeepMind), Kling (VIDEO 3.0), Grok Imagine Video (xAI), Seedance 2.0 (Seed).
- Los gráficos de preferencia del vendor son señales tempranas, no coronas peer-reviewed—la cobertura de lanzamiento ligada a BFL incluye cifras preliminares de estilo preferencia frente a otros sistemas; trátalas solo como contexto (resumen de gráfico de The Decoder).
- Las superficies de control difieren: algunos stacks venden pure calidad de generación; otros modify por keyframe, multi-referencia o ecosistemas de apps (p. ej. Luma Ray3 Modify; posicionamiento de Runway Gen-4.5).
- La continuidad de marca FLUX importa si tu lenguaje de still ya vive en FLUX—stills en imagen, motion en vídeo (contexto de serie vía BFL FLUX.2 → FLUX 3).
- La evaluación same-prompt en una sola superficie del navegador gana a los rankings abstractos para enviar anuncios y cortos—empieza gratis en FLUX 3 vídeo.
Cara a cara: ejes públicos (no un ranking)
Lee esta tabla en 30 segundos. Las celdas son posicionamiento público / features documentadas, no scores de lab independientes. Vacío o «revisar producto» significa que el eje no era el claim de titular en los materiales primarios enlazados—no que el producto no pueda hacer nada.
| Eje (tu trabajo) | FLUX 3 (BFL) | Runway Gen-4.5 | Kling VIDEO 3.0 | OpenAI Sora 2 | Google Veo 3.x | Luma Ray3.x | Grok Imagine Video | Seedance 2.0 | | --- | --- | --- | --- | --- | --- | --- | --- | --- | | Pitch público principal | Inteligencia visual multimodal; familia vídeo + audio + imagen (BFL) | Calidad de movimiento, adhesión al prompt, fidelidad visual (Runway) | Narrativas multi-shot + audio nativo + consistencia (Kling) | Vídeo físicamente exacto + diálogo/SFX sincronizados (OpenAI) | Generación de vídeo de referencia con audio nativo (DeepMind Veo) | Control directable, continuo, cinematográfico (Luma Ray) | Imagen/vídeo rápido con audio nativo (xAI) | Generación conjunta audio-vídeo multimodal + refs ricas (Seed) | | Multi-shot / multi-corte | Fuerte narrativa de lanzamiento (venturetwins; The Decoder) | Control y composición enfatizados; no la única «historia de producto multi-shot» (Runway) | Creación multi-shot documentada (Kling) | Instrucciones multi-shot + estado del mundo (OpenAI) | Lenguaje cinematográfico / controles; duraciones de producto a menudo clips cortos en Studio (AI Studio Veo) | Terminar cada corte / dirección de frame (Luma Ray) | Motion desde stills y prompts; multi-corte no es la línea de marca central (xAI) | Herencia multi-shot de la línea Seedance + control multimodal 2.0 (Seedance 1.0; 2.0) | | Audio nativo / sincronizado | Claim público (BFL; The Decoder) | El foco de generación suele ser visual-first en el post de investigación Gen-4.5 (Runway) | Upgrade de audio nativo en VIDEO 3.0 (Kling) | Diálogo + SFX + paisajes sonoros (OpenAI) | El vídeo se encuentra con el audio (DeepMind) | La superficie FAQ incluye preguntas de audio en la página de producto (Luma Ray) | Audio nativo y mejoras de habla (xAI) | Arquitectura conjunta audio-vídeo (Seed) | | Física / realismo de material | Framing multimodal «truer to life» del día a día (BFL; wire) | Peso, líquidos, pelo y materiales destacados (Runway; CNBC) | Consistencia + polish narrativo en el copy de producto (Kling) | Salto explícito de física vs Sora anterior (OpenAI) | Pitch de storytelling de alta fidelidad (DeepMind) | Lógica física en workflows modify (Luma news) | Mejor motion y física en 1.5 (xAI) | Estabilidad de motion + AV inmersivo (Seed) | | Still → motion / referencias | Ruta de imagen en la familia + i2v en navegador en este sitio (BFL; herramienta de vídeo) | Fuerte ecosistema de modos generate + edit (Runway) | Frame de inicio + referencia de elemento en la matriz 3.0 (guía Kling) | Texto y/o imagen (y rutas remix en docs del ecosistema) (OpenAI) | Entradas de texto, imagen y vídeo en tarjetas Veo recientes (AI Studio) | Modify por keyframe / referencia de personaje (Luma) | Image-to-video es una ruta insignia (xAI) | Entradas de texto, imagen, audio y vídeo (Seed) | | Narrativa de duración (pública) | Hasta ~20 s a menudo citada (The Decoder) | Generación de clips HD; revisa los límites de producto de tu plan (Runway) | Duraciones multi-shot de producto por plano (guía Kling) | Secuencias multi-shot controlables; la longitud de producto varía por superficie (OpenAI) | Las tarjetas de Studio listan longitudes fijas cortas (p. ej. bandas de 4/6/8 s) (AI Studio) | Longitudes orientadas a workflow; confirma en la FAQ de producto (Luma) | Bandas de clips cortos en ejemplos de API (p. ej. muestras de hasta 10 s) (API de xAI) | Salida multi-shot cinematográfica; los tiers de producto varían (Seed) | | Ruta de prueba en este producto | FLUX 3 vídeo + imagen | N/A (otro vendor) | N/A | N/A | N/A | N/A | N/A | N/A |
Cómo usar la tabla: si tu brief es «tres cortes, un personaje, tono ambiental de habitación», pondera las columnas multi-shot + audio. Si es «vertido de líquido, producto con peso», pondera física. Si es «este still exacto de packaging debe moverse», pondera still→motion / referencias.
Criterios, no coronas · frame de cover editorial para esta comparación · generado en FLUX 3
Contexto de familia (solo FLUX—luego pares)
| Generación | Tema público | Ancla | | --- | --- | --- | | FLUX.2 | Stills de producción y edición | blog BFL FLUX.2 | | FLUX 3 | Backbone multimodal de vídeo + audio + imagen | blog BFL FLUX 3 | | Clase de pares (2025–2026) | Sistemas de vídeo especializados con historias de control en competencia | Runway Gen-4.5 · Kling VIDEO 3.0 · Sora 2 · Veo 3.x · Luma Ray3.x · Grok Imagine Video · Seedance 2.0 (enlaces en la tabla de arriba) |
Los pares no son miembros de la familia FLUX. No asumas estética, filtros de seguridad o perillas de duración idénticas solo porque todos aceptan un prompt de texto.
Ganadores por escenario (if / then)
1. Anuncio UGC social con dos cortes y room tone
Si necesitas una historia wide → close en una generación y te importa que el ambiente se sienta unido a la escena, entonces prioriza modelos cuyos materiales públicos enfatizan multi-shot + audio nativo (narrativa de lanzamiento de FLUX 3; docs de Kling VIDEO 3.0; claims de audio+multi-shot de Sora 2).
En este sitio: redacta Shot 1 / Shot 2 en un párrafo en vídeo antes de ir de compras a otro stack.
2. Product hero desde un still bloqueado
Si el packaging, el crop del logo y el acabado de material ya están aprobados como still, entonces empieza con workflows image-to-video (o still-first)—la historia pública de Grok Imagine Video es fuertemente i2v (xAI); Seedance 2.0 y Kling 3.0 documentan rutas de referencia / frame de inicio; la familia FLUX 3 incluye una superficie de imagen que puedes bloquear primero (BFL).
En este sitio: congela el still en imagen y luego anima en vídeo.
3. Gag de física o demo de material
Si el chiste o la prueba es peso, líquido, tela o colisiones, entonces pondera sistemas que comercializan exactitud física (Sora 2; lenguaje de investigación de Runway Gen-4.5). Aun así valida con tu objeto exacto—las demos de marketing no son tu SKU.
En este sitio: usa el Prompt C de abajo y revisa a pantalla completa manos, bordes y puntos de contacto.
