FLUX 3 Max: ¿10 s de vídeo IA en 12 s? Mi prueba y precios
Black Forest Labs anunció el 19 de octubre de 2026 por la noche el lanzamiento de FLUX 3 Max, una versión de su modelo FLUX 3 Video ajustada y acelerada por la plataforma fal.ai bajo el lema del modelo más veloz del mercado. Al día siguiente generé 11 clips para poner a prueba sus límites técnicos: las 5 escenas de mi banco de pruebas habitual, un tranvía nocturno en Cracovia, una imagen fija de una cocina animada y una transición limpia entre fotogramas clave. La media en mi evaluación fue de 8,8/10, con un clip de 5 segundos en 720p que tardó de media 17 segundos en completarse y me costó 0,21 USD.
En pocas palabras (20.10.2026)
- Qué es: una variante de FLUX 3 Video sometida a un postentrenamiento específico por parte de fal (según describe la propia plataforma), disponible en exclusiva en fal.ai.
- Modos disponibles: texto a vídeo, imagen a vídeo (con fotograma final opcional) y modo por fotogramas clave (hasta 10 imágenes ancladas a momentos específicos).
- Parámetros técnicos: duraciones de 5 a 20 segundos, resolución 720p o 1080p, audio generado de forma nativa junto a la imagen y relaciones de aspecto de 21:9 a 9:16.
- Precio en fal: 0,0425 USD por segundo en 720p y 0,0725 USD en 1080p gracias a una promoción de lanzamiento (-75%) hasta el 7 de noviembre de 2026. Tras esa fecha pasará a 0,17 USD y 0,29 USD por segundo respectivamente.
- Posición en rankings: 2.º puesto en la clasificación de imagen a vídeo de Artificial Analysis (1138 ±15 Elo), a dos puntos de MiniMax H3 (1140 ±16 Elo), lo que supone un empate técnico estricto.
- Mi medición de velocidad: para un clip de 10 segundos a 720p medí entre 9,3 y 9,6 segundos de cálculo neto y entre 20 y 25 segundos totales hasta descargar el archivo. Con la misma imagen de partida, Seedance 2.5 tardó 197 segundos en entregar 5 segundos.
- Mi valoración global: 8,8/10 en mis 5 escenas de prueba, cartelería compleja resuelta con precisión tipográfica absoluta y un diálogo en polaco con solo dos palabras unidas por error.
Qué es exactamente FLUX 3 Max
Black Forest Labs presentó la familia FLUX 3 durante el verano de 2026; analicé la variante cinematográfica base en la guía sobre FLUX 3 Video. En cambio, FLUX 3 Max surge de una colaboración directa: fal.ai tomó la arquitectura base y aplicó un postentrenamiento propio con el objetivo declarado de optimizar tres factores clave:
- Mayor adherencia a las instrucciones del usuario (prompt adherence).
- Mejor fidelidad y nitidez en la imagen resultante.
- Reducción drástica de la latencia; según fal, un vídeo de 10 segundos se computa en unos 11 segundos.
Por defecto, el endpoint tiene activada la expansión interna del texto (el parámetro reasoning_level en nivel alto). He mantenido esta opción por defecto en todas mis pruebas para replicar exactamente lo que recibe cualquier usuario habitual. Conviene aclarar que FLUX 3 Max no forma parte del catálogo directo de Black Forest Labs ni está disponible en otros proveedores; es una variante optimizada que solo se ejecuta en la infraestructura de fal.
Mi medición de velocidad: ¿10 segundos de vídeo IA en 10 segundos?
