Black Forest Labs FLUX 3 llega a OpenRouter, pero su impulso en tres frentes divide la IA abierta y alojada

Black Forest Labs FLUX 3 llegó a OpenRouter con tres cambios vinculados: pesos abiertos para imágenes, escalado de video más económico y salida directa de video en 4K. El paquete amplía el acceso, pero también divide la familia de productos entre software que los desarrolladores pueden inspeccionar y servicios en los que deben confiar de forma remota.

OpenRouter anunció el lanzamiento el 15 de octubre de 2026. Su lanzamiento en tres partes presentó FLUX 3 Image Klein, acceso anticipado a un escalador de video actualizado y generación en 4K para FLUX 3 Video. El anuncio presenta estos cambios como un único lanzamiento, aunque plantean decisiones distintas para los desarrolladores.

FLUX 3 Image Klein es la parte más relevante porque Black Forest Labs publicó los pesos del modelo. Los desarrolladores pueden descargar, personalizar y ejecutar el modelo de imágenes en hardware local adecuado. Los servicios de video siguen una ruta diferente y ofrecen mayor resolución mediante infraestructura alojada, en lugar de pesos descargables.

Esa distinción presiona a las plataformas cerradas de imágenes y a los proveedores especializados de video por razones diferentes. La generación local de imágenes cuestiona su control sobre el despliegue, el manejo de datos y la personalización. El video 4K alojado los desafía en calidad de salida, simplicidad del flujo de trabajo y coste operativo.

El anuncio es específico, pero varias afirmaciones importantes aún requieren pruebas independientes. Black Forest Labs publicó mediciones de rendimiento para Klein, mientras que OpenRouter describió los cambios de video en una publicación social. Ninguna de las dos fuentes establece cómo se comporta el paquete completo en cargas de trabajo de producción variadas.

Black Forest Labs FLUX 3 llega como tres productos distintos

El lanzamiento reúne un modelo de imágenes abierto, un servicio de mejora alojado y un generador de video alojado bajo una única narrativa de FLUX 3.

FLUX 3 Image Klein es un modelo de 5.600 millones de parámetros para generación de texto a imagen, edición de imágenes y composición con múltiples referencias. Los pesos abiertos implican que los desarrolladores pueden obtener los parámetros entrenados, aunque ese término no supone automáticamente una licencia de código abierto sin restricciones.

El modelo acepta una indicación de texto y hasta 10 imágenes de referencia. Utiliza un solo sistema para la generación inicial, la edición de una imagen y las composiciones guiadas por varias referencias. Este diseño puede reducir la necesidad de mover activos entre modelos independientes de generación y edición.

Klein también admite cuadros delimitadores basados en indicaciones. El usuario describe cuadros en una cuadrícula de coordenadas para orientar la posición y escala de un objeto. Los cuadros influyen en la generación, pero no son máscaras rígidas que garanticen límites exactos de píxeles.

Black Forest Labs publicó tanto un checkpoint base como un checkpoint destilado. La versión base usa un proceso de generación más largo y está orientada al ajuste fino, la investigación y la adaptación. La versión destilada reduce el número de pasos de inferencia para una generación más rápida y uso autoalojado.

La empresa también publicó varios formatos numéricos para los pesos del modelo. La cuantización almacena o procesa los valores del modelo con precisión reducida, disminuyendo los requisitos de memoria a costa potencial de fidelidad de salida. Las compilaciones disponibles incluyen opciones BF16, FP8, INT8 y NVFP4.

Según las notas de lanzamiento de Klein de la empresa, el transformador de imágenes requiere 11,2 GB en BF16 y 5,6 GB en FP8. Black Forest Labs afirma que la compilación INT8 puede ejecutarse en sistemas Nvidia GeForce compatibles con 8 GB de memoria de video.

Sus mediciones muestran que el modelo destilado produce una imagen de un megapíxel en unos cuatro segundos en una RTX 5090. La empresa informa de un tiempo inferior a nueve segundos en una RTX 4070 mediante ComfyUI. Estos resultados proceden de mediciones de Nvidia y no deben considerarse rendimiento universal de estaciones de trabajo.

La tarjeta del modelo descargable añade una precisión importante. El recuento de 5.600 millones de parámetros cubre el transformador de imágenes, no todos los componentes necesarios para el flujo de trabajo completo. Un codificador de texto Qwen independiente convierte el lenguaje en entradas para el modelo.

