FLUX 3 Max：在Models and API上进行文本到视频、图像到视频以及关键帧到视频 | RunComfy

为什么选择 FLUX 3 Max#

FLUX 3 Max 是在 Black Forest Labs 的 FLUX 3 视频基础上的一次后期训练。额外的工作目标是使画面更清晰、动作更连贯，并更贴近提示，同时等待时间比基础模型短。这就是 FLUX 3 Max 的公布目标。

在 Artificial Analysis Video Arena 的初步图生视频榜单上，Elo 为 1,139，共计 4,868 票。发布的说明指出，这些置信区间与该榜单前列的其他模型重叠，因此将结果视为并列第一梯队。同一榜单上的原始 FLUX 3 得分为 1,089，相差 50 点。

一篇针对 10 秒剪辑的已发布计时检查列出了本次通过用时 10.95 秒，Seedance 2.5 在相同报告的 Elo 下用时 277.80 秒，以及 FLUX 3 用时 126.44 秒。这些数字是“约 22 倍”和“约 11.5 倍”比较的来源。首次发布的 FLUX 3 Max 版本日期是 2026 年 10 月 19 日，同样的说明指出进一步的训练仍在进行中。

优势	你得到的
更紧密的提示跟随	FLUX 3 Max 被训练得比基础 FLUX 3 通道更紧密地保持主体、摄像机和声音提示。
较短的已发布等待	10 秒检查在 10.95 秒内完成，而 FLUX 3 则需要 126.44 秒。
三种方式进入	FLUX 3 Max 可以写一个场景，从一张图像开始加上可选的最后一帧，或者固定最多十个关键帧。
同一文件中的声音	音频默认打开。想要静音画面时请关闭音频。

FLUX 3 Max 的文本生成视频仅从提示开始，auto 的构图使用 16:9。图像生成视频则从静态图像开始，auto 的构图遵循该静态图像。关键帧生成视频将 1 到 10 的 PNG、JPEG 或 WebP 图像放在 24 fps 时间轴上。 在 24 fps 时间线上的位置。索引必须唯一，且不得超过视频时长（秒）× 24。

RunComfy 当前页面采用图生视频模式。纯文本页面和多关键帧页面使用相同的FLUX 3 Max权重，但输入不同。

最佳使用案例#

• 书面场景： 当你有简报但没有静态图像时，打开文本转视频页面。FLUX 3 Max 可以根据该简报起草广告、建立镜头和短篇故事节奏。
• 锁定开头: 当照片、插图或生成的静态图像应作为第一帧时，请使用此图像到视频页面。
• 已知结尾： 当 FLUX 3 Max 应该在第二张静止图像的最后一帧落下时，添加可选的结束图像。
• 分镜节拍: 当多个时刻必须落在指定帧编号上时，请使用关键帧页面。FLUX 3 Max 最多可接受十个这些锚点。
• 以声音为主的场景: 保持音频开启，并命名你想要的声音，从房间音到特定台词。

当同一工作作为脚本、静态图或分镜开始时，团队会重复使用一个 FLUX 3 Max 设置。

运作方式#

1. 在 RunComfy 上打开 FLUX 3 Max。此页面从一张图片开始。使用文本到视频页面获取仅提示的剪辑，或使用关键帧页面获取多个定时静帧。
2. 在 PNG、JPEG 或 WebP 中上传起始图像。保持主体较大且光线均匀。
3. 写出在该画面之后FLUX 3 Max的变化：一个镜头移动、动作顺序和声音。
4. 只有在剪辑应以第二个静止画面结束时才添加结尾图片。否则保持为空。
5. 将持续时间设置为 5 到 20 秒。FLUX 3 Max 上的默认值是 5。在探索时选择 720p，确定方案后选择 1080p。
6. 当必须显示多个细节时，请在 high 上保留推理。想要更快的处理时，请切换到 low。
7. 保持音频开启或关闭。将种子留空以获取新的尝试，或在希望更接近重复时设置它。
8. 审查剪辑，然后将相同的图像、提示和设置发送给FLUX 3 Max到HTTP API。