El anuncio oficial de Black Forest Labs afirmaba que el modelo produce 10 segundos de vídeo en 12 segundos (matizando 12,45 segundos en respuestas posteriores). Para comprobarlo en un entorno real, envié dos peticiones de 10 segundos en 720p con audio activado mediante la API de fal: una escena puramente textual (el tranvía de Cracovia de noche) y una generada a partir de una fotografía fija (una panadería de barrio). Dado que los metadatos de respuesta desglosan el tiempo exacto de computación, pude contrastar cada fase:
| Clip 10 s, 720p | Generación pura | Procesamiento en fal | Envío hasta archivo final |
|---|---|---|---|
| Texto a vídeo | 9,3 s | 18,8 s | 20,5 s |
| Imagen a vídeo | 9,6 s | 21,2 s | 25,1 s |
Los datos confirman las afirmaciones sobre el motor: la fase de generación interna tarda menos de 10 segundos, superando con creces la marca anunciada. No obstante, el tiempo total de servicio en la nube (que integra la ampliación del texto de entrada, el renderizado de audio y la codificación de vídeo) ronda los 20 segundos. Frente a la lentitud de los motores de generación de vídeo IA tradicionales, sigue siendo un flujo de trabajo asombrosamente ágil.
Para poner esta cifra en perspectiva frente a la competencia de imagen a video IA, enfrenté a FLUX 3 Max con Seedance 2.5 utilizando exactamente la misma imagen de una panadería y el mismo texto: el panadero sale por la puerta con una bandeja de bollos mientras un ciclista cruza en primer plano y el rótulo comercial permanece inalterado. Seedance 2.5 se configuró a 480p (su resolución más económica en la plataforma):
| Modelo | Tiempo total | Coste | Nota |
|---|---|---|---|
| FLUX 3 Max (720p) | 20,5 s | 0,21 USD | 9/10 |
| Seedance 2.5 (480p) | 197,5 s | 1,25 USD | 8/10 |
BFL declaraba una aceleración de hasta 22 veces respecto a Seedance 2.5. En mi medición directa de extremo a extremo, FLUX 3 Max fue 9,6 veces más rápido en la entrega del archivo y 11,7 veces más rápido en el procesamiento interno, ofreciendo además una resolución nativa superior. La diferencia sigue suponiendo un salto cualitativo absoluto.
El empate técnico en el ranking de image to video AI
Black Forest Labs justificó su lanzamiento destacando un empate en el primer puesto de la clasificación de evaluación humana de Artificial Analysis para imagen a vídeo. A fecha de 20 de octubre de 2026, la tabla oficial registra las siguientes puntuaciones Elo:
| Posición | Modelo | Puntuación Elo |
|---|---|---|
| 1 | MiniMax H3 (768p) | 1140 ±16 |
| 2 | FLUX 3 Max (720p) | 1138 ±15 |
| 3 | Seedance 2.5 | 1138 ±17 |
| 4 | Gemini Omni Flash 1.1 | 1132 ±17 |
| 5 | Wan 3.0 | 1127 ±16 |
| 8 | FLUX 3 (base) | 1086 ±16 |
Con solo dos puntos de distancia y márgenes de error que rondan los ±15 puntos, la afirmación de empate en la cúspide es rigurosa. Resulta todavía más relevante el salto frente a la versión base de FLUX 3: una subida de 52 puntos Elo que catapulta al modelo del octavo al segundo puesto gracias a la optimización de fal.
Precios y modalidades de uso
fal.ai ha introducido este modelo con un descuento promocional del 75% que permanecerá activo hasta el 7 de noviembre de 2026. Estos son los importes directos según la resolución y duración del render:
| Duración | 720p (en promo) | 1080p (en promo) | 720p regular |
|---|---|---|---|
| 5 s | 0,21 USD | 0,36 USD | 0,85 USD |
| 10 s | 0,43 USD | 0,73 USD | 1,70 USD |
| 20 s | 0,85 USD | 1,45 USD | 3,40 USD |
El paquete completo de mis 11 generaciones en 720p (nueve de 5 segundos y dos de 10 segundos) acumuló un coste de 2,76 USD en mi saldo. A modo de contraste, en mis pruebas del 11 de octubre con el modelo base FLUX 3 Video vía API, un solo clip de 5 segundos alcanzaba los 0,85 USD, exactamente el cuádruple de lo que cuesta Max bajo la tarifa actual.