El mejorador de indicaciones recomendado introduce otro requisito práctico. Amplía una solicitud breve del usuario en una descripción detallada de la escena antes de generar la imagen. El modelo de indicaciones de referencia es independiente y aumenta considerablemente la planificación de almacenamiento y memoria necesaria para un despliegue local fiel.

Los anuncios de video son más concisos. OpenRouter afirma que su servicio actualizado FLUX Video Upscale puede convertir video arbitrario a 4K durante el acceso anticipado. También indica que FLUX 3 Video ahora produce video 4K directamente a partir de una indicación de texto.

Estas afirmaciones describen dos rutas distintas hacia una mayor resolución. El escalado comienza con un clip existente y reconstruye una salida más grande. La generación directa pide al modelo de video que produzca un resultado de alta resolución como parte del proceso de síntesis original.

OpenRouter también afirma haber reducido en más de la mitad el coste anunciado del escalado de video. Ese cambio importa para clips más largos, ya que los servicios de video suelen facturar por duración, resolución o píxeles procesados. La economía real de cada proyecto sigue dependiendo de reintentos, resultados descartados y sobrecarga del flujo de trabajo.

Por tanto, los tres lanzamientos no deberían evaluarse como un único producto intercambiable. Klein se refiere a la propiedad del modelo y la ejecución local. Video Upscale se refiere al posprocesamiento, mientras que FLUX 3 Video se refiere a la generación de medios originales.

Los pesos abiertos presionan a las plataformas de imágenes

FLUX 3 Image Klein desplaza parte de la competencia desde la calidad de salida hacia el control del despliegue.

Una API de imágenes alojada resulta cómoda porque el proveedor gestiona el servicio del modelo, las actualizaciones, el escalado y el hardware. Sin embargo, cada indicación y activo de referencia debe pasar por infraestructura controlada por otra organización. Esto puede complicar proyectos con diseños confidenciales, productos no publicados o datos regulados.

Un modelo operado localmente cambia ese acuerdo. Los equipos pueden mantener las indicaciones y las imágenes fuente dentro de su propio entorno, sujetos a su configuración y controles de seguridad. También pueden fijar un checkpoint en lugar de aceptar una actualización automática del modelo que altere el comportamiento de salida.

La personalización importa tanto como la privacidad. Black Forest Labs proporciona un checkpoint base destinado al ajuste fino y al entrenamiento de LoRA. LoRA, o adaptación de bajo rango, modifica un conjunto relativamente pequeño de parámetros para enseñar a un modelo nuevos conceptos visuales o estilos.

Esa opción puede beneficiar a estudios con personajes recurrentes, catálogos de productos o normas de marca estrictamente definidas. Un equipo puede crear una adaptación especializada sin volver a entrenar el modelo completo. El flujo de trabajo resultante sigue siendo más complejo que introducir indicaciones en una aplicación de consumo.

El transformador más pequeño hace que esta ruta sea más accesible, pero “GPU de consumo” abarca una gama amplia de hardware. La memoria de video es solo una restricción. La memoria del sistema, el almacenamiento, la carga del modelo, los límites térmicos, los controladores y los formatos numéricos compatibles pueden afectar a la viabilidad práctica de un despliegue.

El flujo de trabajo local completo también es mayor de lo que sugiere el tamaño destacado del modelo. El codificador de texto independiente y el mejorador de indicaciones recomendado añaden componentes que deben descargarse y operarse. La descarga hacia la CPU puede reducir la demanda máxima de GPU, aunque a menudo desplaza el problema hacia transferencias más lentas y tiempos de generación más largos.

Black Forest Labs afirma que Klein conserva capacidades asociadas con su sistema FLUX 3 Image de mayor tamaño. Entre ellas figuran la generación nativa de imágenes 4K, la entrada de múltiples referencias, la edición, la representación de texto y la orientación de diseño. Las pruebas independientes deberán determinar con qué consistencia sobreviven estas capacidades a la cuantización y al hardware modesto.

La licencia del modelo establece otro límite. La FLUX Kommunity License permite actividades no comerciales e incluye una excepción de salida comercial para usuarios que cumplan los requisitos. Este acuerdo es más permisivo que una API cerrada, pero no equivale a una licencia estándar de software permisiva.

Las empresas que evalúen el modelo deben revisar la licencia frente a sus planes de ingresos, distribución, alojamiento y obras derivadas. La disponibilidad para descarga por sí sola no resuelve estas cuestiones. La autorización legal y el acceso técnico son partes independientes de la preparación para el despliegue.