4. Explainer de diálogo / lipsync
Si un personaje debe hablar a cámara, entonces prefiere stacks con audio nativo + habla en la historia oficial (Sora 2; audio nativo de Kling; narrativa de diálogo/SFX de FLUX 3; mejoras de habla de Grok Imagine). Espera reintentos; el lipsync es una checklist pass/fail, no un primer take garantizado.
En este sitio: Prompt B + una escucha con auriculares.
5. Bucle largo de control (modify, extend, board)
Si tu equipo vive en keyframes iterativos, modify-video o boards multi-asset, entonces mira historias de producto con mucho control (Luma Ray3 Modify; referencias multimodales de Seedance; superficies de control de Google Veo) además de generadores first-pass.
En este sitio: la generación first-pass es el CTA—consigue un clip keeper en vídeo y luego lleva los winners a tu stack de edición.
Lo que sabemos vs. lo que no sabemos
| Sabemos (con fuente) | No sabemos / no afirmamos | | --- | --- | | Lanzamiento público de FLUX 3 el 23 de julio de 2026, posicionamiento multimodal (@bfl_ai; blog de BFL) | Un #1 global permanente de vídeo en cada trabajo y estilo | | Multi-shot + ~20 s + audio nativo aparecen en la cobertura de lanzamiento de FLUX 3 (The Decoder; venturetwins) | Que cada host exponga toggles idénticos de duración/resolución | | Los vendors pares publican titulares distintos (física, matrices de producto multi-shot, workflows modify, refs multimodales)—ver enlaces de la tabla | Rankings cross-lab independientes y peer-reviewed que resuelven todos los ejes | | Las cifras tempranas de estilo preferencia en la cobertura de lanzamiento son preliminares / contexto de vendor (The Decoder) | Tablas de precio dólar-por-segundo cross-canal (no comparadas aquí) | | Este producto expone FLUX 3 vídeo e imagen en el navegador | Que un solo run gratis demuestre readiness de producción para cada barra de brand safety |
Cómo evaluar en FLUX 3 (protocolo same-prompt)
- Abre FLUX 3 vídeo.
- Ejecuta los Prompts A, B y C de abajo sin cambios (o solo cambia nombres de producto / líneas de continuidad de vestuario que realmente necesites).
- Puntúa cada take en cinco dimensiones (0–2 cada una): claridad de corte, identidad del sujeto, realismo de motion, encaje de audio, supervivencia del crop (9:16).
- Conserva cualquier clip ≥7/10 como candidato; reescribe solo la línea del plano que falle.
- Opcional: bloquea un still en imagen y luego image-to-video el mismo brief.
Prompt A — multi-shot UGC social
Vertical 9:16 UGC ad, about 10 seconds, daylight kitchen.
Shot 1 wide: young adult in a blue hoodie pours iced coffee into a clear glass, casual phone-tripod energy.
Shot 2 medium: glass fills, ice clinks, condensation visible, same hoodie and kitchen tiles.
Shot 3 close-up: satisfied sip, natural smile, soft window light, no logos.
Natural kitchen ambience and ice clink SFX, no music bed, no captions, no watermark.Prompt B — beat de explainer con diálogo
Horizontal 16:9 product explainer, about 8 seconds, clean home office.
Medium shot: friendly presenter in a charcoal sweater speaks to camera,
holds a small white wireless earbud case, clear enunciation, natural hand gestures.
Background: blurred bookshelf, soft daylight.
Native dialogue energy: short line about "all-day battery," ambient room tone only, no music, no on-screen text, no watermark.Prompt C — física / material de producto
Product commercial, 8 seconds, studio softbox, 16:9.
Macro to medium: matte black aluminum water bottle on slate table.
Slow push-in as a bead of water rolls down the side, realistic weight and reflection,
then a hand lifts the bottle smoothly—fingers and metal contact stay solid.
Subtle studio ambience only, no music, no logos beyond the bottle, no watermark.