Mi banco de pruebas: 8 clips analizados
Efectué todas las pruebas el 20 de octubre de 2026 con una única toma por instrucción, relación 16:9, resolución 720p y generación de audio integrada. Evalué cada resultado de 0 a 10 con los mismos criterios que empleo en mi comparativa de referencia (Wan 3.0 frente a Kling y Seedance): coherencia anatómica, estabilidad física de los elementos, seguimiento de cámara y naturalidad sonora. Más análisis exhaustivos sobre modelos generativos se encuentran recopilados en el Laboratorio de pruebas independientes del blog.
| Escena evaluada | Nota | Tiempo | Observación clave |
|---|---|---|---|
| Giro orbital en moto | 9,0 | 17 s | 180 grados limpios sin deformar el chasis |
| Discurso en polaco | 7,5 | 12 s | Dos palabras fusionadas en la locución |
| Rótulo en tiza | 10,0 | 17 s | Ortografía y diacríticos perfectos |
| Dinámica de fluidos | 8,5 | 22 s | Llenado creíble; densidad gelatinosa al final |
| Personaje en dos planos | 9,0 | 17 s | Ropa y rasgos idénticos tras el corte |
| Tranvía urbano nocturno | 9,0 | 17 s | Travelling estable en paralelo al convoy |
| Cocina doméstica (I2V) | 8,5 | 17 s | Gran fidelidad a la foto, vapor y silbido |
| Fotogramas clave (noche a nieve) | 9,5 | 25 s | Transición climática perfecta sin alterar edificios |
Texto tipográfico y sincronización de voz
En la escena tipográfica, FLUX 3 Max clavó la totalidad de las letras polacas con sus grafías complejas (Ż, Ó, Ź, Ł), un reto tradicionalmente difícil para los modelos de difusión. En la prueba oral utilicé una frase célebre en polaco («W Szczebrzeszynie chrząszcz brzmi w trzcinie…»). La versión base de FLUX 3 Video la había pronunciado sin fallos el 11 de octubre; Max fusionó las dos primeras palabras en una sola emisión acústica, aunque mantuvo una vocalización perfectamente inteligible en el resto del enunciado.
Movimiento de cámara, física y coherencia de personajes
Animación a partir de imagen y modo por fotogramas clave
Para evaluar el comportamiento de imagen a vídeo utilicé una fotografía sintética de una cocina tradicional creada previamente con FLUX 3 Image. Para el modo de fotogramas clave fijé dos extremos temporales: una fotografía de la plaza mayor de Cracovia de noche como fotograma inicial (frame 0) y esa misma localización transformada en un paisaje nevado mediante edición con Seedream 5.0 Flash en el fotograma 120 (el final de un clip de 5 segundos a 24 fps).
El modo de fotogramas clave representó la mayor sorpresa cualitativa del análisis: el motor fue capaz de transformar el clima, la iluminación cenital y la superficie del suelo sin deformar un solo centímetro de la arquitectura gótica de los edificios de referencia.
Rendimiento acústico integrado
Sometí las pistas sonoras generadas por FLUX 3 Max a una evaluación a ciegas con Gemini 3.8 Flash, suministrando únicamente el audio y la descripción visual sin identificar el modelo de origen. Los cuatro fragmentos analizados obtuvieron calificaciones de entre 9 y 10 sobre 10. En el caso del llenado de agua, el modelo reprodujo el ascenso tonal del recipiente al colmarse; en la transición urbana, el sonido de la lluvia mutó progresivamente en crujidos de pisadas sobre nieve y cascos de caballos sobre el pavimento.
Límites técnicos y consideraciones
- Aumento de tarifas tras el periodo inicial: a partir del 7 de noviembre de 2026, el coste por segundo en 720p se multiplicará por cuatro, pasando a 0,17 USD por segundo.
- Exclusividad de plataforma: al tratarse de un desarrollo conjunto alojado por fal.ai, no existen pesos descargables en abierto ni integración en interfaces comerciales cerradas de suscripción fija.
- Retraso del optimizador de instrucciones: aunque el motor desruida la imagen en menos de 10 segundos, el pipeline completo necesita el doble de tiempo debido a la expansión textual y la compresión del archivo.