Por tanto, la presión competitiva recae con mayor fuerza sobre los proveedores cuya principal ventaja es el acceso a un modelo capaz. Si resultados comparables pueden ejecutarse localmente, esos proveedores deberán competir mediante herramientas de edición, colaboración, gestión de activos, controles de seguridad o infraestructura más rápida.

Las plataformas cerradas aún pueden conservar ventajas importantes. Pueden ocultar la complejidad, ofrecer latencia consistente, absorber fallos de hardware y proporcionar soporte. Muchos clientes preferirán esos beneficios antes que mantener una pila local de inferencia.

Klein no elimina ese mercado. Ofrece a los compradores técnicos una alternativa creíble y refuerza su posición negociadora. Un proveedor que pida a sus clientes aceptar procesamiento remoto debe explicar ahora qué añade su servicio gestionado más allá del acceso básico al modelo.

FLUX 3 Image Klein comprime el modelo sin eliminar el flujo de trabajo

El mecanismo central no es simplemente un modelo más pequeño, sino un sistema modular que desplaza la complejidad entre checkpoints, formatos numéricos y procesamiento de indicaciones.

Black Forest Labs compara Klein con generadores de imágenes de pesos abiertos más grandes en sus evaluaciones internas. La empresa afirma que Klein ocupó el primer lugar en generación de texto a imagen, generación con múltiples referencias y edición de imágenes dentro de su conjunto comparativo.

Esos resultados incluyen comparaciones con Qwen-Image 2.1 y Krea 2. Black Forest Labs informa de que Klein utiliza menos parámetros de transformador de imágenes que cualquiera de los dos modelos. También afirma que Klein superó a dos sistemas cerrados incluidos en la evaluación.

Estos siguen siendo benchmarks realizados por la empresa. Las indicaciones subyacentes, las preferencias de los evaluadores, los ajustes de muestreo y los casos de fallo determinan hasta qué punto una puntuación de estilo Elo refleja trabajo real de producción. Las calificaciones Elo resumen preferencias por pares, no precisión factual ni fiabilidad del flujo de trabajo.

La afirmación de eficiencia es más fácil de examinar porque los desarrolladores pueden descargar los pesos. Los usuarios independientes pueden medir la demanda de memoria, el tiempo de generación y el comportamiento de salida en sus propios sistemas. También pueden comparar los checkpoints destilado y base con indicaciones equivalentes.

La destilación transfiere comportamiento a un modelo que puede completar la generación con menos pasos de eliminación de ruido. El checkpoint destilado de Klein usa 16 pasos por defecto, mientras que el checkpoint base usa 50. Menos pasos suelen mejorar la velocidad, pero la contrapartida puede aparecer en el detalle, la variación o la adherencia a la edición.

Hugging Face publicó integración con Diffusers el día del lanzamiento. Diffusers es una biblioteca de software abierta para ejecutar y componer flujos de generación de imágenes. El soporte inmediato reduce la carga de integración para desarrolladores que ya utilizan sus herramientas de Python.

La integración también muestra hasta qué punto el sistema es modular. Los desarrolladores pueden cargar el transformador, el codificador, el autoencoder y los componentes de soporte por separado. Pueden mover componentes entre la memoria de CPU y GPU o sustituir partes del flujo de trabajo.

Esa flexibilidad ayuda a investigadores y equipos de infraestructura. No hace que la instalación sea sencilla para un diseñador que solo busca un editor de imágenes fiable. Los pesos abiertos proporcionan control, pero transfieren la responsabilidad operativa al usuario.

La gestión de prompts ilustra esta disyuntiva. La tarjeta del modelo advierte que los prompts cortos pueden generar resultados genéricos sin expansión. Los desarrolladores deberían utilizar el expansor de prompts incluido u otro modelo de lenguaje configurado para crear descripciones completas de escenas.

Este requisito puede mejorar el nivel de detalle de los prompts, pero también hace que el sistema resultante sea menos transparente. La solicitud original del usuario se transforma antes de que la reciba el modelo de imagen. Depurar un resultado inesperado puede requerir examinar tanto el prompt reescrito como el generador.

La generación con múltiples referencias introduce una complejidad similar. Admitir hasta 10 referencias no demuestra que el modelo conservará con la misma fidelidad cada sujeto, textura, logotipo o relación espacial. El rendimiento puede deteriorarse a medida que una solicitud combina más restricciones.

