Black Forest Labs: FLUX 3 Image API

FLUX 3 Image es el modelo de generación y edición de imágenes de la familia FLUX 3 de Black Forest Labs, anunciada el 23 de julio de 2026. Forma parte de un modelo de mundo único entrenado simultáneamente con imágenes, vídeo y audio. A diferencia de FLUX 1 y FLUX 2, que solo generaban imágenes, FLUX 3 añade generación de vídeo y audio nativo, así como predicción de acciones para robots. En el caso de la imagen, acepta texto e imágenes como entrada y produce imágenes como salida. El modelo destaca por su control fino: permite editar con precisión a nivel de píxel, usar cajas delimitadoras para colocar elementos y limitar regiones de edición, y generar con hasta 10 imágenes de referencia. Trabaja mejor con descripciones completas de escena que con prompts cortos, y se apoya en un modelo ampliador de prompts de 9B parámetros que convierte las peticiones en descripciones detalladas mediante un system prompt. Genera a resolución nativa 4K y se integra con la librería Diffusers desde el primer día. Está disponible en una versión base sin destilar (Klein Base) para fine-tuning, entrenamiento de LoRA e investigación, y en una versión destilada Klein para generación, edición y autoalojamiento. El transformer de imagen es un modelo de pesos abiertos de 5.6B parámetros, con un tamaño total de 6B parámetros en BF16, y utiliza Qwen3-VL-4B-Instruct como codificador de texto. Es adecuado para generación de imágenes a partir de texto, edición con una sola referencia, composición con múltiples referencias, producción de diseño y publicidad, y visualización de productos. Supera a modelos abiertos más grandes como Qwen-Image 2.1 (7B parámetros) y Krea 2 (12.9B parámetros), y a modelos cerrados como Ideogram V4.5 y FLUX.2 Pro. Reduce el número de parámetros un 38% frente a FLUX.2 Klein 9B y funciona en GPUs de clase RTX 4070.

Tu factura depende del proveedor que uses, de sus precios y de tu uso. Las entradas más largas u otras condiciones pueden tener precios distintos. Se factura según el costo real de generación. Consulta tu factura para el importe final.

Acepta texto e imágenes como entrada, y produce imágenes como salida. Permite generar desde un prompt de texto y editar a partir de una imagen más un prompt.

Soporta hasta 10 imágenes de referencia para la generación con múltiples referencias.

Genera a resolución nativa 4K.

Utiliza cajas delimitadoras para controlar la colocación de elementos y limitar las regiones de edición. También ofrece edición precisa a nivel de píxel.

La versión base sin destilar (Klein Base) está pensada para fine-tuning, entrenamiento de LoRA e investigación, y se ejecuta a 50 pasos con guidance 3.5. La versión destilada Klein sirve para generación, edición y autoalojamiento, y se ejecuta a 16 pasos sin guidance.

Sí. Requiere un modelo ampliador de prompts de 9B parámetros que expande las peticiones en descripciones detalladas de escena mediante un system prompt.