FLUX 3 Max : 10 s de vidéo IA en 12 s ? Mon test et les prix
Annoncé par Black Forest Labs le 19 octobre 2026 au soir, FLUX 3 Max se présente d’emblée comme le modèle le plus rapide du marché. Conçu en collaboration avec fal.ai, ce dérivé de FLUX 3 Video promet 10 secondes de clip en 12 secondes et revendique la première place ex aequo du classement image to video. Dès le lendemain, le 20 octobre 2026, j’ai mis ces affirmations à l’épreuve : mes mesures confirment une génération brute en 9,3 à 9,6 secondes, un fichier final délivré en 20 à 25 secondes, et une moyenne de 8,8/10 sur mon protocole d’évaluation.
En bref (20 octobre 2026)
- Nature du modèle : variante de FLUX 3 Video post-entraînée et optimisée par fal.ai (fal Research), disponible exclusivement sur la plateforme fal.ai.
- Modes disponibles : texte vers vidéo, image vers vidéo (avec option d’image finale) et keyframes (jusqu’à 10 images clés assignées à des moments précis).
- Spécifications : clips de 5 à 20 s, résolutions 720p ou 1080p, audio natif synchronisé généré avec l’image, ratios d’aspect du 21:9 au 9:16.
- Tarifs fal.ai : 0,0425 USD par seconde en 720p et 0,0725 USD en 1080p durant la promotion de lancement (-75 %) jusqu’au 7 novembre 2026. Tarifs standards ultérieurs : 0,17 USD et 0,29 USD par seconde.
- Classement : 2e du classement image to video AI d’Artificial Analysis avec un score Elo de 1138 ±15, soit une égalité statistique avec MiniMax H3 (1140 ±16).
- Mon relevé de vitesse : pour 10 s de vidéo en 720p, 9,3 à 9,6 s d’inférence pure et 20 à 25 s entre l’envoi de la requête et la réception du fichier MP4. À titre de comparaison, Seedance 2.5 a demandé 197 s pour 5 s sur la même image de départ.
- Résultats de mon banc d’essai : score global de 8,8/10 sur 5 scènes de référence, lettrage complexe parfaitement orthographié et rendu physique solide.
Qu’est-ce que le modèle FLUX 3 Max ?
Black Forest Labs a introduit son écosystème de génération au cours de l’été 2026, une architecture dont j’ai analysé la déclinaison vidéo standard dans mon banc d’essai FLUX 3 Video. FLUX 3 Max repose sur une approche différente : fal.ai a repris ce modèle de base pour lui appliquer son propre post-entraînement. Selon la documentation technique de fal, cette phase d’optimisation visait trois axes :
- une meilleure fidélité au prompt textuel,
- une amélioration de la cohérence visuelle,
- une réduction drastique de la latence, fal avançant qu’un clip de 10 secondes est calculé en environ 11 secondes.
Par défaut, l’endpoint active l’expansion automatique d’instructions (paramètre reasoning_level réglé sur high). J’ai conservé ce réglage actif lors de mes tests afin d’évaluer le comportement standard du service. Notez que cette version Max n’est pas distribuée sur le portail direct de Black Forest Labs ni via d’autres intermédiaires ; les tarifs officiels de BFL ne s’appliquent donc qu’à la version de base de FLUX AI.
Classement image to video : que vaut l’égalité annoncée ?
L’annonce officielle de Black Forest Labs met en avant une première place partagée au classement indépendant tenu par Artificial Analysis, basé sur des comparaisons à l’aveugle soumises au vote humain. Au 20 octobre 2026, le tableau de l’arène image to video s’établit ainsi :
| Rang | Modèle | Score 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 |
Avec seulement deux points d’écart et des marges d’erreur de ±15 et ±16, l’affirmation d’une égalité statistique pour la première marche du podium est tout à fait rigoureuse. On observe surtout un bond de 52 points Elo par rapport à la mouture originale de FLUX 3, hissant le modèle du 8e au 2e rang sous l’effet des ajustements de fal.
Mesures de vitesse : le cap des 10 secondes vérifié
Dans sa communication sur X, Black Forest Labs affirme produire 10 secondes de vidéo en 12 secondes (12,45 s selon un message complémentaire). Pour vérifier cette promesse, j’ai soumis deux requêtes de 10 secondes en 720p avec audio via l’API fal : une génération text-to-video (tramway de nuit à Cracovie) et une génération image to video AI (scène de boulangerie). Les métadonnées renvoyées par l’API permettent d’isoler le temps de calcul pur (champ timings) de la durée totale de traitement :
| Scène (10 s, 720p) | Génération pure | Traitement fal.ai | Requête au fichier final |
|---|---|---|---|
| Texte vers vidéo | 9,3 s | 18,8 s | 20,5 s |
| Image vers vidéo | 9,6 s | 21,2 s | 25,1 s |
- Le temps de génération brut (débruitage) descend sous la barre promise avec 9,3 à 9,6 secondes.