Los cuadros delimitadores proporcionan orientación estructurada, pero no funcionan como software de diseño determinista. Indican al modelo dónde debería aparecer un elemento y qué tamaño aproximado debería tener. No garantizan la tipografía, la alineación ni los límites exactos de los objetos.

Para los desarrolladores, esto significa que Klein debe probarse como un componente probabilístico, no como un motor de renderizado. Una evaluación útil debería registrar tasas de éxito, reintentos, latencia, uso de memoria y preservación de ediciones. Una sola muestra atractiva revela poco sobre la fiabilidad en producción.

El modelo más pequeño cambia el umbral para esos experimentos. Los equipos que carecían de infraestructura para un checkpoint más grande ahora pueden realizar pruebas con hardware más convencional. Esa base de pruebas más amplia puede importar más que cualquier benchmark de lanzamiento.

Si los desarrolladores crean adaptadores sólidos y flujos de trabajo fiables, Klein puede convertirse en una base para productos de imagen especializados. Si los componentes de apoyo resultan engorrosos, muchos usuarios volverán a endpoints gestionados pese a la disponibilidad de los pesos.

FLUX 3 Video 4K convierte la resolución en una decisión de flujo de trabajo

El lanzamiento de video pone el 4K a disposición mediante dos vías, pero la resolución por sí sola no establece la calidad visual ni el valor económico.

La generación directa de FLUX 3 Video 4K comienza con un prompt. El modelo crea un clip de alta resolución como resultado principal. Esta vía puede preservar detalles finos desde el principio, siempre que el modelo represente de forma consistente el movimiento, los objetos y las texturas a esa resolución.

FLUX Video Upscale comienza con un clip existente. El servicio estima píxeles adicionales y reconstruye un resultado en 4K. Puede procesar material generado, grabaciones convencionales, animación o medios mixtos, según el lenguaje amplio del anuncio de OpenRouter.

Estos flujos de trabajo resuelven problemas distintos. La generación directa es adecuada para una escena que todavía no existe. El escalado es adecuado para un clip aprobado cuya composición y movimiento ya están definidos, pero cuya resolución es insuficiente para la entrega.

El escalado también puede encajar en una producción iterativa. Un creador puede generar borradores a menor resolución, seleccionar un resultado prometedor y mejorar solo el clip elegido. Ese enfoque evita aplicar un costoso procesamiento de alta resolución a cada intento descartado.

Sin embargo, un escalador no puede recuperar una verdad fundamental que nunca existió en la fuente. Predice detalles plausibles. Los rostros, el texto pequeño, las superficies con patrones, las manos y el movimiento rápido pueden revelar errores cuando el servicio inventa información de forma inconsistente.

La generación directa tiene sus propios riesgos. Más píxeles no corrigen movimientos deficientes, identidades inestables, física incorrecta ni un mal seguimiento del prompt. Un clip 4K puede preservar esos fallos con mayor claridad.

Por tanto, el anuncio presiona a las plataformas de video especializadas en la presentación de flujos de trabajo, más que en una especificación aislada. Una plataforma que ofrece generación, edición, continuación y mejora mediante una sola API puede simplificar la orquestación para los desarrolladores de aplicaciones.

El papel de OpenRouter también importa. Su catálogo de modelos ahora abarca sistemas de lenguaje, imagen, audio y video. Una capa de acceso compartida puede reducir el trabajo de integración necesario para probar modelos de distintos proveedores.

Esa comodidad introduce otra dependencia. El comportamiento de una aplicación puede depender del proveedor original del modelo, la plataforma de enrutamiento y el proveedor de servicio seleccionado. La latencia, la disponibilidad de funciones, el filtrado de seguridad y los formatos de solicitud pueden variar a lo largo de esa cadena.

Los desarrolladores también deberían distinguir una función de acceso anticipado de un servicio maduro para producción. El acceso anticipado indica que las interfaces, los límites, el rendimiento o la disponibilidad pueden cambiar. No establece un historial de nivel de servicio.

La reducción del precio del video refuerza el atractivo del posprocesamiento, pero las tarifas públicas por unidad son solo una parte del coste total. Un equipo de producción también paga por intentos de generación, almacenamiento, transferencia de datos, revisión humana y repeticiones tras mejoras fallidas.