参数#

这些控件属于 FLUX 3 Max 的图生视频模式。文本到视频页面会删除这两个图像字段。关键帧页面会用最多十张按帧索引的图像替换它们。

参数	必填	类型	默认	范围 / 选项	描述
image_url*	是 (*)	string	示例图片	PNG，JPEG，WebP URL	本页上 FLUX 3 Max 的起始帧。
prompt*	是 (*)	string	示例提示词	文本	剪辑在起始帧之后应如何移动。
end_image_url	否	string	空	PNG，JPEG，WebP URL	FLUX 3 Max的可选最后一帧。
duration	否	integer	5	5-20	长度（秒）
resolution	否	string	720p	720p, 1080p	FLUX 3 Max 的输出分辨率。720p 是默认值。
reasoning_level	否	string	high	low, high	high 在提示词上花费更长时间。
aspect_ratio	否	string	auto	auto, 21:9, 2:1, 16:9, 4:3, 1:1, 3:4, 9:16	auto 跟随这里的起始图像。在仅文本的 FLUX 3 Max 请求中，auto 使用 16:9。
generate_audio	否	boolean	true	true, false	将音轨与视频一起创建。
seed	否	integer	空	整数或空	留空表示 FLUX 3 Max 上的随机种子。

价格#

计费根据生成剪辑的长度和你选择的分辨率。文本、图像和关键帧页面适用相同的 FLUX 3 Max 费率。

分辨率	费率
720p	$0.05 每秒
1080p	$0.08 每秒

时长	720p	1080p
5 s	$0.25	$0.40
10 s	$0.50	$0.80
20 s	$1.00	$1.60

起始帧、结束帧或关键帧静止图像没有单独的每图像费用。一个 5 秒的 720p 文件是 FLUX 3 Max 上的最短标准收费。

提示与参考技巧#

• 一个镜头移动：命名一个缓慢推进或固定画面。FLUX 3 Max 仅在你给它自己的动词时才跟随第二个移动。
• 操作顺序: 使用“然后”写出节拍，这样一个五秒的剪辑仍然有开始、中间和结尾。
• 指向静止画面: 图像已经显示了主体。告诉 FLUX 3 Max 该主体接下来做什么。
• 次要动作： 给房间一些小动作，比如窗帘、蒸汽或移动的阴影。
• 命名声音： 列出一些特定的噪音。FLUX 3 Max 在音频未明确表达时通常保持安静。
• 匹配结束画面： 如果你设置了结束图像，请描述连接这两个画面的动作。
• 几个定时静帧： 切换到关键帧页面。FLUX 3 Max 希望每张图片都有一个独特的帧索引。
• 使用 720p 制作初稿： 确认动作，然后在 1080p 重新运行相同的提示。

FLUX 3 Max 与其他模型的比较#

基于公开报道的初步评估。以下长度限制是已发布的输入范围，而不是评分排名。

模型	输入	长度	出众
FLUX 3 Max	文本、一张图片加一个可选的结束画面，或最多 10 个关键帧	5-20 秒	图像到视频 Elo 1,139 在引用的初步板上；发布 10 秒的计时，时间为 10.95 秒
FLUX 3	文本、图像、关键帧和扩展通道在不同的页面上	最多 20 秒；有些模式还提供 auto 长度	早期基础。报告的图像到视频 Elo 1,089，以及在同一 10 秒检查上 126.44 秒的时间
Seedance 2.5	多模态视频生成	取决于该模型自身的设置	在引用的比较中报告了相同的 Elo，对于一个 10 秒的剪辑，277.80 秒的计时

当您需要延长视频模式或auto时长时，请使用FLUX 3。当您想要后续训练版本和公开测试中更短的生成等待时间时，请使用FLUX 3 Max。此版本不提供延长或auto长度。