Lenguaje de motion prompt-first · keyframe de showcase en FLUX 3 · usar con los Prompts A–C de arriba
Lenguaje still de lo cotidiano a lo cinematográfico · frame de estilo showcase en FLUX 3 · emparejar con el Prompt C
Regla de decisión (una frase)
Elige FLUX 3 primero cuando quieras una ruta de prueba multi-shot + audio nativa en el navegador dentro de la familia multimodal FLUX y juzgues los keepers tú mismo con prompts reales—no cuando un gráfico de vendor o un hilo social corone un ganador permanente.
Acude a la superficie de control de otro stack par cuando tu cuello de botella sea modify-video, boards de referencias multi-asset o un workflow de app especializado que esos vendors documentan como producto central—después de saber que tu prompt falla en los ejes de arriba.
FAQ
¿Es FLUX 3 «mejor» que Sora, Runway o Kling?
No como rango universal. Los materiales públicos muestran fortalezas solapadas pero distintas (ver tabla). Mejor = encaja en tus ejes de trabajo tras tests same-prompt—no un solo Elo o un gráfico de preferencia temprano (contexto de The Decoder).
¿Cuál es la forma más justa de comparar modelos de vídeo IA?
Bloquea prompt, aspect ratio y checklist de revisión, cambia solo el modelo/host y puntúa cortes, identidad, física, audio, crop. Ese es el protocolo de arriba en FLUX 3 vídeo.
¿Hace FLUX 3 multi-shot desde un solo prompt?
Las notas de creadores y prensa de la semana de lanzamiento tratan el multi-shot como capacidad de titular (venturetwins; The Decoder). Escribe Shot 1 / Shot 2 / Shot 3 de forma explícita—ver el FLUX 3 Video: multi-shot, clips ~20 s y audio nativo.
¿Los modelos pares también reivindican audio nativo?
Sí—ejemplos incluyen Sora 2 (OpenAI), Veo (DeepMind), Kling VIDEO 3.0 (guía), Grok Imagine Video (xAI) y Seedance 2.0 (Seed). La calidad de audio sigue necesitando un pase de escucha cada vez.
¿Cuándo debo empezar desde un still en lugar de texto puro?
Cuando el packaging de marca, el parecido facial o el layout ya están aprobados. Genera/refina stills en FLUX 3 imagen y luego anima en vídeo.
¿Cuánto pueden durar los clips de FLUX 3?
La cobertura pública suele citar unos 20 segundos como techo narrativo (The Decoder). Para primeros drafts, muchos creadores obtienen resultados más claros apuntando a ~8–12 s antes de maximizar la longitud.
¿Debo confiar en Artificial Analysis / Elo / gráficos de preferencia del vendor?
Como contexto, sí; como evangelio de compra, no. La investigación pública de Gen-4.5 cita Elo de leaderboard (Runway); la cobertura de lanzamiento de FLUX incluye cifras preliminares de estilo preferencia (The Decoder). Tu SKU y tu crop siguen decidiendo los keepers.
¿Es este sitio oficial de Black Forest Labs?
No. flux3.video es un producto independiente que ofrece generación en navegador con marca FLUX 3. La investigación oficial del modelo vive en bfl.ai y en los canales de BFL.
¿Puedo probar FLUX 3 sin instalar herramientas locales?
Sí—abre FLUX 3 vídeo o imagen en el navegador.
¿Y si manos o caras fallan la checklist?
Regenera una vez con un plano medium/close más cerrado y lenguaje de vestuario congelado; no apiles más adjetivos. Si la identidad aún se desvía, bloquea primero un still y luego image-to-video.
¿Dónde aprendo el formato de prompt multi-shot?
Lee FLUX 3 Video: multi-shot, clips ~20 s y audio nativo y pega el Prompt A de arriba en el generador.
Sobre Avery Lin
Avery Lin es FLUX Model Release Analyst. Avery sigue los lanzamientos de la familia FLUX y convierte hechos públicos del modelo en rutas de prueba claras en FLUX 3—criterios primero, hype después.