Una demostración breve puede ocultar esos factores. La pregunta relevante es con qué frecuencia un flujo de trabajo produce una secuencia final de fotogramas aceptable sin reparación manual. El coste por clip utilizable importa más que el coste por segundo procesado.

Es probable que la competencia se centre tanto en la consistencia como en la resolución. Veo de Google, Seedance de ByteDance, Sora de OpenAI, Runway, Kling y otros sistemas compiten en movimiento, control, edición, duración y sonido. Una opción 4K es una dimensión dentro de esa competencia más amplia.

Black Forest Labs y OpenRouter han planteado una prueba clara. Si los usuarios pueden generar o mejorar clips 4K aptos para entrega con menos reintentos, las plataformas de video consolidadas se enfrentan a presión. Si los artefactos y la variabilidad operativa siguen siendo elevados, la etiqueta de resolución tendrá menos peso.

La afirmación de modelo abierto tiene límites prácticos

Klein ofrece un acceso significativo, pero su licencia, los modelos auxiliares, las exigencias de hardware y los benchmarks internos limitan las conclusiones generales.

“Pesos abiertos” es la descripción precisa para FLUX 3 Image Klein. Los parámetros entrenados están disponibles, y los desarrolladores pueden inspeccionar el código circundante y ejecutar el sistema localmente. La licencia sigue imponiendo condiciones de uso.

Esta distinción importa porque “código abierto” suele implicar derechos definidos por licencias de software establecidas. Los lanzamientos de modelos pueden distribuir pesos mientras mantienen restricciones sobre el uso comercial, el alojamiento o la modificación. Los compradores deberían evitar tratar estas categorías como intercambiables.

La historia del hardware también necesita pruebas rigurosas. Black Forest Labs cita funcionamiento en una RTX 4070 y sistemas con 8 GB de memoria de video. Estas afirmaciones se refieren a compilaciones, frameworks y configuraciones medidas específicas.

Un equipo puede obtener resultados diferentes después de habilitar la expansión de prompts, cargar imágenes de referencia, aumentar la resolución o utilizar edición de imágenes. La fragmentación de memoria y las versiones de los frameworks también pueden cambiar si un flujo de trabajo se completa con éxito.

El software del día de lanzamiento puede crear otra fuente de variación. Los cargadores de modelos, los flujos de trabajo de ComfyUI y los pipelines de Diffusers suelen evolucionar rápidamente después de que aparece un checkpoint. Las evaluaciones iniciales deberían registrar las versiones exactas de los paquetes y los archivos de configuración.

Las afirmaciones de benchmark requieren una disciplina similar. Black Forest Labs evaluó su propio modelo e informó resultados favorables frente a competidores abiertos y cerrados. Es una evidencia útil sobre el posicionamiento que pretende la empresa, no un veredicto independiente.

Una comparación justa debería usar prompts, tamaños de salida, presupuestos de muestreo y procedimientos de evaluación idénticos. También debería separar la preferencia estética de la precisión en el seguimiento de instrucciones. Una imagen atractiva aún puede omitir un objeto requerido o alterar el detalle de un producto protegido.

La edición de imágenes merece su propio conjunto de pruebas. Los equipos deberían medir si el modelo conserva las áreas intactas, mantiene la identidad del sujeto, renderiza el texto solicitado y respeta las indicaciones de diseño. Estas tareas suelen fallar de forma distinta a la generación básica de texto a imagen.

Las afirmaciones sobre video presentan una brecha de verificación mayor. OpenRouter anunció acceso anticipado, generación directa en 4K y una importante reducción de costes. Las comparaciones públicas e independientes con material diverso no formaron parte de ese anuncio.

Una revisión significativa del escalado incluiría video comprimido, animación, rostros, movimiento de cámara, letras pequeñas y material generado con artefactos existentes. Los revisores deberían comparar la consistencia temporal, no solo fotogramas aislados.

La generación directa de video debería evaluarse frente a resultados de menor resolución obtenidos con los mismos prompts. Eso puede revelar si el modo 4K añade detalles reales o principalmente aumenta el número de píxeles. También puede mostrar si una resolución mayor afecta la estabilidad del movimiento o el tiempo de generación.

Ninguna de estas incertidumbres hace que el lanzamiento sea poco importante. Definen el trabajo necesario para convertir un lanzamiento prometedor en una herramienta fiable. El acceso abierto facilita probar algunas afirmaciones sobre imagen, mientras que el video alojado sigue siendo más difícil de inspeccionar.