- Le traitement global côté serveur (déploiement du prompt, génération, encodage et stockage) demande environ le double du temps d’inférence.
- Du point de vue utilisateur, le fichier MP4 est prêt au téléchargement en 20 à 25 secondes. Les 9 générations de 5 secondes que j’ai lancées ont nécessité entre 12 et 25 secondes d’attente globale (médiane à 17 secondes), pour un calcul interne compris entre 4 et 5,5 secondes.
Face à face : 22 fois plus rapide que Seedance 2.5 ?
Black Forest Labs revendique également une exécution 22 fois plus rapide que Seedance 2.5 à niveau de qualité équivalent. J’ai confronté les deux modèles à partir de la même image source d’une boulangerie et d’un prompt identique : le boulanger sort avec un plateau, un cycliste passe au premier plan, l’enseigne reste intacte. Le test a été calibré sur 5 secondes, en choisissant le profil 480p pour Seedance 2.5 afin de limiter les frais (1,25 USD pour 5 s, contre 0,21 USD en 720p pour FLUX 3 Max) :
| Modèle | Temps total | Coût de la passe | Note |
|---|---|---|---|
| FLUX 3 Max (720p) | 20,5 s | 0,21 USD | 9/10 |
| Seedance 2.5 (480p) | 197,5 s | 1,25 USD | 8/10 |
Dans mes conditions d’essai, FLUX 3 Max s’est révélé 9,6 fois plus rapide sur la boucle totale et 11,7 fois plus rapide sur le temps serveur, tout en délivrant une résolution supérieure. Sans atteindre le facteur multiplicateur de 22 mis en avant par BFL (qui compare probablement la phase de calcul seule avec d’autres paramètres), le gain de productivité change clairement d’ordre de grandeur.
Prix de FLUX 3 Max sur l’API fal
L’accès au modèle est facturé à la seconde de rendu générée, avec une grille tarifaire promotionnelle valide jusqu’au 7 novembre 2026 :
| Durée du clip | 720p (remise -75 %) | 1080p (remise -75 %) | 720p (tarif standard) |
|---|---|---|---|
| 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 |
La totalité de mes 11 générations de test en 720p (neuf clips de 5 s et deux de 10 s) m’a coûté 2,76 USD via l’API fal. À titre de repère, lors d’une session antérieure le 11 octobre, le modèle standard FLUX 3 Video via API revenait à 0,85 USD pour une séquence équivalente, soit quatre fois plus cher que cette offre de lancement.
Mon test complet : analyse des 8 clips
Chaque scène a été générée le 20 octobre 2026 en une seule passe, au format 16:9 en 720p avec l’audio natif activé. J’ai appliqué le barème strict défini pour mon comparatif Arena générateurs vidéo IA : conformité aux instructions, stabilité des éléments géométriques, cohérence physique et fidélité de l’élocution le cas échéant.
| Scène testée | Note | Durée totale | Constat principal |
|---|---|---|---|
| Orbite moto 180° | 9,0 | 17 s | Rotation propre, aucun artefact structurel |
| Dialogue vocal | 7,5 | 12 s | Phrase complexe : deux mots agglutinés |
| Texte complexe à l’image | 10,0 | 17 s | Diacritiques polonais parfaitement tracés |
| Simulation de fluide | 8,5 | 22 s | Remplissage et débordement, texture finale gélifiée |
| Raccord personnage en 2 plans | 9,0 | 17 s | Garde-robe et accessoires identiques après coupe |
| Travelling tramway | 9,0 | 17 s | Vitesse calée sur le véhicule urbain |
| Image to video (cuisine) | 8,5 | 17 s | Respect rigoureux de la photo source |
| Interpolation keyframes | 9,5 | 25 s | Transition fluide jour/nuit sans déformation |
Typographie et élocution
La précision textuelle à l’image est remarquable : la mention écrite à la craie conserve l’intégralité de ses lettres accentuées et barrées sans distorsion. Sur le plan vocal, la phrase d’épreuve en polonais a présenté une légère fusion syllabique au début de la réplique, là où la version FLUX 3 Video non modifiée avait délivré un sans-faute le 11 octobre. Le reste de l’énoncé demeure parfaitement intelligible.
Contrôle de caméra, physique et cohérence
Image vers vidéo et animation par keyframes
Pour évaluer les facultés d’animation, j’ai alimenté le mode image to video avec un rendu d’intérieur préalablement calculé dans FLUX 3 Image. Pour l’animation par images clés, j’ai injecté une vue nocturne de la place du marché de Cracovie sur la frame initiale (0) et sa déclinaison hivernale ensoleillée (obtenue par retouche sous Seedream 5.0 Flash) sur l’image 120, marquant la 5e seconde à 24 images par seconde.