- Modelos de pesos abiertos: quienes busquen ejecutar modelos en local deben recordar que Max es un servicio en la nube; para entornos propios la opción abierta de esta generación sigue siendo el modelo ligero Klein, tal y como detallo en mi análisis de FLUX 3 Image Klein en local.
Otras pruebas a fondo de esta serie
Este análisis forma parte de una batería completa de pruebas sobre las últimas arquitecturas presentadas en otoño de 2026:
- Nuevos modelos en fal.ai en octubre de 2026: pongo a prueba 18 endpoints recientes con tablas comparativas de puntuación y coste real.
- FLUX 3 Max frente a Kling, Seedance, Veo y Wan: comparativa directa de las cinco grandes herramientas de generación de vídeo sobre el mismo set de 5 escenas.
- Test de edición fotográfica con IA: comparo las capacidades de Krea 3 Edit, FLUX 3 Klein Edit, Nano Banana 2.1 Edit y Seedream 5.0 Flash Edit.
- Comparativa de sincronización labial: enfrentamiento técnico entre OmniHuman 2, H3 Max Lip Sync, VEED Fabric, OmniHuman 1.5 y Kling Avatar v2.
- Prueba de modelos de mundo interactivos: evaluación práctica del rendimiento de LingBot World 2 y Abot World 0 ejecutados mediante WebRTC.
Preguntas frecuentes
¿En qué se diferencia FLUX 3 Max de FLUX 3 Video?
Se trata de la misma arquitectura fundacional a la que fal.ai ha aplicado un entrenamiento posterior centrado en acelerar el tiempo de cálculo y mejorar la fidelidad a la instrucción. En mis pruebas, la calidad global es prácticamente idéntica (8,8 frente al 8,9 del modelo base), pero Max reduce el tiempo de renderizado de forma notable y ofrece un precio cuatro veces menor durante su fase promocional.
¿Qué velocidad real tiene FLUX 3 Max?
El cálculo interno del vídeo toma entre 9,3 y 9,6 segundos para una pieza de 10 segundos a 720p. Si se suma el preprocesamiento de la instrucción, el procesado sonoro y la descarga desde el servidor, la entrega total se sitúa entre 20 y 25 segundos.
¿Se puede acceder a este modelo mediante cuota mensual o interfaz cerrada?
No. Actualmente solo está disponible en fal.ai a través de su entorno de pruebas web (playground) o mediante llamadas a su API de facturación por segundo de uso. Si buscas herramientas completas con editor web integrado, puedes consultar mi guía sobre generadores de vídeo con IA.
¿Tiene FLUX 3 Max pesos abiertos para ComfyUI?
No existen pesos abiertos para la variante Max. Dentro de la familia FLUX 3, el modelo con pesos públicos bajo licencia comunitaria es Klein, orientado a generación de imagen fija.
¿Cuándo finaliza la tarifa promocional?
La rebaja del 75% estará vigente en fal.ai hasta el 7 de noviembre de 2026. Cumplido ese plazo, el segundo a 720p costará 0,17 USD y a 1080p ascenderá a 0,29 USD.
Fuentes consultadas
- Pruebas propias realizadas el 20.10.2026: 11 clips ejecutados vía API en fal.ai (coste total acumulado: 2,76 USD), transcripción con Wizper y valoración de audio mediante Gemini 3.8 Flash.
- Black Forest Labs en X: anuncio de lanzamiento de FLUX 3 Max (19.10.2026).
- fal.ai: ficha técnica y precios de FLUX 3 Max Text to Video (consultado el 20.10.2026).
- fal.ai: documentación del endpoint FLUX 3 Max Keyframes to Video.
- Black Forest Labs: comunicado original de la arquitectura FLUX 3.
- Artificial Analysis: clasificación de modelos de imagen a vídeo (consultado el 20.10.2026).
- Referencias previas: banco de pruebas de la comparativa de vídeo IA (08.10.2026) y test de FLUX 3 Video (11.10.2026).