La conclusión más defendible es, por tanto, limitada. Black Forest Labs ha reducido la barrera para experimentar con un modelo de imagen capaz. OpenRouter ha ampliado el acceso a flujos de trabajo de video de mayor resolución, según su anuncio.

Las afirmaciones sobre liderazgo, preparación para producción y valor general siguen sin resolverse. Los desarrolladores deberían evaluar el pipeline completo y las condiciones de licencia, no solo el nombre del modelo o la resolución de salida.

Qué observar tras el lanzamiento de OpenRouter

Tres señales mostrarán si Black Forest Labs FLUX 3 se está convirtiendo en infraestructura de producción o sigue siendo un atractivo paquete de lanzamiento.

La primera señal son los benchmarks independientes de Klein en estaciones de trabajo convencionales. Las pruebas deberían cubrir el pipeline completo, incluido el codificador de texto, el expansor de prompts, las imágenes de referencia y los pesos cuantizados. Las mediciones limitadas al transformador de imagen subestimarán los requisitos de despliegue.

Los buenos resultados en sistemas de la clase RTX 4070 reforzarían el argumento de las GPU de consumo. Problemas recurrentes de memoria, procesamiento lento de prompts o grandes pérdidas de calidad con la cuantización lo debilitarían. Los compradores para producción necesitan configuraciones repetibles, no generaciones exitosas aisladas.

La adopción por parte de la comunidad ofrece otra pista. Los lanzamientos de LoRA, los flujos de trabajo de ComfyUI, las mejoras de Diffusers y las aplicaciones especializadas pueden revelar si los desarrolladores consideran adaptable el modelo. Las contribuciones sostenidas darían a Klein ventajas que no pueden medirse mediante una clasificación de lanzamiento.

La segunda señal es la evidencia del período de acceso anticipado de FLUX Video Upscale. OpenRouter o Black Forest Labs deberían publicar ejemplos claros procedentes de distintas fuentes, junto con límites de procesamiento y modos de fallo conocidos.

La validación más sólida incluiría comparaciones fotograma a fotograma y métricas temporales. Los creadores también necesitan información sobre la duración máxima, los formatos aceptados, la compresión de salida, el comportamiento de las colas y las restricciones de contenido.

Los informes de usuarios importarán, pero las muestras pulidas deberían tener un peso limitado. Un servicio de producción debe manejar material difícil, no solo escenas seleccionadas para demostrar sus fortalezas. Resultados consistentes en movimiento y detalle fino reforzarían el argumento del escalado.

La tercera señal es cómo responden las plataformas competidoras. Los rivales pueden responder con mayor resolución nativa, menores costes operativos, modelos descargables, mejor control de edición o garantías más sólidas. Su respuesta indicará qué parte del paquete representa la mayor amenaza.

Si los competidores enfatizan el despliegue local, Klein ha cambiado las expectativas de los compradores en torno a la propiedad y la privacidad. Si enfatizan la calidad de mejora, el escalador de video está generando más presión. Si se centran en la edición integrada, la resolución por sí sola no está ganando el argumento.

Los desarrolladores deberían evitar elegir un sistema basándose en una sola métrica destacada. Una evaluación práctica puede comenzar con un conjunto fijo de prompts, clips de origen, tareas de edición y criterios de aceptación. Registre cada reintento y cada resultado rechazado.

Para el trabajo de imagen, compare un despliegue local de Klein con un endpoint gestionado utilizando el mismo briefing creativo. Incluya el tiempo de configuración, la demanda de memoria, la latencia de generación, la preservación de ediciones y la revisión de licencias. La mejor elección puede diferir entre la experimentación y la producción.

Para video, compare la salida directa de FLUX 3 Video 4K con una generación de menor resolución seguida de reescalado. Evalúa el movimiento, la identidad, la textura, el texto y el tiempo total de procesamiento. La ruta con más píxeles no es necesariamente la que presenta menos problemas.

Black Forest Labs FLUX 3 abarca ahora dos ideas contrapuestas sobre la infraestructura de IA. Klein ofrece control descargable, mientras que los productos de video proporcionan capacidades mediante acceso alojado. Esta división ofrece más opciones a los desarrolladores, pero también exige evaluaciones independientes.

¿Qué es más importante para tu flujo de trabajo: controlar el pipeline de imágenes, generar video a la máxima resolución o mejorar material seleccionado después de crearlo? Prueba primero ese requisito y, después, evalúa el resto del lanzamiento en torno a él.