Rendu sur des séquences de 10 secondes
Qualité du module audio intégré
J’ai soumis les pistes sonores produites à une évaluation aveugle via Gemini 3.8 Flash, en lui transmettant uniquement l’audio et la description visuelle, sans mention du moteur employé. Les quatre extraits soumis ont décroché des notes entre 9 et 10/10. L’analyse met en avant une excellente réactivité événementielle :
- sur l’eau : tonalité montante lors du remplissage, suivie d’un clapotis réaliste sur le bois ;
- sur la place urbaine : transition sonore continue d’une pluie battante vers le crissement des pas dans la neige et le pas des chevaux ;
- sur le tramway : réverbération d’ambiance humide, projection de flaques et roulement métallique lourd.
Forces et faiblesses constatées
Points forts :
- Vitesse de génération exceptionnelle (médiane à 17 s pour 5 s de vidéo, latence réseau incluse) ;
- Tarif très agressif durant l’offre de lancement (-75 %) ;
- Rendu typographique complexe sans fautes à l’écran ;
- Mode keyframes particulièrement rigoureux sur la conservation des lignes architecturales ;
- Bande-son intégrée cohérente sans nécessiter de pipeline audio secondaire.
Limites :
- Diction vocale un cran en dessous du modèle FLUX 3 Video initial sur les phonèmes ardus ;
- Quadruplement des coûts programmé dès le 8 novembre 2026 ;
- Accès limité à l’infrastructure fal.ai (absence d’interface grand public autonome ou d’abonnement forfaitaire) ;
- L’expansion de prompt par défaut double pratiquement la durée de traitement totale de la requête.
Les autres volets de ma série de tests
Ce banc d’essai s’inscrit dans une campagne complète d’évaluations menées sur les dernières architectures d’IA générative :
- Bilan des nouveaux modèles fal.ai en octobre 2026 : mon comparatif de 18 architectures récentes avec tableau de bord des scores et coûts d’usage.
- FLUX 3 Max dans l’arène vidéo face aux ténors : la confrontation directe contre Kling, Seedance, Veo et Wan sur 5 scénarios exigeants.
- Grand test de retouche photo IA : banc d’essai comparatif réunissant Krea 3 Edit, FLUX 3 Klein Edit, Nano Banana 2.1 Edit et Seedream 5.0 Flash Edit.
- Comparatif de synchronisation labiale IA : OmniHuman 2 face à H3 Max Lip Sync, VEED Fabric, OmniHuman 1.5 et Kling Avatar v2.
- Évaluation des modèles de monde interactifs : analyse technique des performances de LingBot-World v2 et Abot World 0 via WebRTC.
Retrouvez l’ensemble de mes bancs d’essai indépendants et analyses de fond regroupés au sein du Labo Promptif.
Foire aux questions
Quelle est la différence fondamentale entre FLUX 3 Max et FLUX 3 Video ?
Il s’agit du même réseau neuronal sous-jacent, mais FLUX 3 Max a reçu un post-entraînement ciblé conduit par fal.ai. Lors de mes mesures sur l’Arena, Max a décroché 8,8/10 contre 8,9/10 pour le modèle d’origine, tout en divisant les temps de calcul et en proposant un tarif promotionnel réduit.
FLUX 3 Max est-il un modèle open source ?
Non, aucun poids n’est mis à disposition pour cette version optimisée. Dans la collection de Black Forest Labs, seul le modèle pour l’image statique Klein dispose de poids accessibles sous licence FLUX Kommunity.
Combien de temps prend réellement la production d’un clip ?
Dans mon environnement, compter entre 12 et 25 secondes d’attente globale pour 5 secondes de vidéo, et entre 20 et 25 secondes pour 10 secondes en 720p. Le calcul de débruitage pur prend environ 9,5 secondes pour 10 secondes de média.
Jusqu’à quelle date la tarification réduite est-elle active ?
La remise de 75 % accordée sur fal.ai court jusqu’au 7 novembre 2026. Passée cette échéance, la seconde de rendu passera à 0,17 USD en 720p et 0,29 USD en 1080p.
Sources
- Banc d’essai personnel du 20.10.2026 : 11 rendus via l’API fal.ai, coût cumulé de 2,76 USD, transcription Wizper (fal.ai), audit audio sous Gemini 3.8 Flash.
- fal.ai : Fiche technique et tarification de FLUX 3 Max Text to Video (consulté le 20.10.2026).
- fal.ai : Spécifications API de FLUX 3 Max Keyframes to Video.
- Black Forest Labs : Présentation de la famille de modèles FLUX 3.
- Black Forest Labs sur X : Publication d’annonce officielle de FLUX 3 Max (19.10.2026).
- Artificial Analysis : Classement d’évaluation image to video (relevé du 20.10.2026).
- Données comparatives antérieures : banc d’essai FLUX 3 Video (11.10.2026) et Arena générateurs vidéo IA (08.10.2026).