Black Forest Labs เปิดตัว FLUX 3 — โมเดลมัลติโมดัลตัวแรกที่สร้างวิดีโอ 20 วินาทีพร้อมเสียงในตัว

เมื่อวันที่ 23 กรกฎาคม 2026 Black Forest Labs (BFL) — ทีมเยอรมันเบื้องหลังตระกูลโมเดลสร้างภาพโอเพนซอร์ส FLUX ที่นักพัฒนาทั่วโลกใช้กันอย่างแพร่หลาย — เปิดตัว FLUX 3 โดยวางตำแหน่งเป็น “โมเดลมัลติโมดัลระดับ frontier” ตัวแรกของค่าย จุดเปลี่ยนสำคัญคือ FLUX 3 ไม่ได้เป็นแค่โมเดลสร้างภาพอีกต่อไป แต่ เรียนรู้จากภาพ วิดีโอ และเสียงพร้อมกัน เพื่อสร้าง “ตัวแทนของโลก” (representation of the world) เพียงชุดเดียว

ความสามารถที่เป็นครั้งแรกของ BFL คือการ สร้างวิดีโอยาวได้ถึง 20 วินาทีพร้อมเสียงเนทีฟในตัว — ไม่ใช่การเอาโมเดลเสียงมาแปะทีหลัง ตอนนี้ FLUX 3 Video เปิดให้ใช้แล้วในสถานะ Early Access ส่วน FLUX 3 Image และน้ำหนักโมเดลแบบเปิดจะทยอยตามมา

ทำอะไรได้บ้าง — ภาพ วิดีโอ เสียง และการทำนายการกระทำ

FLUX 3 รวมงานหลายอย่างไว้ในสถาปัตยกรรมเดียว:

• วิดีโอพร้อมเสียง ยาวสูงสุด 20 วินาที รองรับ text-to-video, image-to-video และ video-to-video, การเปลี่ยนผ่านแบบ keyframe, บทสนทนาหลายภาษา และการต่อฉากแบบ multi-shot BFL ระบุว่าโมเดลทำได้ดีเป็นพิเศษกับ การแสดงสีหน้าของมนุษย์ และ การจับคู่เสียงให้ตรงกับเหตุการณ์ทางกายภาพ (เช่นเสียงกระทบเมื่อของตกลงพื้น)
• ภาพ — FLUX 3 Image จะมาใน Early Access อีกไม่กี่สัปดาห์ ชูจุดเด่นเรื่องการทำตามพรอมป์ต์ที่ซับซ้อนได้ดีขึ้นและการเรนเดอร์ ตัวอักษรหลายภาษา ให้คมชัด
• การทำนายการกระทำ (action prediction) — โมเดลย่อย Flux-mimic สำหรับงานหุ่นยนต์ กำลังถูกทดสอบที่ Audi เพื่อใช้กับงานสายการผลิต โดยเปิดให้พาร์ตเนอร์บางรายก่อน

ในการทดสอบเปรียบเทียบความชอบ (preference testing) ช่วงแรก BFL อ้างว่าผู้ทดสอบเลือก FLUX 3 เหนือคู่แข่งแปดรายในสัดส่วน 52–93% แต่ทางบริษัทเองก็ระบุตรง ๆ ว่า ยังไม่มีการทดสอบอิสระจากภายนอกมายืนยัน ตัวเลขเหล่านี้จึงเป็นข้อมูลจากผู้ผลิต

สถานะการเปิดใช้ — Early Access ก่อน น้ำหนักเปิดตามมา

ต่างจาก FLUX รุ่นก่อน ๆ ที่ปล่อยน้ำหนักโมเดลแบบเปิดตั้งแต่วันแรก รอบนี้ BFL เลือกเปิดแบบ Early Access ผ่าน API ก่อน:

• FLUX 3 Video — ใช้ได้แล้วในสถานะ Early Access
• FLUX 3 Image — เข้า Early Access “ในอีกไม่กี่สัปดาห์”
• FLUX 3 Dev — เวอร์ชันน้ำหนักเปิด (open-weight) ที่เป็น backbone มัลติโมดัล มีแผนปล่อยตามมา แต่ยังไม่ระบุกำหนดเวลาชัดเจน
• Action prediction — ผ่านพาร์ตเนอร์ที่คัดเลือกเท่านั้นในช่วงแรก

BFL ยังไม่ประกาศราคาหรือรายละเอียดการเข้าถึง API ในบล็อกเปิดตัว

มุมมอง AI Curator

FLUX 3 เป็นข่าวที่มีนัยสองชั้นสำหรับนักพัฒนา ชั้นแรกคือความสามารถทางเทคนิค: การหลอมภาพ-วิดีโอ-เสียงเข้าเป็นโมเดลเดียวที่เข้าใจ “โลก” ร่วมกัน เป็นทิศทางเดียวกับที่ Google (Veo) และ OpenAI (Sora) กำลังไป แต่จุดที่ BFL ต่างคือ มรดกโอเพนซอร์ส — ตระกูล FLUX คือโมเดลสร้างภาพเปิดที่คนไทยและทั่วโลกรันบนเครื่องตัวเองผ่าน ComfyUI กันจริง ๆ (บล็อกนี้เองก็ใช้ FLUX เป็นสายสำรองในการสร้างภาพปก) คำถามที่สำคัญที่สุดจึงไม่ใช่ “วิดีโอสวยแค่ไหน” แต่คือ “FLUX 3 Dev จะเปิดน้ำหนักเมื่อไหร่ และจะรันบนการ์ดผู้บริโภคได้ไหม”

ชั้นที่สองที่ควรระวังคือ การขยับจาก open-first ไปเป็น API-first ครั้งนี้ BFL เลือกเก็บของดีไว้หลัง Early Access ก่อน แล้วค่อยปล่อยเวอร์ชัน Dev ทีหลัง ซึ่งเป็นรูปแบบเดียวกับที่หลายค่ายเริ่มทำ (เก็บรุ่นเรือธงเป็น API, ปล่อยรุ่นเล็กเป็นน้ำหนักเปิด) สำหรับทีมที่วางไปป์ไลน์ media generation ควรประเมินตั้งแต่ตอนนี้ว่า พึ่งพา API ที่ราคายังไม่ประกาศแล้วมีความเสี่ยงเรื่องต้นทุนและ vendor lock-in แค่ไหน เทียบกับการรอเวอร์ชันน้ำหนักเปิดที่ควบคุมเองได้

สำหรับบริบทไทย/SEA จุดที่น่าจับตาเป็นพิเศษคือคำโฆษณาเรื่อง การเรนเดอร์ตัวอักษรหลายภาษา และ บทสนทนาหลายภาษาในวิดีโอ — ถ้า FLUX 3 ทำภาษาไทยได้จริงโดยไม่เพี้ยน (ซึ่งเป็นจุดอ่อนเรื้อรังของโมเดลสร้างภาพเกือบทุกตัว) นั่นจะเปลี่ยนเกมงานคอนเทนต์และโฆษณาในภูมิภาคได้พอสมควร แต่ต้องรอทดสอบจริงกับข้อความไทยก่อนจะเชื่อ

แหล่งข่าว

• FLUX 3: Towards Multimodal Flow Models as the Backbone of Visual Intelligence — Black Forest Labs (23 ก.ค. 2026)
• Flux 3 generates videos with native audio up to 20 seconds long, a first for Black Forest Labs — The Decoder (23 ก.ค. 2026)
• Black Forest Labs launches FLUX 3, capable of generating images and 20-second video with audio — VentureBeat (23 ก.ค. 2026)